Störungen in der Lieferkette können schnelle Konsequenzen für Hersteller haben und zu Produktionsverzögerungen, steigenden Kosten und einem Wettlauf um alternative Lieferunternehmen führen. Zwei Forschern der Constructor University haben ein Framework entwickelt, das logikgesteuerte künstliche Intelligenz nutzt, um resilientere Entscheidungen bei der Lieferunternehmensauswahl zu ermöglichen. Wie die Universität mitteilt, demonstriert die Studie wie KI genutzt werden kann, um skalierbare und erklärbare Lieferlösungen zu unterstützen, die operative Kontinuität, Kosten sowie soziale und ökologische Anforderungen berücksichtigen.
Inhaltsverzeichnis
Geschlossenes System von der Entscheidung bis zur Ausführung
Das Framework wurde von Professor of Industrial Engineering Dr. Omid Fatahi Valilai und Doktorand Omkar Vishwas Patil innerhalb der Forschungsgruppe Emerging Technologies in Industrial Engineering entwickelt. Im Kern liegt Answer Set Programming (ASP), eine Form deklarativer KI, die als Entscheidungsebene fungiert und Beschaffungsregeln, Lieferunternehmenskapazitäten, Störungsbedingungen und Nachhaltigkeitsanforderungen in klare Anweisungen übersetzt, die das System transparent bewerten kann. Durch die Integration von ASP in Robotic Process Automation (RPA) und Enterprise Resource Planning (ERP)-Systeme schufen Valilai und Patil ein geschlossenes System, das von der Entscheidung bis zur Ausführung reicht und es ermöglicht, Entscheidungen zu treffen und zu validieren, repetitive Aufgaben zu automatisieren und Beschaffungstransaktionen durchzuführen.
„Unser Ziel war es, über die Entwicklung eines KI-Modells hinauszugehen, das einfach ein Lieferunternehmen empfiehlt, und stattdessen zu demonstrieren, wie logikgesteuerte KI den kompletten Entscheidungs-bis-Ausführungs-Prozess unterstützen kann“, sagt Omkar Vishwas Patil.
Indem sie die Entscheidungsebene auf ASP mit expliziten Regeln für Störungen und Nachhaltigkeit aufgebaut hätten, konnten sie Entscheidungen zur Lieferfirmenauswahl treffen, die auf sich verändernde Lieferkettenbedingungen reagieren und gleichzeitig transparent und nachvollziehbar geblieben seien.
Intelligentes System bewertet die Lieferunternehmen
Das Ergebnis ist den Angaben zufolge ein System, das intelligent bestimmen kann, welche Lieferunternehmen verfügbar bleiben, ob sie die Nachfrage erfüllen können und ob Ersatzlieferfirmen benötigt werden. Es könne dann Ersatzlieferfirmen bedingt aktivieren, anstatt automatisch jede mögliche Alternative auszuwählen. Es könne auch soziale und ökologische Mindestschwellen durchsetzen, um sicherzustellen, dass die Lieferunternehmensauswahl nicht ausschließlich auf den niedrigsten Kosten basiert.
Das Framework ist, wie es weiter heißt, darauf ausgelegt, KI-gestützte Entscheidungen transparent und durch menschliches Personal überprüfbar zu machen. Anstatt einfach ein neues Lieferunternehmen zu empfehlen, kann es die Argumentationskette hinter der Empfehlung zeigen, wie etwa die Störung, die ein Lieferunternehmen nicht verfügbar gemacht hat, die Feststellung, dass die Nachfrage nicht durch verbleibende Lieferfirmen erfüllt werden kann, und die Entscheidung, Ersatzlieferunternehmen zu aktivieren. Dieser Prüfpfad ermögliche es menschliche Entscheidungstragende wie Beschaffungsmanagement, Prüfende und Nachhaltigkeitsteams, die Empfehlungen des Systems zu verstehen, zu bewerten und, wo nötig, anzufechten oder anzupassen – wodurch menschliche Entscheidungsfindung unterstützt wird, anstatt sie zu ersetzen.
Evaluierung mit synthetischem Datensatz
Die Forschenden evaluierten das Modell anhand eines reproduzierbaren synthetischen Datensatzes, der Netzwerke von 100, 500 und 1.000 Hauptlieferunternehmen mit entsprechenden Ersatzlieferunternehmen enthielt. Die Experimente simulierten dann verschiedene Szenarien, darunter teilweise Lieferfirmenverluste, vollständigen Verlust einer Lieferfirma mit hoher Kapazität und mehrere Lieferunternehmensausfälle über verschiedene Nachfrageniveaus hinweg.
Über 27 simulierte Szenarien mit Lieferfirmennetzwerken von bis zu 1.000 Hauptlieferunternehmen hinweg erreichte das Framework eine 100-%-Erfüllungsrate, während es die erforderlichen sozialen und ökologischen Standards erfüllte und Ersatzlieferunternehmen nur bei Bedarf aktivierte. Eine Proof-of-Concept-Demonstration zeigte auch, wie die resultierenden Entscheidungen überprüft, in simulierte Bestellungen übersetzt und in einem Prüfprotokoll aufgezeichnet werden konnten, das die ergriffenen Maßnahmen erklärt.
Ziel: vollständige Implementierung mit echten Daten
Obwohl vielversprechend, betonten Valilai und Patil, dass diese Arbeit synthetische Daten und eine simulierte ERP-Umgebung verwendete. Eine vollständige Implementierung mit echten Lieferfirmeninformationen, Live-Störungssignalen und kommerziellen Unternehmenssystemen bleibt ein Ziel für zukünftige Forschung.
„Von Lieferketten wird zunehmend erwartet, dass sie gleichzeitig resilient, nachhaltig, transparent und reaktionsfähig sind“, sagt Valilai. „Für mich ist die wichtige Frage daher nicht mehr nur, wie KI vorhersagen kann, was passieren könnte, sondern wie intelligente Systeme operative Entscheidungen treffen können, die erklärbar, überprüfbar und mit Nachhaltigkeitsrichtlinien abgestimmt bleiben.“
Der Artikel „A Logic-driven Integrated System for Resilient and Sustainable Supplier Selection in Supply Chains“ wurde im August 2026 in Engineering Applications of Artificial Intelligence veröffentlicht (https://doi.org/10.1016/j.engappai.2026.115955). Der Datensatz und unterstützender Code sind öffentlich über Figshare und GitHub verfügbar, heißt es weiter.
(Quelle: Constructor University)
Ein Beitrag von:
