KI-Projekte scheitern in Logistik und Supply Chain seltener an fehlender Technologie als an starren Datenstrukturen und einem Management, das auf Perfektion besteht. Das AI-Resilienz-System von compacer zeigt in fünf Schritten, wie Unternehmen den Wandel tatsächlich schaffen.
Wer sich in einem Logistikunternehmen für die Einführung von Künstlicher Intelligenz entscheidet, denkt zunächst meistens an Software. An Algorithmen, Dashboards, Schnittstellen. Was dabei gerne übersehen wird: Die häufigste Ursache für das Scheitern von KI-Projekten hat mit Technologie nur wenig zu tun. Sie heißt Denkweise.
Das zumindest ist die These, die dem sogenannten AI-Resilienz-System der compacer GmbH aus Gärtringen zugrunde liegt – einem fünfstufigen Rahmenwerk, das Unternehmen dabei helfen soll, ihre Supply Chain tatsächlich KI-tauglich zu machen. Der Kern des Ansatzes: Wer Künstliche Intelligenz einführen will, muss zuerst lernen, mit Wahrscheinlichkeiten statt mit Gewissheiten zu arbeiten.
SCHRITT 1 – DIAGNOSE: DAS „WAHRHEITS“-PARADOXON
KI-Systeme funktionieren grundlegend anders als klassische IT. Während ERP- oder WMS-Systeme auf deterministischen Regeln basieren – wenn A, dann B –, arbeitet KI stochastisch: Sie berechnet Wahrscheinlichkeiten, keine Fakten. Das klingt banal, hat aber enorme praktische Konsequenzen. Unternehmen, die stochastische KI-Ergebnisse in ein starres Regelkorsett zwingen, erleben regelmäßig, was Fachleute den Bullwhip-Effekt nennen: kleine Schwankungen im Markt werden zu unkontrollierbaren Überreaktionen in der Lieferkette aufgeschaukelt.
Ein erster Selbsttest hilft dabei, die eigene Organisation zu verorten. Wer entscheidet im Unternehmen auf Basis von 100 Prozent korrekten Daten – oder wartet zumindest darauf? Wer erhöht Sicherheitsbestände lieber manuell, weil dem System nicht getraut wird? Wer analysiert Fehler erst dann, wenn sie bereits passiert sind? Wer mehr als zwei dieser Muster erkennt, hat einen konkreten Ansatzpunkt. Wer alle fünf bejaht, steht vor einem grundlegenden Mindset-Problem – und sollte sich schleunigst von der Vorstellung verabschieden, dass nur die perfekte Datenlage den Start legitimiert.
SCHRITT 2 – STRATEGIE: DIE 70-10-20-REGEL
Die klassische Falle bei KI-Projekten: Man investiert den Großteil des Budgets in die Technologieauswahl und unterschätzt dabei die Vorbereitung. Erfahrungswerte aus der Praxis zeigen ein klares Muster – die sogenannte 70-10-20-Regel. Rund 70 Prozent des Projekterfolgs hängen von der Datenqualität und der Prozessflexibilität ab, nur 20 Prozent von der Technologiewahl selbst und gerade einmal 10 Prozent von der eigentlichen Implementierung.
Das bedeutet konkret: Wer an Datenhygiene und Change-Prozessen spart, spart am falschen Ende. Die Empfehlung lautet, dreimal so viel Budget in Change-Management und Training zu stecken wie in die KI-Technologie selbst. Und: Statt auf die perfekte Lösung zu warten, lieber mit einer 80-Prozent-Lösung starten und innerhalb der ersten 30 Tage messbare Erfolge erzielen. Pragmatismus schlägt Perfektionismus.
SCHRITT 3 – INFRASTRUKTUR: DAS TECHNOLOGISCHE SCHUTZSCHILD
Datenqualität ist in einer KI-getriebenen Supply Chain keine technische Nebenbedingung – sie ist das Fundament. KI erkennt keine physikalischen Zusammenhänge, sie erkennt statistische Muster. Was in die KI hineingeht, bestimmt, was herauskommt. Verrauschte, inkonsistente oder veraltete Daten führen unweigerlich zu Fehlprognosen – und in der Folge zu Fehlentscheidungen.
Vier Säulen bilden dabei das technologische Schutzschild: Erstens eine nahtlose Interoperabilität der Systeme, damit die KI-Modelle Zugriff auf alle relevanten Quellen haben – ERP, WMS, SCM. Zweitens echte Skalierbarkeit, die auch massive Datenmengen stochastischer Modelle in Echtzeit verarbeiten kann. Drittens automatisierte Datenreinigung, die Fehler und Duplikate beseitigt, bevor sie die KI-Logik korrumpieren. Und viertens ein Echtzeit-Monitoring, das jederzeit sichtbar macht, ob die KI-Prognosen noch innerhalb plausibler Korridore arbeiten.
SCHRITT 4 – GOVERNANCE: DER MENSCH BLEIBT AM STEUER
Einer der hartnäckigsten Irrtümer rund um KI: Sie verstehe, was in der Lieferkette passiert. Tatsächlich versteht sie gar nichts – sie rechnet. KI kennt keine Ethik, keine Physik, keine Marktintuition. Sie berechnet lediglich die statistisch wahrscheinlichste Antwort auf Basis der Muster, die ihr bekannt sind.
Für die Governance hat das weitreichende Konsequenzen. KI darf Akteur sein, aber nie alleiniger Entscheider. Was sich in der Praxis bewährt, ist das sogenannte 4-Augen-Prinzip: Die KI liefert die stochastische Prognose, der Mensch bringt Kontextwissen und Urteilsvermögen ein und trifft die finale Entscheidung. Damit dieses Zusammenspiel reibungslos funktioniert, müssen starre Schwellenwerte durch flexible Monitoring-Korridore ersetzt werden. Solange Werte innerhalb eines definierten Korridors schwanken, ist alles in Ordnung – erst beim Verlassen des Korridors schlägt das System Alarm. Das gibt der Supply Chain den Spielraum, den sie braucht, um auf Marktschwankungen zu reagieren, ohne in Panik zu verfallen.
SCHRITT 5 – UMSETZUNG: DIE 30-TAGE-ROADMAP
Wissen allein ändert nichts – Umsetzung schon. Der fünfte Schritt dreht sich um die ersten vier Wochen nach dem Projektstart. In den ersten beiden Wochen geht es darum, KI-Champions im Team zu identifizieren: Wer ist bereits technologieaffin? Wer kann Wissen weitertragen und Bedenken in der Belegschaft ansprechen? In Woche drei wird der erste Quick-Win kommuniziert – ein kleiner, sichtbarer Erfolg, zum Beispiel eine messbare Zeitersparnis oder eine reduzierte Fehlerquote in einem Teilbereich. Sichtbarkeit ist hier entscheidend, denn Akzeptanz entsteht durch erlebte Wirksamkeit. In Woche vier schließlich fließen die ersten Erkenntnisse aus dem Echtbetrieb zurück in die Monitoring-Korridore.
Parallel dazu gilt: Wer KI-Nutzung im Unternehmen verbietet, treibt sie in den Untergrund. Studien zeigen, dass Mitarbeitende Sprachmodelle wie ChatGPT oder ähnliche Tools ohnehin privat nutzen – oft im Verborgenen. Statt Verbote auszusprechen, ist es klüger, den offiziellen Einsatz zu fördern, zu schulen und in kontrollierte Bahnen zu lenken. KI-Kompetenz ist keine Zusatzqualifikation mehr, sie ist Grundkompetenz.
FAZIT: ELASTIZITÄT SCHLÄGT STARRHEIT
Am Ende läuft das AI-Resilienz-System auf eine zentrale Erkenntnis hinaus: Erfolgreiche KI-Projekte in der Supply Chain sind keine Technologieprojekte. Sie sind Kulturprojekte mit einer technischen Komponente. Wer bereit ist, Perfektionismus gegen Pragmatismus zu tauschen, starre Regeln gegen flexible Korridore und Datensilo-Denken gegen systemübergreifende Transparenz – der hat die besten Voraussetzungen, KI nicht nur einzuführen, sondern tatsächlich gewinnbringend zu betreiben.
Dr. Jakob Jung ist Chefredakteur Security Storage und Channel Germany. Er ist seit mehr als 20 Jahren im IT-Journalismus tätig. Zu seinen beruflichen Stationen gehören Computer Reseller News, Heise Resale, Informationweek, Techtarget (Storage und Datacenter) sowie ChannelBiz. Darüber hinaus ist er für zahlreiche IT-Publikationen freiberuflich tätig, darunter Computerwoche, Channelpartner, IT-Business, Storage-Insider und ZDnet. Seine Themenschwerpunkte sind Channel, Storage, Security, Datacenter, ERP und CRM.
Kontakt – Contact via Mail: jakob.jung@security-storage-und-channel-germany.de