Machine Learning im Logistikmanagement – Entwicklung eines Gestaltungsansatzes zum Einsatz von ML-Anwendungen in logistischen Entscheidungsprozessen

Als ein Teilbereich der Künstlichen Intelligenz stellt Machine Learning (ML) eine Schüsseltechnologie des 21. Jahrhunderts dar. Unter Nutzung der mathematisch-statistischen Verfahren sind technische Systeme realisierbar, die anhand von Daten eigenständig empirische Zusammenhänge erkennen und dadurch ihr Verhalten zur Lösung von betrieblichen Problemen im Sinne einer systemseitigen Lernfähigkeit anpassen können. Entsprechend der Komplexität von Planungs-, Steuerungs- und Kontrollaufgaben in industriellen Wertschöpfungsketten wird ML-Anwendungen eine hohe Bedeutung zur Unterstützung und autonomen Ausführung von logistischen Entscheidungsprozessen zugesprochen. Für diesen Bereich des Logistikmanagements untersucht die Dissertation zentrale Fragestellungen des Einsatzes von ML. Unter Berücksichtigung des aktuellen Forschungsstands und mittels einer intensiven Einbeziehung der Praxis werden Anwendungsmöglichkeiten, resultierende Auswirkungen mit Potenzialen und Grenzen sowie notwendige Voraussetzungen ermittelt. Das Ergebnis der Dissertation stellt einen Gestaltungsansatz dar, der geeignete Maßnahmen zur Realisierung dieser domänen- und technologiespezifischen Voraussetzungen strukturiert nach mehreren Handlungsfeldern aufzeigt. Diese reichen von infrastrukturellen Aktivitäten zur Einbindung der benötigten Daten über aufbau- und ablauforganisatorische Maßnahmen zur Umsetzung von ML-Projekten bis hin zum Umgang mit den veränderten Rollen von Mitarbeitern. Entsprechend seiner interdisziplinären und praxisorientierten Ausrichtung stellt der entwickelte Gestaltungsansatz ein nützliches Instrument für Unternehmen zur Bewältigung der Herausforderungen bei der Einführung von ML im Logistikmanagement dar. Zusammen mit den weiteren Inhalten der Arbeit, wozu auch die technischen Eigenschaften und zukünftigen Entwicklungen von ML gehören, können Führungskräfte systematisch das notwendige Wissen zur erfolgreichen Gestaltung des Technologieeinsatzes aufbauen und gleichzeitig wichtige Rahmenbedingungen für die digitale Transformation ihrer Organisationen schaffen.