KI-Agenten in der Logistik: 7 Gedanken zur Zukunft der Supply Chain

Erkenntnis 1: Die Grenze zwischen KI-Agenten und KI-Assistenten verschwimmt

Im Idealfall arbeitet ein KI-Agent als vollständig autonomes System, das selbst entscheidet, ob und wie ein Mensch noch einbezogen werden muss. In der Praxis fungiert ein KI-Agent derzeit jedoch häufig eher als Assistent, der kaum eine Handlung ohne menschliche Freigabe ausführt. Abhängig von der Qualität der KI-Ergebnisse und den jeweiligen Prozessvereinbarungen entstehen hybride Formen zwischen KI-Agent und KI-Assistent. Die formale Grenze zwischen beiden Begriffen verschwimmt zunehmend, sodass sie allmählich ineinander übergehen.

Erkenntnis 2: KI-Agenten verändern logistische Prozesse

Vor allem an den Schnittstellen verschiedener Glieder der Supply Chain werden derzeit erste KI-Systeme erprobt. KI-Agenten geben beispielsweise die erforderlichen Sendungsdaten in Logistikplattformen ein. Diese Daten können aus unstrukturierten Texten, Dokumenten oder Sprachnachrichten bestehen und von Menschen oder anderen KI-Agenten stammen.

Dank des neuen Model Context Protocol (MCP) können große Sprachmodelle zunehmend reibungslos mit Systemen und Datenbanken von Drittanbietern kommunizieren. Damit entsteht neben den bestehenden EDI- und API-Lösungen eine neue Generation von Datenanbindungen.

Auch im Einkauf und Vertrieb machen KI-Agenten bereits Fortschritte. Sie sammeln Informationen über die Eigenschaften und die Verfügbarkeit von Produkten und Dienstleistungen, prüfen Vertragsbedingungen und verhandeln darüber. Erste Pilotprojekte zeigen bereits heute, dass dies funktioniert.

Erkenntnis 3: KI-Agenten machen Fehler

Ein KI-Agent zieht nicht immer die richtigen Schlussfolgerungen und leitet deshalb auch nicht immer die gewünschte Maßnahme ein. Das ist eine grundlegende Herausforderung in vielen operativen Anwendungsfällen. Selbst die leistungsfähigsten KI-Agenten erreichen derzeit nur eine geschätzte Genauigkeit von 90 bis 95 Prozent.

Darüber hinaus spielt eine weitere Frage eine wichtige Rolle: Kann das System selbst einschätzen, wie zuverlässig seine Entscheidung ist, in welchem Prozess es sich befindet und welche Regeln gelten? Auch das beeinflusst maßgeblich die Qualität der Handlungen eines KI-Agenten.

Aufgrund dieser inhärenten Fehlerquote ist stets eine Risikoabwägung erforderlich: Welche Auswirkungen hat ein gelegentlicher Fehler und wie geht das Unternehmen damit um? Daraus folgt, dass viele Prozesse derzeit noch nicht ohne Weiteres KI-Agenten anvertraut werden können.

Erkenntnis 4: KI-Agenten werden Teil des Teams

KI-Agenten haben Stärken und Schwächen, die denen von Menschen im Arbeitsalltag mitunter erstaunlich ähnlich sind. Zusammengenommen machen diese Eigenschaften sie zu weit mehr als gewöhnlichen Softwareprogrammen: Sie entwickeln sich zu vollwertigen Teammitgliedern. Sie werden auf unterschiedliche Aufgaben vorbereitet und dafür trainiert und können gut mit Menschen zusammenarbeiten.

In Zukunft werden Menschen KI-Agenten Aufgaben zuweisen und gemeinsam mit ihnen Schritt für Schritt auf das gewünschte Ergebnis hinarbeiten. Und das nicht nur mit einem einzigen Agenten: Mehrere müssen parallel eingesetzt werden, denn KI-Agenten benötigen Zeit zum „Nachdenken“.

Damit sie ihre Aufgaben zuverlässig erfüllen können, benötigen sie immer wieder den passenden Kontext – in Form hochwertiger Daten und klarer Anweisungen, also Prompts. Sie müssen professionell gesteuert und gut in menschliche Teams integriert werden, damit sie als „Kollegen“ wirklich dazugehören. Dafür sind neue Fähigkeiten erforderlich, die Führungskräfte auf allen Ebenen schnell erlernen und in der Praxis anwenden müssen.

Erkenntnis 5: Jeder kann KI-Agenten entwickeln

Neben der Steuerung und Nutzung von Agenten wird auch deren Entwicklung – zumindest bei einfacheren Varianten – zunehmend zu einem festen Bestandteil der Arbeit von Logistikfachleuten. Im Rahmen eines Trends, der als „Citizen Development“ bezeichnet wird, schaffen Unternehmen Umgebungen, in denen viele Anwender selbst einfache KI-Agenten entwickeln und einsetzen können. Dies geschieht mithilfe gezielter Prompts sowie durch die Verknüpfung von Datenquellen und Workflow-Systemen. Ein Beispiel aus dem Büroalltag sind die Copilot-Agenten von Microsoft.

Erkenntnisse 6 und 7: KI-Agenten erzielen noch keinen ROI, gestalten aber bereits die Zukunft mit

Trotz des großen Potenzials von KI-Systemen und erster konkreter Effizienzgewinne in einzelnen Prozessen erzielen sie häufig noch keinen Return on Investment. Viele KI-Agenten befinden sich noch in der Phase eines Minimum Viable Product (MVP), werden in Pilotprojekten erprobt und sind von einer vollständigen Integration in den Geschäftsbetrieb noch weit entfernt.

Zu den Kostenfaktoren gehören die Entwicklung, Lizenzen für KI-Systeme und der Tokenverbrauch bei Anfragen an große Sprachmodelle wie ChatGPT, Claude oder Mistral. Dies gilt insbesondere, wenn sich ein Unternehmen zu stark von einem einzigen Anbieter oder LLM abhängig macht. Hinzu kommen die erforderlichen Schulungen für Mitarbeitende und die Zeit, die benötigt wird, um Erfahrung im Umgang mit KI-Agenten aufzubauen.

Wie bei jedem Innovationsprozess ist eine gewisse Investition erforderlich, um den professionellen Umgang mit neuen Technologien zu erlernen. Schritt für Schritt sollten auch spezifische KPIs und ROI-Analysen als Orientierung für den Einsatz von KI-Agenten dienen. So kann mittelfristig ein belastbarer wirtschaftlicher Rahmen für den Einsatz künstlicher Intelligenz entstehen.

Trotz ihrer Schwächen, Risiken und Kosten werden KI-Agenten ihren Weg in nahezu jeden Prozess der Supply Chain finden. Darüber sollte sich jeder im Klaren sein. Manchmal verändert sich die Zusammenarbeit dadurch nur geringfügig, manchmal grundlegend – in den meisten Fällen wird sie jedoch effektiver. Dabei geht es nicht nur um einzelne KI-Agenten, sondern auch um Multi-Agenten-Systeme, die untereinander und mit Menschen zusammenarbeiten.

In Zukunft werden somit nicht nur Menschen, sondern auch KI-Agenten die Logistik und das Supply Chain Management prägen. Der Umgang mit KI-Agenten wird damit auch zu einer wichtigen Führungsaufgabe.