PLASS - abgeschlossen

Plattform für Analytische Supply Chain Management Services

Technologiebereich: Machine Learning, Semantische Technologien, Data & Service Management, Blockchain/Distributed-Ledger-Technologie

PLASS schafft die Grundlage für ein besseres Management von Lieferketten. Mit Hilfe von KI-basierter Analyse mehrsprachiger Rohdaten stellt die Plattform Informationen über Technologien und ihre Lieferanten bereit und unterstützt produzierende Unternehmen dabei, ihre Zulieferkette zu optimieren.

Herausforderung
Vertrauen in funktionierende und qualitativ hochwertige stabile Lieferketten ist essenziell für die hochvernetzte und global agierende Wirtschaft. Sinkt das Vertrauen in Lieferanten, steigen die Kosten, weil zum Beispiel Lagerkapazitäten einkalkuliert werden müssen. Kaufe ich nicht geeignete Technologien, falle ich im Vergleich zum Wettbewerb zurück. Typische Fragen von produzierenden Unternehmen sind daher: Wer liefert was? Welche Informationen gibt es zu einem Lieferanten? Welche sind geeignete Lieferanten für eine Technologie? Welche Chancen und welche Risiken gibt es für Technologien bzw. für deren Lieferanten? Erkennt ein Unternehmen rechtzeitig, dass ein Lieferant ausfällt, kann es auf einen anderen Zulieferer ausweichen und damit Kosten für Lagerhaltung und Logistik sparen? Experten gehen davon aus, dass sich die Produktionskosten so um 5 bis 10 Prozent senken lassen.

Umsetzung
PLASS nutzt Methoden und Modelle der künstlichen Intelligenz (KI), um die Lieferketten (Supply-Chain-Management) zu optimieren. Ziel des Projekts ist es, eine B2B-Plattform zu entwickeln, die Unternehmen bei Entscheidungen und Risikoabwägungen im Hinblick auf ihre Zulieferer unterstützt. Dazu filtert die Lösung aus globalen und multilingualen Quellen maschinenlesbares Wissen über Lieferanten, Alternativanbieter, Produkte und Technologien heraus. Durch KI-basierte Analyse dieser Daten lassen sich Chancen und Risiken aufzeigen, zum Beispiel alternative Lieferanten zu einer Technologie. Im sogenannten Human-in-the-Loop-Ansatz wird das System in noch unbekannten Domänen vom Menschen unterstützt, um eine optimale Qualität der Ergebnisse zu erreichen. Durch diese Vorgehensweise ist das System außerdem in der Lage, kontinuierlich dazuzulernen.

Die Analyse wird von einer Sammlung von Microservices ausgeführt, die die verschiedenen KI-Methoden implementieren. Die Ergebnisse werden mit frei verfügbaren Datenquellen aus dem Internet (Linked Open Data) verlinkt, wie zum Beispiel DBpedia und Wikidata. Die PLASS-Plattform setzt auf die gleiche technologische Basis wie DBpedia selbst.

Anwendung und Nutzen
Die Ergebnisse der Analysen werden als hochqualitatives Datenprodukt aufbereitet und angeboten. Sowohl das produzierende Gewerbe als auch Lieferanten, insbesondere „schnelle“ Start-ups oder kleine und mittlere Unternehmen gewinnen bei der Lösung. Produzierende Unternehmen nutzen als Konsumenten von PLASS die bereitgestellten Datenprodukte, um die Datenlage für ihre Entscheidungen im Supply-Chain-Management zu verbessern und dadurch bei Bedarf ihre Lieferketten rasch anpassen zu können.

Konsortium:
Siemens AG (Konsortialführer), DFKI GmbH, Ubermetrics Technologies GmbH, Institut für Angewandte Informatik e.V., Beuth-Hochschule für Technik Berlin