Die Präsentation beschreibt grundsätzliche Fähigkeiten zur Nutzung von Big-Data-Technologien im Supply Chain Management.

1. Big Data im Supply Chain Management
Prof. Dr. Boris Otto
Paderborn, 20.11.2013

2. Big Data bedeutet in der Praxis die Erfassung, Verarbeitung
und Auswertung von Daten aus unterschiedlichsten Quellen
Welche Datenquellen nutzt Ihr Unternehmen?
46
Social Media
(Facebook, Twitter, Blogs usw.)
Internet-Daten
(Click Streams usw.)
54
66
34
47
Smart Grid
(Sensordaten, Betriebsdaten usw.)
53
43
RFID Tags und Strichcodes
GPS-Daten
57
39
Finanzdaten
Nutzungsdaten mobiler Endgeräte
61
51
49
51
49
Quelle: The Economist Intelligence Unit Limited: Big Data – Lessons from the leaders, 2012, n = 752, Angaben in Prozent.
Legende:
bereits genutzt
Nutzung geplant.
Slide 2
© Fraunhofer IML
Fraunhofer IML 2013

3. Big Data Management ist „Befähiger“ für unterschiedliche
Geschäfts- und Innovationstreiber wie Industrie 4.0
Cyber-physikalische Systeme (CPS)
„High Resolution
Management“
Virtuelle Welt
Manual
data input
Smart
Cards
Barcode
RFID
Eingebettete,
drahtlose Sensoren
Einfachheit der
Datenerfassung
Physische
Welt
„Ambient Intelligence“ in der Fabrik der Zukunft
Informations- und Datenqualität für
adaptive Prozesse
Hochfrequente Datenerfassung und -analyse
Quelle: Kagermann, 2013 (zitierend Wahlster, DFKI).
Slide 3
© Fraunhofer IML
Fraunhofer IML 2013

4. Wettbewerbsvorteile durch Big Data Management erfordern
drei grundsätzliche Fähigkeiten
■
Ad-hoc-Abfragen
■
■
■
Fähigkeit jede Anfrage jederzeit beantworten zu können
Beispiel: „Welche Rohstoffe haben wir in welchem Umfang in einem Umkreis von 50 km um das KKW in
Fukushima in den ersten drei Tagen nach dem Unfall bezogen?“
Echtzeittransparenz
■
■
■
Fähigkeit der vollständigen Transparenz zu Material- und Informationsflüssen
Beispiel: „Was ist der ‚Value at Risk‘ unseres weltweiten Logistiknetzwerks in Echtzeit?“
„Prediction“
■
Fähigkeit, Daten zur „proaktiven“ Geschäftssteuerung zu nutzen – nicht als Quelle für Probleme
■
Beispiel: „Wie können Wetter- und Verkehrsdaten zur Steuerung des Distributionsnetzwerks genutzt
werden?“
Nutzen in der
Supply Chain
Slide 4
© Fraunhofer IML
■
■
■
„Tracking & Tracing“ in Echtzeit und jederzeit
Verfügbarkeit von Produkten, Materialien, Anlagegütern
Transparenz über Kundenlieferungen
Fraunhofer IML 2013

5. Ein einfaches Beispiel: Der Pizza-Code
Sojalecithin
(Brasilien)
L30827017F10647
Arbeitsbedingungen
Backmischung
Tomaten
(Deutschland)
Teig
Knoblauch
(EmiliaRomagna und
Latium, Italien)
Tomatensauce
Vollmilchpulver
(Shandong, China)
Pfeffer
(Muntok,
Indonesien)
Weizenmehl
Gewürzmischung
Chili
(Deutschland)
(Pfalzmühle Mannheim,
Deutschland)
(Muntok,
Indonesien)
Weizen
Oregano
(Feld in Hochborn,
Deutschland)
(Türkei)
Thymian
Nutzung von Pestiziden
(Aschersleben,
Deutschland)
Rosemarin
Basilikum
(Kairo, Ägypten)
Buchenbäume
(Marokko)
Schweinezuchtbed.
(Westerwald, Deutschland)
Hygienevorschriften
Buchenhölzer
(Deutschland)
Milch
(Höfe in Bayreuth,
Deutschland)
Beta-Carotin
Slide 5
© Fraunhofer IML
Schweinehälften
(Belgien, Dänemark,
Frenkreich, [Vital-Fleisch]
Deutschland, Niederlande)
Schwein
(Belgien, Dänemark,
Frankreich, Deutschland,
Niederlande)
Speck
Salami
Edamerkäse
(Bayernland, Germany)
Salami
(Deutschland)
(Haas, Deutschland)
Ascorbinsäure
(China, Deutschland, Gewürze
Thailand) (China, Deutschland,
Thailand)
Salz
Natriumnitrat
Maltodextrin
(EU, USA)
Fraunhofer IML 2013
NB: Das Beispiel folgt der Argumentation von Rohwetter, M.; Willmann, U.: Der Pizza-Code. In: Zeit Online Wirtschaft; http://www.zeit.de/2013/31/lebensmittelindustrie-der-pizza-code (25.7.2013),
abgerufen am 8.8. 2013.

6. Die Quintessenz laut …
„Transparenz und Rückverfolgbarkeit sind
möglich, dank moderner Informationstechnik
bis in den letzten Winkel der Erde. Wer sagt,
er wisse etwas nicht, der lügt, ist schlecht
organisiert oder kriminell.“
Slide 6
© Fraunhofer IML
Fraunhofer IML 2013

7. Ein kleiner Test dazu
Frage 1: Mein Unternehmen ist in der Lage, sämtliche Informationen zu unseren Produkten, den
Komponenten und Rohstoffen transparent in Echtzeit bis in den letzten Winkel der Erde zurückzuverfolgen.
Ja.
Nein.
Bei „Nein“ weiter mit Frage 2.
Frage 2: Der Grund für diese Unfähigkeit ist:
In meinem Unternehmen nimmt man es mit der Wahrheit nicht so genau.
Mein Unternehmen ist vom Zufall getrieben und schlecht organisiert.
Mein Unternehmen agiert öfters kriminell.
NB: Mehrfachnennungen möglich …
Slide 7
© Fraunhofer IML
Fraunhofer IML 2013

8. Unternehmen brauchen eine neue Datenarchitektur, um die
Potentiale von Big Data zu nutzen
Daten außen sind weniger
kontrollierbar, geschäftskritisch, eindeutig…
Petabytes
Terabytes
Daten außen sind von höherer Unschärfe,
Volumen, Vielfalt, Änderungsfrequenz…
„Nukleus-Daten“
(Kundenstammdaten,
Produktstammdaten
usw.)
Gigabytes
Megabytes
“Open Big Data”
(Tweets, Social Media
Streams, Sensordaten usw.)
Slide 8
© Fraunhofer IML
„Community-Daten“
(Geoinformation,
GTIN, Adressen, ISOCodes, GS1-Daten
usw.)
Fraunhofer IML 2013

9. Fallstudien liefern Aufschluss über „Best Practices“ für Big Data
Management im Supply Chain Management
Unternehmen
Fallstudienfokus
Plan
Source
Make
Deliver
Return
Liquiditätsmanagement
O
O
(X)
O
O
Stammdatenmanagement
O
(X)
(X)
(X)
(X)
Bestandsmanagement,
Personalwirtschaft
O
X
X
O
O
Personalwirtschaft
O
O
O
O
O
Berichtswesen für das
Beschaffungsmanagement
O
(X)
O
O
O
IT-Infrastruktur
O
O
O
O
O
Instandhaltung, Vertrieb,
Marketing
O
O
X
X
O
Technische Entwicklung, Supply
Chain
(X)
(X)
(X)
(X)
O
Legende: O – nicht adressiert; (X) – in Teilen adressiert; X – adressiert.
NB: In Kooperation mit Universität St. Gallen, Fokus auf In-Memory-Technologien.
Slide 9
© Fraunhofer IML
Fraunhofer IML 2013

10. Ihr Ansprechpartner für weitere Informationen
Univ.-Prof. Dr. Ing. Boris Otto
Technische Universität Dortmund
Audi-Stiftungslehrstuhl
Supply Net Order Management
LogistikCampus
Joseph-v.-Fraunhofer-Straße 2-4
D-44227 Dortmund
Tel.: +49-231-755-5959
Boris.Otto@tu-dortmund.de
Slide 10
© Fraunhofer IML
Fraunhofer-Institut für Materialfluss
und Logistik
Director Information Management &
Engineering
Joseph-v.-Fraunhofer-Straße 2-4
D-44227 Dortmund
Tel.: +49-231-943-655
Boris.Otto@iml.fraunhofer.de
Fraunhofer IML 2013