Digital resources in the Social Sciences and Humanities OpenEdition Our platforms OpenEdition Books OpenEdition Journals Hypotheses Calenda Libraries OpenEdition Freemium Follow us

Studie zum Einsatz von Machine Learning im SCRM

(English version below)

In Kooperation mit dem Unternehmen riskmethods haben wir eine Studie zum Einsatz von Maschinellem Lernen im Supply Chain Risikomanagement durchgeführt. Die Ergebnisse wurden erstmalig auf dem 56. BME-Symposium Einkauf und Logistik DIGITAL im Rahmen der Session „Neue Wege im Supply Chain Risiko Management: Keine Angst vor künstlicher Intelligenz! Von der analogen zur selbstlernenden Risikoüberwachung in der Supply Chain“ vorgestellt. Wir haben gezeigt, wie ein automatisiertes SCRM-System dem Unternehmen hilft, Transparenz in Liefernetzwerken zu schaffen und welche Potenziale und Erfolgsfaktoren es für den Einsatz von künstlicher Intelligenz im SCRM gibt. Abschließend habe ich die Studienergebnisse vorgestellt.

Zwar haben viele Unternehmen in den vergangenen Monaten gelernt und können durch gute Vorbereitung und umfangreiche Informationsversorgung schneller auf Lieferkettenstörungen reagieren. Die Ergebnisse der Studie zum Einsatz von Maschinellem Lernen im Supply Chain Risikomanagement zeigen jedoch, dass noch immer 50% der Befragten unvorbereitet von einem Risikoereignis getroffen werden, was neben Verzögerungen zu finanziellen und Reputationsschäden führen kann. Auch wissen 42% der Befragten nicht, wie hoch die finanziellen Auswirkungen eines Schadenseintritts sein können. Diese Unternehmen sind folglich einem hohen Risiko ausgesetzt, da Schäden in Millionenhöhe nicht unüblich sind.

Nur ungefähr die Hälfte der Unternehmen verfügt über einen sehr hohen oder hohen Grad an Risikotransparenz bei eigenen Produktionsstätten und direkten Lieferanten (Tier-1). Die Sub-Lieferanten (Tier-2 bzw. Tier-n) werden nur in wenigen Fällen überwacht, so dass das SCRM lediglich einen geringen Teil der Lieferkette abdeckt. Das erhöht das Risiko von Produktionsausfällen, steigenden Transportkosten oder der kostspieligen Erschließung alternativer Beschaffungsquellen. Eine Erkenntnis der Umfrage: Der Blick auf die direkten Zulieferer reicht nicht mehr aus, um kritische Knotenpunkte in der Lieferkette rechtzeitig zu erkennen und Maßnahmen einzuleiten.

Folglich sehen die Befragten in ihrem Risikomanagement noch viel Verbesserungspotenzial, vor allem was die Lieferketten-Transparenz und die Methoden zur Risikoidentifikation betrifft. Für über 80% der Befragten ist die frühzeitige Erkennung von Risiken ein Mehrwert, der hilft, aufgrund der verlängerten Reaktionszeit rechtzeitig Gegenmaßnahmen einzuleiten und Störungen in der Lieferkette zu vermeiden. Dieser Zeitvorsprung kann in vielen Fällen durch eine Automatisierung der Risikoidentifikation (Alerting) erreicht werden, die aus Liefernetzwerken auswertbare Echtzeitdaten generiert. Hier können selbstlernende Systeme einen wichtigen Beitrag leisten.

Die Studie kann hier heruntergeladen werden.

Study on the use of machine learning in supply chain risk management

In cooperation with the company riskmethods, we have conducted a study on the use of machine learning in supply chain risk management. The results have been resented for the first time at the 56th BME Symposium on DIGITAL Purchasing and Logistics during the session “New ways in supply chain risk management: don’t be afraid of artificial intelligence! From analog to selflearning risk monitoring in the supply chain”.

We have shown how an automated SCRM system helps the company to create transparency in supply networks, and which potential success factors are compatible with the use of artificial intelligence in SCRM. Finally, I presented the study results.

In recent months, many companies have learned and adapted, and now can react faster to supply chain disruptions via preparation and extensive information provision. However, the results of the study on the use of machine learning in supply chain risk management show that 50% of respondents are still caught unprepared by a risk event, which can lead to financial and reputational damage as well as delays. 42% of respondents do not know the financial impact of a damaging event. Consequently, these companies are at high risk, as losses in the millions of dollars are not uncommon.

Only about half of the companies have a high or very high degree of risk
transparency for their own production facilities and direct suppliers (Tier-1). Subsuppliers (tier-2 or tier-n) are only monitored in a handful of cases, and, as such, SCRM only covers a small part of the supply chain. This increases the risk of production downtime, rising transportation costs, and the costly development of alternative procurement sources. One finding of the survey: looking at direct suppliers is no longer sufficient to identify critical nodes in the supply chain early enough to effectively implement preventative measures.

Consequently, the respondents see significant potential for improvement in their risk management, especially with regard to supply chain transparency and risk identification methods. For more than 80% of respondents, the early identification of risks is an added value which helps to initiate countermeasures in time and thus avoid disruptions in the supply chain. In many cases, this preventative time advantage can be achieved by automating risk identification (alerting), which generates analyzable real-time data from supply networks. Here, self-learning systems can offer significant contributions.

The study (in German language only) can be downloaded here.

Auf dem Weg zum Supply Chain Risikomanagement 4.0 (SCRM 4.0)

Foto: Pixabay (CC0)

(English version below)

An unserem Institut für Logistik und Unternehmensführung (TU Hamburg) beschäftigen wir uns mit der Frage, welchen Einfluss neue Technologien auf das SCRM, insbesondere auf die einzelnen Phasen der Risikoidentifikation, der -analyse und -bewertung, dem Management sowie der Risikokontrolle, ausüben. Im Fokus der Analyse stehen die Anwendung von künstlicher Intelligenz, insb. dem Maschinellem Lernen, ebenso wie Cloud Technologien, Sensorik und Robotik.

Wir subsumieren das Themenfeld unter dem Begriff „Supply Chain Risikomanagement 4.0 (SCRM 4.0)“. SCRM 4.0. kann dabei definiert werden als der Baustein des Supply Chain Managements, der alle Strategien, Prozesse und damit verbundenen Maßnahmen umfasst, die durch IoT (Internet der Dinge) dazu geeignet sind, Risiken innerhalb einer Supply Chain zu reduzieren und Resilienz zu fördern. Bei Interesse an unserer Forschung, kontaktieren Sie uns gerne.

Towards Supply Chain Risk Management 4.0 (SCRM 4.0)

What influence do the new technologies have on SCRM?
At our Institute for Logistics and Corporate Management (TU Hamburg), we are dealing with the question of what influences new technologies exert on SCRM, and specifically on the individual phases of the SCRM process: risk identification, analysis and assessment, management and risk control. The focus of the analysis is the application of artificial intelligence, in particular machine learning, as well as cloud technologies, sensors, and robotics. We categorize this topic as “Supply Chain Risk Management 4.0 (SCRM 4.0)“.

SCRM 4.0. can be defined as a building block of supply chain management which includes all strategies, processes, and related measures that are supported by IoT (Internet of things) and are both suitable for the reduction of risks within a supply chain and increase overall resilience.
If you are interested in our research, please contact us.