Enge Margen, steigende Arbeitskosten, regelmäßige Störungen und die Erwartungen der Kunden an schnelle und fehlerfreie Lieferungen bedeuten, dass Unternehmen in der Lieferkette oft darum kämpfen, Marktanteile und Lieferqualität zu halten. Generative KI (Gen AI) hilft Führungskräften, Manager und Analysten, verknüpfte Daten und Erkenntnisse sichtbar zu machen, um bessere Entscheidungen im Moment und langfristige Planungen zu treffen.

Operative Daten werden von Lagertechnik, Software und Geschäftsprozessen jede Millisekunde erzeugt, doch bei den meisten Unternehmen sind sie in Silos und stark unterschiedlichen Formaten „eingesperrt“. Führungskräfte und Manager müssen Entscheidungen auf Grundlage alter Berichte, eingeschränkter Dashboard-Ansichten, unübersichtlicher Tabellen und Bauchgefühl treffen.

Mein Kollege Ashwin Sridhar, Leiter für Supply-Chain- und Logistiklösungen bei Google Cloud, teilt seine Perspektive: „Ohne das vollständige Bild ist es für Lager- und Supply-Chain-Führungskräfte schwierig, Störungen vorauszusehen und wiederkehrende Probleme zu lösen, die Effizienz rauben und das Kundenerlebnis beeinträchtigen. Gen AI ermöglicht es auch nicht-technischen Mitarbeitenden, die Entscheidungsfindung zu verbessern, Ursachen zu erforschen und die operative Planung mithilfe kritischer Daten zu optimieren.“

Gen AI verwandelt die Entscheidungsfindung und die Abläufe im Lager, um Kosten zu senken, die Zeit von Bestellung bis Versand zu verkürzen und Risiken zu minimieren.

Laut der 2025-Studie der Hackett Group steht für Supply-Chain-Verantwortliche ganz oben auf der Agenda, künstliche Intelligenz zu nutzen, um Störungen frühzeitig zu erkennen. Die Studie zeigt, dass 89 % der Supply-Chain-Führungskräfte aktiv KI skalieren, um bessere Entscheidungen zu treffen; 75 % nennen wirtschaftliche Unsicherheit als erhebliches Risiko, was den Druck erhöht, KI schneller einzuführen. Entsprechend konzentrieren sich Investitionen auf prädiktive Analytik, autonome Planung, digitale Zwillinge, KI-gestützte Beschaffung und Qualifizierungsprogramme für Mitarbeitende.

Supply-Chain-Leader wissen, welche Maßnahmen notwendig sind, um Resilienz zu stärken und Kosten zu senken – insbesondere jene, die ihre Unternehmen in den vergangenen Jahren durch zahlreiche Störungen geführt haben. Was jedoch in vielen Entscheidungsprozessen gefehlt hat, ist das Vertrauen und die neuen Erkenntnisse, die aus der Fähigkeit entstehen, sämtliche Daten miteinander zu verknüpfen – historische und Echtzeitdaten, Lager- und Unternehmensdaten sowie Formate, die traditionell nicht miteinander kompatibel sind.

Gen-AI-Oberflächen, die Retrieval-Augmented Generation (RAG) nutzen, um geschützte Unternehmensdaten sicher zugänglich zu machen, unterstützen sowohl nicht-technische Führungskräfte als auch Analysten dabei, sich schnell und präzise in diese komplexen Informationsmengen einzuarbeiten. Gen AI erkennt Muster, Trends und Anomalien in Datenvolumen im Petabyte-Bereich und fasst die Ergebnisse so zusammen, dass sie leicht verständlich, teilbar und weiter analysierbar sind. Anstatt Tabellen und Dashboards mühsam zu durchforsten, können Teams mit Gen AI Fragen in natürlicher Sprache stellen – und erhalten sofort datenbasierte Antworten.

Der Einsatz von KI-gestützter Datenanalyse im Lager ermöglicht es Supply-Chain-Unternehmen, tiefgreifendere Effizienzsteigerungen, Kosteneinsparungen und Wettbewerbsvorteile zu erzielen. Dazu gehören:

• Bedarfs- und Bestandsplanung: Gen AI kann als Planungs-Copilot fungieren und Teams dabei helfen, Bedarfs-, Bestands- und Versorgungssignale zu verstehen, die zuvor über Berichte, E-Mails und lokale Tabellen verteilt waren. Anstatt Historien, Aktionen und Restriktionen manuell zusammenzuführen, können Planer Fragen in natürlicher Sprache stellen, z. B. „Wo sind wir nächste Woche am stärksten von Fehlbeständen bedroht, angesichts der aktuellen Verzögerungen im Wareneingang?“ – und erhalten eine synthetisierte Darstellung mit hervorgehobenen Treibern. Agentenbasierte KI geht noch einen Schritt weiter, indem sie Auffüllbewegungen oder Sicherheitsbestandsanpassungen vorschlägt und diese in vergleichbare, simulierbare Szenarien verpackt, die das Planungsteam anschließend genehmigen kann.
• Operative Effizienz auf der Fläche: Auf der Lagerfläche kann Gen AI kontinuierlich Auftragsprofile, Engpässe, Servicelevels und Anlagenauslastung analysieren, um Engstellen aufzudecken, die in Echtzeit schwer zu erkennen sind. Ein Supervisor kann einfach fragen: „Warum haben wir gestern in der Spätwelle unser Outbound-SLA verfehlt?“ – und erhält eine Aufschlüsselung der Ursachen über Personal, Equipment und Auftragsmix hinweg. Agentenbasierte KI kann anschließend konkrete Maßnahmen vorschlagen: von der Anpassung der Wellenfreigabe und der Regeln zur Aufgabenverzahnung bis zur Umverteilung von Arbeit zwischen Bereichen, und diese Änderungen Supervisoren zur Prüfung vorlegen, bevor sie in den Steuerungs- und Ausführungssystemen des Lagers angewendet werden.
• Personaleinsatz und Schulung: Arbeitskräfte bleiben einer der größten und variabelsten Kostentreiber in der Lagerlogistik. Gen AI kann Führungskräfte unterstützen, den Personalbedarf vorherzusagen, indem sie Auftragsvolumen, Qualifikationen, Saisonalität und historische Leistung korreliert und anschließend zusammenfasst, wo Kapazitätslücken am wahrscheinlichsten auftreten. Parallel dazu kann ein KI-Copilot Mitarbeitende im Arbeitsalltag unterstützen, „Wie mache ich …?“-Fragen beantworten oder durch unbekannte Aufgaben führen. Mit agentenbasierter KI lassen sich diese Erkenntnisse in Vorschläge für Schichtpläne, Cross-Training und Echtzeit-Aufgabenumschichtungen übersetzen – stets mit klaren Erklärungen und finaler Genehmigung durch menschliche Supervisoren.
• Maschinenwartung und Anlagenzuverlässigkeit: Da Daten aus Fördertechnik, automatisierten Lagersystemen, AMRs und anderen Anlagen immer umfangreicher werden, kann Gen AI Wartungsteams helfen, Fehlercodes, Protokolle, Zustandsdaten und Arbeitsverläufe besser zu verstehen. Statt Dutzende Tickets zu lesen, können Techniker fragen: „Welche Muster erkennst du bei den ungeplanten Ausfallzeiten im letzten Monat in diesem Gang?“ – und erhalten eine prägnante Erklärung mit wahrscheinlichen Ursachen. Agentenbasierte KI kann automatisch Arbeitsaufträge im Enterprise Asset Management (EAM) eröffnen und vorbefüllen, verwandte Aufgaben gruppieren und optimale Zeitpunkte für Eingriffe vorschlagen, um die Auswirkungen auf den Durchsatz zu minimieren – wobei Techniker und Planer diese Pläne validieren und anpassen.

Und es geht längst nicht mehr nur um Tabellen und Diagramme. Moderne Gen-AI-Systeme können zunehmend mit Text, strukturierten Daten, Bildern, Videos und Sensordaten arbeiten – z. B. durch die Kombination von WMS- und WCS-Daten mit Kamerafeeds und Telemetrie aus Förder- oder Handling-Equipment –, um ein vollständigeres, nahezu in Echtzeit verfügbares Bild der Lagerabläufe zu liefern.

Gen-AI-gestützte Data-Dives helfen Unternehmen zu bestimmen, wo sie Investitionen und Verbesserungsmaßnahmen am besten ansetzen – von der Optimierung von Lagerorten und -layouts bis zur Identifikation von Schichten oder Mitarbeitenden, die Schulungen benötigen, oder zur Bewertung von Chancen und Risiken einer verlängerten Nutzung bestehender Anlagen.

Gen AI kann beispielsweise Korrelationen zwischen verspäteten, beschädigten oder fehlenden Sendungen und bestimmten SKUs, Standorten, Schichten oder Mitarbeitenden untersuchen – und anschließend eine leicht verständliche Zusammenfassung mit empfohlenen Lösungen und Wirkungsanalyse liefern.

Vorausschauende Führungskräfte erkennen, dass der strategische Wert von Gen AI weit über operative Effizienzgewinne im Lager hinausgeht. Gen AI und datengesteuerte Betriebsabläufe sind untrennbar miteinander verbunden und entfalten transformative Wirkung im gesamten Unternehmen. Entscheidend ist die Fähigkeit, Daten effektiv zu nutzen und in Wert umzuwandeln.

Gen AI und datengesteuerte Abläufe gehen Hand in Hand. Die Fähigkeit, wertvolle Daten aus Lagertechnik und anderen Unternehmenssystemen wirklich nutzbar zu machen, besitzt weitreichende transformative Kraft.

Traditionelle KI analysiert Daten, um Muster zu erkennen, Vorhersagen zu treffen oder Informationen zu klassifizieren. Gen AI hingegen erzeugt neue Inhalte, beispielsweise explorative Analysenzusammenfassungen oder vorgeschlagene Maßnahmen.

Diese Funktionalität ermöglicht die schnelle Erstellung von Berichten und Stakeholder-Updates, sodass sich datengetriebenes Wissen im Unternehmen verbreitet, ohne dass beschäftigte Manager, Analysten oder andere Mitarbeitende zusätzliche Last tragen müssen. Anstatt Daten mühsam zu sammeln, auszuwerten und Berichte zu schreiben, können sie Gen AI zur Unterstützung nutzen und Ergebnisse direkt verfeinern.

Die Mitarbeitenden, die am nächsten an den täglichen Prozessen arbeiten, verfügen oft über unschätzbare Einblicke in operative Ineffizienzen und Verbesserungsmöglichkeiten. Gen AI erleichtert das Erkunden, Modellieren und Iterieren von Ideen dieser Mitarbeitenden, die Engpässe und Redundanzen häufig schneller erkennen — und sich darüber frustriert zeigen — als Führungskräfte.

Laut dem 2025 Employee Experience Trends Report von Perceptyx stimmten nur 31 % der Mitarbeitenden der Aussage voll zu, dass ihre Meinung bei der Arbeit zähle. Das Zuhören und Umsetzen ihrer Ideen kann überraschende Effizienz- und Produktivitätsgewinne bringen. Es signalisiert Führungskräften, dass ihnen die Meinung der Mitarbeitenden wichtig ist — ein entscheidender Faktor für Engagement in einer Branche mit hoher Fluktuation.

Schließlich erleichtert die Partnerschaft mit Technologieanbietern, die KI priorisieren, die Nutzung zukünftiger Innovationen. Technologieunternehmen wie Dematic und Google Cloud erforschen die Rolle von Gen AI in intelligenterer Automatisierung.

Ein Großteil der heutigen Automatisierung basiert auf Schwellenwerten: Eine autonome Aktion wird ausgelöst, wenn ein festgelegter Eingabewert einen bestimmten Grenzwert erreicht. Dematic untersucht die Möglichkeit präskriptiver Automatisierung, basierend auf Multi-KI-Agentensystemen, die auch Gen AI einsetzen — und damit wesentlich mehr Daten in Entscheidungen einfließen lassen. Wenn wir solche Innovationen in die Produktion bringen, arbeiten wir bevorzugt mit Early-Adopter-Kunden zusammen, um die Möglichkeiten gemeinsam zu erkunden.

Durch die Zusammenarbeit mit Technologiepartnern wie Dematic und Google Cloud erhalten Unternehmen Zugang zu modernsten KI-Fähigkeiten und künftigen Innovationen, die über einfache schwellenwertbasierte Automatisierung hinausgehen. Diese Partner entwickeln präskriptive Automatisierungslösungen durch Multi-Agenten-KI-Systeme, die Gen AI integrieren.

Während KI eine aktivere Rolle in Lager- und Supply-Chain-Operationen übernimmt, sind starke Schutzmechanismen ebenso wichtig wie leistungsfähige Modelle. Rollenbasierte Zugriffskontrolle, sichere Datenabfrage aus vertrauenswürdigen Quellen, Audit-Trails und menschliche Genehmigungsschleifen stellen sicher, dass KI-Copilots und Agenten auf der richtigen Informationsgrundlage handeln und sich innerhalb klar definierter Grenzen bewegen.

Dematic und Google Cloud entwickeln Gen-AI- und agentenbasierte Lösungen mit Sicherheits-, Governance- und Compliance-Standards auf Enterprise-Niveau im Kern — damit Unternehmen innovativ bleiben können, ohne Sicherheit, Datenschutz oder regulatorische Anforderungen zu gefährden.

Die Gen-AI-Lösungen von Dematic basieren auf dem modernen Daten- und KI-Stack von Google Cloud und vereinen BigQuery, Gemini-Modelle, Vertex AI sowie Dematics eigene Softwareprodukte wie Dematic Control Tower und Sprocket Enterprise Asset Management (EAM). Diese Kombination bietet Kunden einen gesteuerten, skalierbaren Ansatz, um operative Daten zu verbinden, sie über natürlichsprachliche Interfaces zugänglich zu machen und KI direkt in die Entscheidungen einzubetten, die am meisten zählen.

Ebenso wichtig: Diese Fähigkeiten bilden eine praxisnahe Grundlage für agentenbasierte KI im Lager. Durch die Verankerung zielorientierter KI-Agenten in bewährten Dematic-Anwendungen und co-entwickelten Google-Cloud-Integrationen können Kunden Schritt für Schritt von besserer Sichtbarkeit und Entscheidungsunterstützung zu präskriptiven, teilautonomen Abläufen übergehen – stets mit Menschen, die Ziele und Rahmenbedingungen festlegen und kontrollieren.

Für Unternehmen, die mit engen Margen, Arbeitskräftemangel und steigenden Serviceanforderungen konfrontiert sind, bietet diese Partnerschaft einen bewährten Weg, Gen AI von einem Experiment in einen nachhaltigen Wettbewerbsvorteil über ihr Lager und das gesamte Supply-Chain-Netzwerk hinweg zu verwandeln.