Menü
Erfolgsgeschichten
KI / Digitale Transformation
Künstliche Intelligenz sortiert Wareneingang vor
Das Transferprojekt demonstriert Prozessoptimierung durch maschinelles Lernen
40.000 Artikel von 600 verschiedenen Anbietern, dazu ein Online-Handel, eine Notfall-Hotline und eine hauseigene Werkstatt. Die G. Elsinghorst Stahl und Technik GmbH bietet ihren Kunden ein umfangreiches Portfolio sowie die uneingeschränkte Verfügbarkeit der Artikel. Den Wareneingang stellt diese Produkt- und Variantenvielfalt vor Herausforderungen – die Prozesse sind aufwändig und zeitintensiv. Das soll sich im Rahmen eines Transferprojekts mit Digital in NRW jetzt ändern: Durch künstliche Intelligenz und maschinelles Lernen will der Technische Händler aus Bocholt seinen Wareneingang effizienter gestalten.
Der 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, sein Unternehmen wettbewerbsfähig zu halten und die Gesamteffizienz zu steigern“, betont Geschäftsbereichsleiter Berthold Horstick. „Um das zu gewährleisten, optimieren und digitalisieren wir unsere Prozesse kontinuierlich.“
Intelligente Identifikationstechnologie
Automatisierung von Lager und Kommissionierung
Intelligente Identifikationstechnologie
Ein wichtiger Schritt auf diesem Weg ist die Automatisierung von Lager und Kommissionierung: Der Betrieb plant, das Lager umzubauen, mit einer Fördertechnik auszustatten und ein softwarebasiertes Lagerverwaltungssystem einzuführen. Im Rahmen des Transferprojekts soll der Wareneingang digitalisiert werden und diesen neuen Prozess ergänzen. „Ziel ist es, einen intelligenten Wareneingang zu entwickeln, der die Warenannahme mit Hilfe einer Vorsortierung entlastet“, erläutert Michael Wolny, Mitarbeiter am Fraunhofer IML und Projektleiter. „Hierzu möchten wir eine Identifikationstechnologie einführen, die mit künstlicher Intelligenz und maschinellem Lernen arbeitet.“
Das Projektteam um Phil Hermanski (rechts). © Foto: Fraunhofer IML
Potenzialanalyse für maschinelles Lernen
Automatische Erkennung von Informationen auf Lieferscheinen
Dazu wurden in enger Zusammenarbeit mit Elsinghorst eine Potenzialanalyse erstellt, alle aktuellen Wareneingangsprozesse sowie die IT-Rahmenbedinungen analysiert und die notwendigen Anforderungen definiert. Nach der Ausarbeitung eines Soll-Konzepts wird dann ein Technologie-Scouting durchgeführt, um anschließend die in Frage kommenden Identifikationstechnologien zu testen, eine Lösung auszuwählen und für den individuellen Bedarf auszugestalten.
In der sechsmonatigen Projektlaufzeit steht die Entwicklung und Einführung eines Demonstrators im Mittelpunkt, dessen Programm mit maschinellem Lernen definierte Informationen auf Lieferscheinen, wie z. B. die Bestellnummer erkennt, um die Waren anschließend direkt den Bestellungen und ihrem Lagerplatz zuzuordnen.
Lernen & Optimieren
Auch Maschinen lernen aus Fehlern
Dabei lernt das Programm auch aus falschen Zuordnungen. Vermerkt ein Mitarbeiter den jeweiligen Fehler direkt im System, verbessert sich das Programm und optimiert die Klassifizierung der Bilddaten. „Auf diese Weise können auch Maschinen aus Fehlern lernen“, sagt Michael Wolny. Je mehr Daten und Erfahrungswerte zusammenkommen, desto genauer arbeitet der Algorithmus – und optimiert die Prozesse dauerhaft. „Der Zeitaufwand wird reduziert, die Fehlerquote minimiert, die Produktivität gesteigert und die Prozess- und Mehrkosten werden verringert“, zählt Geschäftsbereichsleiter Horstick nur einige der Vorteile auf, die sich das Unternehmen von dem Transferprojekt verspricht. „Zudem setzen wir mit Künstlicher Intelligenz auf eine Technologie, die im Mittelstand noch so gut wie gar nicht verbreitet ist.“
KI auch für KMU
KI birgt hohes Potenzial für KMU
Dabei können KI und maschinelles Lernen nicht nur große Konzerne, sondern auch kleine und mittelständische Unternehmen bei ihren Digitalisierungsvorhaben unterstützen und voranbringen. „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“, so Wolny. Gleichzeitig lässt sich das mit Elsinghorst erarbeitete Konzept nach Projektabschluss an verschiedene Unternehmensbereiche anpassen und auf andere technische Händler übertragen. Nach einer erfolgreichen Implementierung ist daher auch eine Überführung der Ergebnisse in ein Best-Practise-Beispiel sowie einen Showcase für Demonstrationszwecke geplant. Michael Wolny: „Wir möchten zeigen, dass Künstliche Intelligenz kein abgehobenes Thema ist, sondern hohes Potenzial für den Einsatz im Mittelstand in sich birgt.“
Der Kundennutzen
Was haben Sie davon?
Ihr Kundennutzen
- Wissensbasis zu relevanten Technologietrends der Antriebstechnik
- Methodische Unterstützung für die Arbeit mit dem Technologietrend-Radar
- Identifikation des zukünftigen Forschungsbedarfs als Grundlage zur zielgerichteten Initiierung von Forschungsprojekten
- Förderung des Wissenstransfers innerhalb des Forschungsnetzwerks
Sie wollen ebenfalls eine Erfolgsgeschichte schreiben?
Dann schreiben Sie doch zuerst einmal uns.