Köpfe der Branche: Prof. Kai Hoberg (Kühne Logistics University) über intelligente und selbstlernende Software

Frau Khosrowabadi, Professor Hoberg, spätestens seit dem KIbasierten Chatbot „ChatGPT“ haben alle verstanden, dass künstliche Intelligenz die Gesellschaft verändern wird. Was bedeutet das für die Logistik?

Naghmeh Khosrowabadi: Intelligente Systeme wie ChatGPT ahmen menschliche Reaktionen nach. Menschen haben eine begrenzte kognitive Fähigkeit dafür, große Datenmengen zu verarbeiten, während ein KI-System dazu in der Lage ist, dies viel schneller und genauer zu tun. Solange die Daten klar und gut strukturiert sind und die Realität ausreichend widerspiegeln, ist es eine gute Idee, KI für groß angelegte Analysen wie in der Logistik einzusetzen. Tatsächlich sollte das Hauptaugenmerk auf der Datenqualität und dem Training der KI liegen. ChatGPT kann bei der Lösung von Fragen, die für Menschen sehr offensichtlich sind, falsch liegen, da es auf der Grundlage aller öffentlich verfügbaren Daten trainiert wird.

Kai Hoberg: Ich war zunächst sehr fasziniert von ChatGPT, aber dann hatte ich schnell meinen ersten AhaMoment: Einer meiner Doktoranden tat sich schwer, Literatur zu einem bestimmten Thema zu finden und befragte daraufhin ChatGPT – die gefundenen Aufsätze klangen toll. Als wir dann aber diese in unseren Datenbanken aufrufen wollten, existierten sie nicht. Das KI-System hat nicht verstanden, dass es nicht darum ging, interessant klingende Titel zu kreieren, sondern reale Aufsätze zu finden.

Wann kommt der ChatGPT-Moment für die Logistik?

Kai Hoberg: Viele Unternehmen haben bereits damit begonnen, KI einzusetzen. Wir sollten jedoch keine universelle Schnittstelle wie ChatGPT erwarten, die von jedem Unternehmen beliebig verwendet werden kann. Die Daten dafür sind sensibel und sollten vertraulich im Unternehmen behandelt werden. Dann könnte die Frage lauten, ob es sich lohnt, für jedes Unternehmen ein internes Tool wie ChatGPT zu entwickeln, das KIEmpfehlungen in einer menschenähnlichen Sprache verwendet. IBM hat dies mit Watson probiert und die Erfolge in Logistik und Supply Chain Management sind bisher ernüchternd.

Naghmeh Khosrowabadi: Anders sieht es aus mit genau zugeschnittenen Speziallösungen – zum Beispiele KI in der Routenplanung, in der Produktionsplanung oder wie beim von uns betrachten Fall der Nachfrageprognose. Hier haben KI-Lösungen schon ganz klare Anwendungsfälle, die einen deutlichen Mehrwert liefern.

Für Ihre Studie analysierten Sie Daten von 30 Millionen Prognosen von einem führenden KI-Anbieter und einem großen europäischen Lebensmittelhändler. Was ist die Kernaussage der Untersuchung?

Kai Hoberg: Wir wollten verstehen, wie Demand Planner auf Prognosen reagieren, die mit einem KI-System erzeugt wurden: wann sie die Prognose anpassen, weil sie denken, dass sie die Prognose verbessern können, und wann solche Anpassungen wirklich zur Prognosegenauigkeit beitragen. Dem KI-System fehlen oft noch Informationen, über die der Mensch verfügt, etwa über lokale Events, Aktionen von Wettbewerbern oder den Einfluss von Produktneueinführungen. Insofern ist es gut, dass Planer eingreifen können. Zunächst stellen wir fest, dass die Planer dem System eigentlich stark vertrauen und nur rund fünf Prozent der Prognosen in die Hand nehmen, das heißt 95 Prozent bleiben unangetastet. Dann haben wir selbst KI eingesetzt, um zu verstehen, welche Faktoren überhaupt zu Anpassungen führen, zum Beispiel werden Prognosen für Artikel mit höheren Preisen oder geringerer Haltbarkeit deutlich häufiger vom Planer angepasst.

Naghmeh Khosrowabadi: Wir haben untersucht, welche Faktoren die Prognosequalität beeinflussen. Insgesamt finden wir, dass nur 50 Prozent der Anpassungen der Prognose einen Mehrwert haben. Jedoch zeigt sich, dass Fälle von guten und falschen Anpassungen stark voneinander abweichen. Zum Beispiel sind große Anpassungen oft gut, wenn diese die Prognose nach unten korrigieren und es sich um frische Produkte handelt – andererseits sind Anpassungen oft schlecht, wenn diese sehr groß und nach oben gerichtet sind– hier sind die Planer einfach zu optimistisch. Es ist wichtig, Fälle zu identifizieren, in denen Menschen die Prognose verbessern können, aber auch wann Anpassungen vermieden werden sollten. Letzteres bezieht sich auf die Fälle, in denen KI-Empfehlungen ein höheres Maß an Vertrauen und Akzeptanz verdienen.

Wenn nur 50 Prozent der menschlichen Eingriffe zu besseren Ergebnissen führen, was bedeutet das dann für den Einsatz von KI-Systemen?

Kai Hoberg: Es bedeutet auch, dass die KI-Prognosen in 50 Prozent der Fälle besser sind. Daher könnten Planer, die diese Systemempfehlungen anpassen, eigentlich 50 Prozent ihrer Zeit sparen und sich auf KI-Prognosen verlassen – und diese eingesparte Zeit nutzen, um ihre Anpassungen zu optimieren, wenn sie wirklich wertvoll sind. Aber die Planer müssen verstehen, wann sie Mehrwert leisten können. In unserem Fall fehlte bisher genau dieses Feedback. Aktuell wird ein Modul implementiert, damit die Planer verstehen können, in welchen Fällen ihr Einsatz gut beziehungsweise schlecht war, sodass sie für die Zukunft lernen können.

Was ist das Hauptproblem bei der Zusammenarbeit von Mensch und KI?

Naghmeh Khosrowabadi: Es ist eigentlich kein Problem, wenn Menschen KI intelligent einsetzen! Die KI sollte wie eine Gelegenheit aussehen und man sie nicht als Ersatz für den Menschen verstehen. Diese beiden können sich in der Zusammenarbeit sehr gut ergänzen. Das Problem ist, dass die Etablierung einer solchen Kultur der Zusammenarbeit ein gutes Verständnis der Stärken und Schwächen beider Seiten erfordert. Außerdem müssen sich Planer mit diesen Systemen vertraut machen, da sie sonst eine Verzerrung aufweisen könnten.

Wie kann man die Zusammenarbeit verbessern?

Naghmeh Khosrowabadi: Nötig ist ein Verständnis der Vorund Nachteile beider Seiten, Mensch und KI, und eine Etablierung der Kultur durch Bereitstellung von Lernmöglichkeiten, sodass Menschen Grundkenntnisse über den automatisierten Teil des Prozesses, seine Ein- und Ausgänge erwerben können. Auch ein Verständnis der Ziele und Absichten der Verwendung intelligenter Systeme ist wichtig: Verstehen Sie die Grenzen und versuchen Sie, das menschliche Wissen in diesem Prozess optimal zu nutzen, da das System schließlich einige unerwartete Faktoren oder ungeplante Ereignisse nicht berücksichtigt, die vom Menschen in der Anpassungsphase behandelt werden sollten.

Lässt sich der Mensch im Planungsprozess komplett durch eine KI ersetzen?

Kai Hoberg: Nein, ich glaube, das wird auf absehbare Zeit in vielen Unternehmen nicht passieren, und das sollte auch nicht die Absicht sein. Ein KI-System kann perfekt funktionieren, wenn perfekte Daten automatisch verfügbar sind. In der Realität sind einige Faktoren in der Phase der Einspeisung von Merkmalen in das System unbekannt, andere passieren nur selten. Anstatt zu viel Aufwand in die Automatisierung des gesamten Prozesses zu stecken und das Risiko einzugehen, den Menschen aus dem Kreis zu nehmen, sollte das Ziel darin bestehen, eine perfekte Zusammenarbeit zu begründen.