Motivation
Die Krisen der letzten Jahre haben gezeigt, wie sehr die deutsche Wirtschaft und Verbraucher auf funktionierende Lieferketten angewiesen sind und wie stark diese durch verschiedene Risiken beeinflusst werden. Die Vorhersage solcher Risiken kann Kosten senken, indem Lager- und Logistikkosten für den Ausfall einer Lieferkette reduziert werden. Die Möglichkeit, solche Ereignisse im Bereich des Lieferkettenmanagements (Supply-Chain Management, SCM) korrekt vorherzusagen, gehört zu den vielversprechendsten Business-to-Business-Anwendungsfeldern der Künstlichen Intelligenz.
Ziele und Vorgehen
Ziel des Projekts ist die Erforschung von Methoden, mit denen kritische Ereignisse in Lieferketten automatisiert erkannt werden können. Diese Methoden sollen Unternehmen dabei unterstützen, ihre Verpflichtungen gemäß dem neuen Lieferkettensorgfaltspflichtengesetz zu erfüllen. Dazu werden textbasierte Quellen mithilfe von KI-Verfahren analysiert. Im Gegensatz zu aktuellen Ansätzen sollen die angestrebten Verfahren nur wenige bis gar keine Trainingsdaten benötigen. Damit können auch Unternehmen mit wenigen verfügbaren Daten oder begrenzten personellen Ressourcen profitieren. Zur Entwicklung der Lösung werden Inhalte aus mehr als 460 Millionen öffentlichen Quellen – beispielsweise globale Unternehmens- und lokale Nachrichtenwebseiten – genutzt, die von einer im Projekt entwickelten modularen KI-Plattform verarbeitet werden.
Innovationen und Perspektiven
AI4SCM plant, öffentliche Quellen automatisiert zu identifizieren, anzubinden und abzufragen, um die Grundlage für Machine-Learning-basierte, SCM-bezogene Datenprodukte zu schaffen. Ziel ist es, aktuelle Forschungsergebnisse insbesondere für KMUs zugänglich zu machen. Die Vermarktung der angestrebten Lösung soll dazu beitragen, das Vertrauen in funktionierende Lieferketten zu stärken, was für die global agierende deutsche Wirtschaft von großer Bedeutung ist.