Skip to content
Suchen Sie nach Produkten und Lösungen von InterSystems, Karrieremöglichkeiten und mehr.

Neue Studie von Bloor Research: Echtzeitdaten essenziell für Lieferkettenoptimierung

Echtzeitdaten für die Lieferkettenoptimierung – darauf kommt es an

Während der COVID-19-Pandemie haben sich auf einmal viele Menschen für die weltweiten Lieferketten interessiert. Der Grund: Zwischenzeitlich waren einige Regale in den Supermärkten leer, neue Lieferungen kamen nicht an. Diese Situation zeigt, wie wichtig ein optimales Lieferkettenmanagement ist.

Eine resiliente Lieferkette gehört branchenübergreifend zu den zentralen Voraussetzungen für eine solide Unternehmensführung. Doch Marktdisruptionen und -volatilität stellen Betriebe zunehmend vor große Herausforderungen beim Lieferkettenmanagement. Welche das sind, untersucht das unabhängige IT-Forschungs-, Analyse- und Beratungsunternehmen Bloor Research in seinem neuen Bericht „Lieferkettenoptimierung in unsicheren Zeiten“. Außerdem gehen die Analysten der Frage nach, wie die Nutzung von Echtzeitdaten und die Überwindung fragmentierter Datenlandschaften gelingen kann. In diesem Blogbeitrag fassen wir die wichtigsten Erkenntnisse für Sie zusammen.

Vier zentrale Herausforderungen im Blickpunkt

Für die Verfasser der Bloor-Research-Studie kristallisierten sich bei ihrer Untersuchung vier zentrale Herausforderungen in puncto Lieferkettenmanagement heraus. Als Erstes nennen sie die wachsende Komplexität der Supply Chain als Folge der Globalisierung. Wer mit Material- und Rohstofflieferanten auf der ganzen Welt zusammenarbeitet, verfügt über ein schwer zu überschauendes und zu steuerndes Lieferanten- und Partnernetzwerk. Zudem erwarten Kunden immer schnellere, günstigere Lieferungen über größere Distanzen hinweg. Unternehmen müssen ihre Logistikinfrastruktur entsprechend umgestalten, um diese Anforderungen zu erfüllen. Eine weitere Herausforderung besteht in der mangelnden Lieferkettentransparenz. Wie der Bloor-Research-Bericht anführt, beeinträchtigen ein fehlender Einblick in Echtzeitdaten und Schwierigkeiten bei der Analyse vor allem die effiziente Lagerbewirtschaftung. Erschwerend kommen eine schwankende Nachfrage und Unterbrechungen der Lieferkette hinzu. Gleichzeitig kämpfen Unternehmen mit der dritten Herausforderung, einem wachsenden Kostendruck, der aber nicht zulasten von Qualität, Zuverlässigkeit und der Einhaltung von Ethik- und Nachhaltigkeitserwartungen gehen darf. In Letzteres spielt auch die sich häufig ändernde Gesetzgebung hinein. Die immer wieder neuen Normen und Vorschriften der Branche einzuhalten, stellt die vierte Herausforderung dar.

 
Echtzeitdaten für die Lieferketten-
optimierung – darauf kommt es an

Um diese Herausforderungen zu bewältigen, ist die Erfassung, Analyse und Nutzung zuverlässiger und vereinheitlichter Echtzeitdaten in den Augen der Bloor-Research-Experten essenziell. Aus ihrer Sicht erzielen Unternehmen durch diesen Umgang mit Daten einen klaren Wettbewerbsvorteil: „Die Zeiten, in denen man sich bei der Steuerung von Lieferketten ganz auf sein Gespür verlassen konnte, sind endgültig vorbei.“ Wer das volle Potenzial seiner Datenschätze für die Lieferkettenoptimierung nutzen möchte, muss allerdings zahlreiche Anforderungen erfüllen.

Die Grundvoraussetzung und eine der schwierigsten Aufgaben im Lieferkettenmanagement ist die Überwindung von Datensilos und unterschiedlicher Datenformate. Schließlich stammen die Informationen aus verschiedenen Quellen, wie etwa aus denen von Herstellern, Zulieferern und Händlern, die in der Regel nicht dieselben Standards verwenden. Unternehmen kommen daher nicht um Tools für die Datenintegration umhin. Datenplattformen, wie die von Bloor Research genannte InterSystems IRIS Data Platform, führen Daten unterschiedlichster Formate aus fragmentierten Datenlandschaften zuverlässig zusammen und vereinheitlichen sie. 

Entscheidend für das Lieferkettenmanagement sind dem Bloor-Research-Bericht zufolge auch ausgereifte Richtlinien (Data Governance) für die Datenverwaltung. Moderne Technologien wie künstliche Intelligenz (KI) und maschinelles Lernen (ML) unterstützen dabei, Datenanomalien zu verhindern. Die Verfasser weisen außerdem darauf hin, dass Cybersicherheitsmaßnahmen sowie die Einhaltung der geltenden Datenschutzgesetze unabdingbar sind.

Eine weitere große Herausforderung stellt die schiere Masse der im Lieferkettenmanagement anfallenden Daten dar. Es kommt daher darauf an, mit skalierbaren Speicher- und Verarbeitungsmethoden dem wachsenden Datenvolumen Herr zu werden und mittels moderner Analyse- und Berechnungsfunktionen Erkenntnisse aus der Datenflut gewinnen zu können. So können ML-Algorithmen etwa bei Nachfrageprognosen, der Bestandsoptimierung und Prozessverbesserungen unterstützen. 

Damit Supply-Chain-Verantwortliche jederzeit einen Einblick in relevante Informationen haben, müssen Unternehmen auch für die erforderliche Datensichtbarkeit und -transparenz sorgen. Darüber hinaus hebt die Bloor-Research-Studie hervor, dass die Datenhoheit bei einer übergreifenden Zusammenarbeit aller an einer Lieferkette Beteiligten klar geregelt sein muss. Andernfalls besteht die Gefahr, dass neue Datensilos entstehen und den so wichtigen Austausch von Daten – und damit eine bessere und effizientere Zusammenarbeit – verhindern.

Bloor Research empfiehlt InterSystems Supply Chain Orchestrator für das Lieferkettenmanagement

Als geeignete Lösung um einen Überblick über zuverlässige, genaue Echtzeitdaten aus dem eigenen Unternehmen sowie von Zulieferern, Logistikpartnern und Kunden zu erhalten, nennt der Bloor-Research-Bericht den InterSystems Supply Chain Orchestrator. Hervorgehoben wird unter anderem das spezielle Datenmodell. Schnittstellen und Adapter ermöglichen es, selbst Daten nicht gängiger Formate rasch zu rationalisieren, zu normalisieren und zu vereinheitlichen. Auf diese Weise erhalten Unternehmen eine Basis für weitere Analysen. Bloor Research verweist außerdem auf das zugrundeliegende Smart Data Fabric und die InterSystems IRIS Data Platform. Mit dieser Grundlage lassen sich die zentralen Herausforderungen beim Datenhandling für das Lieferkettenmanagement adressieren.

Der Bericht stellt auch die vielfältigen eingebetteten Analysefunktionen für beispielsweise Business Intelligence, Natural Language Processing und ML heraus. Zudem gewährleistet die Lösung die so wichtige Skalierbarkeit. Der Bloor-Research-Bericht kommt daher zu dem Schluss, dass das Smart Data Fabric und der InterSystems Supply Chain Orchestrator mit den kombinierten Transaktions- und Analysefunktionen wertvolle Assets für die Lieferkettenoptimierung sind.

RELATED TOPICS

Andere Beiträge, die Ihnen gefallen könnten.