Loading…
Machine Learning im Logistikmanagement – Entwicklung eines Gestaltungsansatzes zum Einsatz von ML-Anwendungen in logistischen Entscheidungsprozessen
Weinke, Manuel
Schriftenreihe Logistik der Technischen Universität Berlin
Als ein Teilbereich der Künstlichen Intelligenz stellt Machine Learning (ML) eine Schüsseltechnologie des 21. Jahrhunderts dar. Unter Nutzung der mathematisch-statistischen Verfahren sind technische Systeme realisierbar, die anhand von Daten eigenständig empirische Zusammenhänge erkennen und dadurch ihr Verhalten zur Lösung von betrieblichen Problemen im Sinne einer systemseitigen Lernfähigkeit anpassen können. Entsprechend der Komplexität von Planungs-, Steuerungs- und Kontrollaufgaben in industriellen Wertschöpfungsketten wird ML-Anwendungen eine hohe Bedeutung zur Unterstützung und autonomen Ausführung von logistischen Entscheidungsprozessen zugesprochen. Für diesen Bereich des Logistikmanagements untersucht die Dissertation zentrale Fragestellungen des Einsatzes von ML. Unter Berücksichtigung des aktuellen Forschungsstands und mittels einer intensiven Einbeziehung der Praxis werden Anwendungsmöglichkeiten, resultierende Auswirkungen mit Potenzialen und Grenzen sowie notwendige Voraussetzungen ermittelt. Das Ergebnis der Dissertation stellt einen Gestaltungsansatz dar, der geeignete Maßnahmen zur Realisierung dieser domänen- und technologiespezifischen Voraussetzungen strukturiert nach mehreren Handlungsfeldern aufzeigt. Diese reichen von infrastrukturellen Aktivitäten zur Einbindung der benötigten Daten über aufbau- und ablauforganisatorische Maßnahmen zur Umsetzung von ML-Projekten bis hin zum Umgang mit den veränderten Rollen von Mitarbeitern. Entsprechend seiner interdisziplinären und praxisorientierten Ausrichtung stellt der entwickelte Gestaltungsansatz ein nützliches Instrument für Unternehmen zur Bewältigung der Herausforderungen bei der Einführung von ML im Logistikmanagement dar. Zusammen mit den weiteren Inhalten der Arbeit, wozu auch die technischen Eigenschaften und zukünftigen Entwicklungen von ML gehören, können Führungskräfte systematisch das notwendige Wissen zur erfolgreichen Gestaltung des Technologieeinsatzes aufbauen und gleichzeitig wichtige Rahmenbedingungen für die digitale Transformation ihrer Organisationen schaffen.
As a subfield of artificial intelligence, machine learning (ML) represents a key technology of the 21st century. Using the mathematical-statistical methods, technical systems can be developed that independently discover empirical patterns on the basis of data and thus adapt their behavior to solve business problems in the sense of a system-based learning. According to the complexity of planning, controlling and monitoring tasks in manufacturing value chains, ML applications are considered to be of high relevance for the support and autonomous operation of logistics decision-making processes. For this field of logistics management, the dissertation investigates central questions concerning the use of ML. By studying the current state of research and by intensively involving the practice, possible use cases, corresponding effects with potentials and limitations, as well as necessary requirements are identified. The result of the dissertation represents a design approach that shows suitable measures for the fulfillment of these domain- and technology-specific requirements which are structured according to several areas of action. These range from infrastructural activities for the integration of data to organizational and procedural measures for conducting ML projects up to the management of changed roles for employees. Due to its interdisciplinary and practical orientation, the developed design approach is a useful tool for companies to cope with the challenges of implementing ML in logistics management. Together with other deliverables of the dissertation, which also include the technical characteristics and future developments of ML, managers can acquire the expertise to successfully design the adoption of the technology and, at the same time, implement important framework conditions for the digital transformation of their enterprises.
Published by Universitätsverlag der TU Berlin, ISBN 978-3-7983-3298-0 EISSN 2197-0564
- Gedruckt erschienen im Universitätsverlag der TU Berlin, ISBN 978-3-7983-3297-3 (ISSN 1865-3170)
