Sign up to save your podcasts
Or
Share Supply Chain und Logistik Daten und KI in der Praxis (Dr. Thomas Schamberg, SVP Supply Chain, Evonik)
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
Supply Chain und Logistik Daten und KI in der Praxis (Dr. Thomas Schamberg, SVP Supply Chain, Evonik)
Dr. Thomas Schamberg, SVP Supply Chain beim Chemiekonzern Evonik, war zu Gast bei unserem Felgendreher & Friends Supply Chain Community Event in Düsseldorf und hat uns einen Praxisbericht mitgebracht, der erklärt, wie Thomas und sein Team Daten aus Logistik und Supply Chain mit Hilfe von KI "actionable" macht.
Danach haben wir gemeinsam im Kreis von Logistik und Supply Chain Verantwortlichen aus unterschiedlichen Branchen wie Chemie, Maschinenbau, Großhandel, Stahl, FMCG, Pharma, Einzelhandel und Online-Handel über diesen Praxisbericht diskutiert.
Dabei ging es unter anderem um folgende Themen:
Impulsvortrag von Thomas Scharnberg:
Einführung in die Supply Chain bei Evonik:
Überblick über die Komplexität der Supply Chain (150 Produktionsanlagen in 100 Ländern, teilweise 18 Monate Produktionsdauer).
Chemische Industrie hat Nachholbedarf in der Digitalisierung der Supply Chain
Traditionelle Planungsmethoden (Excel, MES-Systeme) vs. moderne Lösungen
Herausforderungen durch Mergers & Acquisitions und die Integration verschiedener Systeme.
Digitalisierung und KI in der Supply Chain:
Umstellung auf SAP S4 HANA (mit Brownfield Approach, bestehende Probleme wurden übernommen). Einführung von IBP for Demand zur besseren Planbarkeit. Entwicklung eines KI-gestützten Entscheidungsmodells zur Optimierung von Forecasts.
KI und Machine Learning für Demand Forecasting:
Nutzung von vorgefertigten ML-Modellen, die an Evonik-spezifische Forecast-Daten angepasst werden.
Verbesserung der Forecast Accuracy durch datengetriebene Optimierung
Zusammenarbeit mit Forschungspartnern für noch präzisere Vorhersagen.
Order-to-Cash-Prozess & Automatisierung:
Automatisierung der Auftragserfassung durch Schrifterkennung und direkte SAP-Integration. Abbau manueller Prozesse (z.B. Faxbestellungen)
Auswirkungen auf die Workforce: Schrittweise Optimierung statt plötzlicher Einsparungen.
Fokus auf No-Touch oder Less-Touch-Order Processing.
Transportmanagement & Visibility:
Herausforderung: Sehr fragmentierte Dienstleisterstruktur (ca. 700–800 Partner).
Strategie: Konsolidierung auf wenige große Partner (4PL).
Implementierung eines globalen Transportmanagementsystems (TMS).
Tracking-Integration mit GPS- und Geofencing-Daten.
Optimierung von Lead Times & Working Capital durch bessere Transportplanung.
KI für Entscheidungsfindung & Automatisierung:
Einsatz von ChatGPT und Co-Pilot zur internen Wissensorganisation
Protokollerstellung & Aufgabenverwaltung mit KI-Assistenz in Meetings
Zukunft: KI-gestützte Entscheidungsfindung (z. B. Netzwerkoptimierung, alternative Lieferstrategien). Ausblick auf KI-Agenten, die selbstständig Prozesse auslösen.
Diskussionsrunde mit dem Publikum:
Frage 1: Automatisierung & Auswirkungen auf die Belegschaft → Schrittweise Optimierung, keine plötzlichen Entlassungen.
Frage 2: Transportmanagement & Visibility in Asien → End-to-End-Tracking als Ziel, Herausforderungen durch regionale IT-Schnittstellen.
Frage 3: Akzeptanz von KI in der Belegschaft → Wichtigkeit von Schulungen, IT-affine Mitarbeiter als Botschafter.
Frage 4: Strategische vs. kurzfristige Transport-Tender → Fokus auf langfristige Partner für bessere Datenqualität und Stabilität.
Hilfreiche Links:
Thomas Schamberg auf LinkedIn: https://www.linkedin.com/in/thomas-schamberg/
Boris Felgendreher auf LinkedIn: https://www.linkedin.com/in/borisfelgendreher/
Unterstützt wurde diese Diskussionsrunde von Logward, der No-Code Supply Chain Execution Plattform: https://logward.com/
View all episodes
By Boris FelgendreherDr. Thomas Schamberg, SVP Supply Chain beim Chemiekonzern Evonik, war zu Gast bei unserem Felgendreher & Friends Supply Chain Community Event in Düsseldorf und hat uns einen Praxisbericht mitgebracht, der erklärt, wie Thomas und sein Team Daten aus Logistik und Supply Chain mit Hilfe von KI "actionable" macht.
Danach haben wir gemeinsam im Kreis von Logistik und Supply Chain Verantwortlichen aus unterschiedlichen Branchen wie Chemie, Maschinenbau, Großhandel, Stahl, FMCG, Pharma, Einzelhandel und Online-Handel über diesen Praxisbericht diskutiert.
Dabei ging es unter anderem um folgende Themen:
Impulsvortrag von Thomas Scharnberg:
Einführung in die Supply Chain bei Evonik:
Überblick über die Komplexität der Supply Chain (150 Produktionsanlagen in 100 Ländern, teilweise 18 Monate Produktionsdauer).
Chemische Industrie hat Nachholbedarf in der Digitalisierung der Supply Chain
Traditionelle Planungsmethoden (Excel, MES-Systeme) vs. moderne Lösungen
Herausforderungen durch Mergers & Acquisitions und die Integration verschiedener Systeme.
Digitalisierung und KI in der Supply Chain:
Umstellung auf SAP S4 HANA (mit Brownfield Approach, bestehende Probleme wurden übernommen). Einführung von IBP for Demand zur besseren Planbarkeit. Entwicklung eines KI-gestützten Entscheidungsmodells zur Optimierung von Forecasts.
KI und Machine Learning für Demand Forecasting:
Nutzung von vorgefertigten ML-Modellen, die an Evonik-spezifische Forecast-Daten angepasst werden.
Verbesserung der Forecast Accuracy durch datengetriebene Optimierung
Zusammenarbeit mit Forschungspartnern für noch präzisere Vorhersagen.
Order-to-Cash-Prozess & Automatisierung:
Automatisierung der Auftragserfassung durch Schrifterkennung und direkte SAP-Integration. Abbau manueller Prozesse (z.B. Faxbestellungen)
Auswirkungen auf die Workforce: Schrittweise Optimierung statt plötzlicher Einsparungen.
Fokus auf No-Touch oder Less-Touch-Order Processing.
Transportmanagement & Visibility:
Herausforderung: Sehr fragmentierte Dienstleisterstruktur (ca. 700–800 Partner).
Strategie: Konsolidierung auf wenige große Partner (4PL).
Implementierung eines globalen Transportmanagementsystems (TMS).
Tracking-Integration mit GPS- und Geofencing-Daten.
Optimierung von Lead Times & Working Capital durch bessere Transportplanung.
KI für Entscheidungsfindung & Automatisierung:
Einsatz von ChatGPT und Co-Pilot zur internen Wissensorganisation
Protokollerstellung & Aufgabenverwaltung mit KI-Assistenz in Meetings
Zukunft: KI-gestützte Entscheidungsfindung (z. B. Netzwerkoptimierung, alternative Lieferstrategien). Ausblick auf KI-Agenten, die selbstständig Prozesse auslösen.
Diskussionsrunde mit dem Publikum:
Frage 1: Automatisierung & Auswirkungen auf die Belegschaft → Schrittweise Optimierung, keine plötzlichen Entlassungen.
Frage 2: Transportmanagement & Visibility in Asien → End-to-End-Tracking als Ziel, Herausforderungen durch regionale IT-Schnittstellen.
Frage 3: Akzeptanz von KI in der Belegschaft → Wichtigkeit von Schulungen, IT-affine Mitarbeiter als Botschafter.
Frage 4: Strategische vs. kurzfristige Transport-Tender → Fokus auf langfristige Partner für bessere Datenqualität und Stabilität.
Hilfreiche Links:
Thomas Schamberg auf LinkedIn: https://www.linkedin.com/in/thomas-schamberg/
Boris Felgendreher auf LinkedIn: https://www.linkedin.com/in/borisfelgendreher/
Unterstützt wurde diese Diskussionsrunde von Logward, der No-Code Supply Chain Execution Plattform: https://logward.com/