Fraunhofer-Institut für Materialfluss und Logistik IMLDer technische Handel ist von einem starken Wettbewerb geprägt. Hohe Markttransparenz, niedrige Markteintrittsbarrieren und ein deutlich spürbarer Wettbewerbsdruck stellen viele Händler vor große Herausforderungen. Umso wichtiger ist es, ein Unternehmen wettbewerbsfähig zu halten und die Gesamteffizienz zu steigern. Vor diesem Hintergrund startete die G. Elsinghorst Stahl und Technik GmbH aus Bocholt ein Transferprojekt zum »intelligenten Wareneingang« mit »Digital in NRW – Kompetenz für den Mittelstand« – unterstützt von Wissenschaftlerinnen und Wissenschaftlern des Fraunhofer IML.
Das Unternehmen bietet 40.000 Artikel von 600 verschiedenen Herstellern an. Zudem betreibt es einen Online-Handel, eine Notfall-Hotline und eine hauseigene Werkstatt. Den Wareneingang stellt diese Produkt- und Variantenvielfalt vor Herausforderungen – die Prozesse sind aufwändig und zeitintensiv. Durch künstliche Intelligenz und maschinelles Lernen soll der Wareneingang nun durch eine Vorsortierung effizienter gestaltet werden. Dazu soll eine Identifikationstechnologie eingeführt werden, die mit Künstlicher Intelligenz und maschinellem Lernen arbeitet.
Schritt für Schritt zum intelligenten Wareneingang
Im Rahmen des Transferprojekts ist die Vertretung des Unternehmens mit den Forschenden des Fraunhofer IML wie folgt vorgegangen:
Potenzialanalyse – Analyse aller aktuellen Wareneingangsprozesse sowie der IT-Rahmenbedienungen, Definition der notwendigen Anforderungen, Ausarbeitung eines Soll-Konzepts
Technologie-Scouting – Test von in Frage kommenden Identifikationstechnologien, Auswahl und Customizing einer Lösung.
Entwicklung und Einführung eines Demonstrators
Das Programm des Demonstrators erkennt mithilfe von maschinellem Lernen definierte Informationen auf Lieferscheinen, wie z.B. die Bestellnummer, so dass die Waren anschließend direkt den Bestellungen und ihrem Lagerplatz zugeordnet werden können. Dabei lernt das Programm auch aus falschen Zuordnungen. Vermerkt ein Mitarbeitender einen Fehler direkt im System, verbessert sich das Programm und optimiert die Klassifizierung der Bilddaten. Je mehr Daten und Erfahrungswerte zusammenkommen, desto genauer arbeitet der Algorithmus – und optimiert die Prozesse dauerhaft.
Vorteile im Überblick
Reduzierung des Zeitaufwands
Minimierung der Fehlerquote
Steigerung der Produktivität
Verringerung von Prozess- und Mehrkosten
»KI kann den Arbeitsalltag in KMU deutlich erleichtern – wenn die Lösung individuell auf die Ausgangsvoraussetzungen, den Bedarf und die Ziele des jeweiligen Betriebs ausgerichtet ist.«
Michael Wolny, Fraunhofer IML