Kursbeschreibung
Dieses Seminar richtet sich an alle, die KI in der Logistik nicht als Blackbox einkaufen wollen, sondern die Mechanik dahinter verstehen möchten, um bessere Entscheidungen zu treffen. Du arbeitest Dich in zwei besonders wirksame Felder ein: Routenplanung im Transport und Optimierung im Lager. Dabei geht es nicht um Programmierung, sondern um fachliche Modelle, Datenanforderungen und die Bewertung von Ergebnissen. Du startest mit einer Use-Case-Landkarte: Welche Aufgaben eignen sich für Optimierung, welche eher für Prognosen, und wo ist die Datenlage oft der Engpass. Danach gehst Du in die Datenbasis: Welche Felder aus TMS, WMS und ERP typischerweise fehlen, wie Ausreißer und fehlende Werte Touren und Slotting verzerren, und wie Datenverantwortung und Zugriff organisiert werden sollten. Im Routen-Teil lernst Du VRP und TSP als Grundmuster kennen, inklusive Zeitfenstern, Kapazitäten und Prioritäten. Du kannst danach erklären, warum eine Tour „gut“ ist, auch wenn sie nicht mathematisch minimal ist, und wie man Robustheit gegen Störungen bewertet. Im Lager-Teil erarbeitest Du konkrete Stellhebel wie Slotting, Zonen, Batchbildung und Wellen, ergänzt um Bestandspositionierung und Sicherheitsbestände. Für Prognosen lernst Du, wie ETA- und Nachfrageprognosen entstehen, welche Metriken sinnvoll sind und wie man Drift erkennt. Zum Abschluss bekommst Du ein Vorgehensmodell vom Pilot bis zum Rollout inklusive Integration in TMS/WMS/ERP, Monitoring und Change Management, damit die Lösung im Alltag genutzt wird.
Zielgruppe
- Logistikleitung, Transportleitung, Warehouse Management
- Supply-Chain-Management und Disposition
- Prozessmanagement, Lean und Operational Excellence
- IT, Data und Digital-Teams in Logistikorganisationen
- Für alle, die KI-gestützte Routenplanung und Lageroptimierung fachlich bewerten und umsetzen wollen.
Voraussetzung für die Schulung
- Grundverständnis von Logistikprozessen in Transport oder Lager.
- Keine Programmierkenntnisse erforderlich.
Kursinhalte
- KI-Use-Cases in Transport und Lager
- Routenplanung, ETA, Slotting, Kommissionierung
- Bestandsprognosen und Nachschub
- Qualität von Stammdaten und Sensordaten
- KPIs: OTIF, Servicegrad, Pickrate, Durchlaufzeit
- Datenbasis und Prozessverständnis
- Auftragsdaten, Standortdaten, Fahrzeiten, Restriktionen
- Lagerlayout, ABC/XYZ, Artikelattribute, Wegezeiten
- Datenbereinigung, Ausreißer, fehlende Werte
- Datenschutz, Rollen, Zugriff, Datenverantwortung
- Grundlagen Optimierung für Routen
- VRP, TSP, Zeitfenster, Kapazitäten, Prioritäten
- Heuristiken vs. exakte Verfahren
- Robuste Planung bei Stau, Ausfällen, Ad-hoc-Aufträgen
- Bewertung: Kosten, CO2, Pünktlichkeit, Stabilität
- Grundlagen Lageroptimierung
- Slotting-Strategien und Wegeoptimierung
- Batching, Wave Planning, Zonenkommissionierung
- Bestandspositionierung und Sicherheitsbestände
- Simulation als Entscheidungshilfe
- Machine Learning für Prognosen und Priorisierung
- Nachfrageprognose, ETA-Prognose, Volumenprognose
- Features, Training, Validierung, Overfitting
- Fehlermetriken: MAE, MAPE, RMSE
- Drift, Saison, Promotion-Effekte
- Vom Pilot zur Umsetzung
- Use-Case-Auswahl mit Business Case
- Integration in TMS/WMS/ERP und Schnittstellen
- MLOps-Grundlagen: Monitoring, Retraining, Versionierung
- Change Management und Akzeptanz im Betrieb
