Big Data Management in der Logistik

BIG DATA MANAGEMENT IN DER LOGISTIK
Univ.-Prof. Dr.-Ing. habil. Boris Otto
Wien, 29.01.2014

© Fraunhofer

AGENDA
 Aktuelle Megatrends
 Big Data Management
 Implikationen für die Logistik

© Fraunhofer

Industrie 4.0: Die Dinge werden „intelligent“

Cy ber-phy s ikalis che S y s tem e (CPS )

High Res olution
Managem ent

Virtuelle Welt
Manual
data input

Smart
Cards

Barcode

RFID

Eingebettete,
drahtlose Sensoren

Einfachheit der
Datenerfassung

Physische
Welt

Ambient Intelligence in der Fabrik der Zukunft

Hochfrequente Datenerfassung und -analyse
Quelle: Kagermann, 2013 (zitierend Wahlster, DFKI).

© Fraunhofer

Informations- und Datenqualität für
adaptive Prozesse

Nachhaltigkeit: Informationslogistik findet auf ItemEbene statt
CO2-Bilanz auf dem Kassenbon

CO2-Bilanz auf dem Artikeletikett

Externe und interne Datenquellen
Extreme Datenvolumina und heterogene Datenformate
Datenqualitätsanforderungen

© Fraunhofer

Globalisierung: Produktions- und Logistiknetzwerke sind
global

Ingolstadt

Bratislava

Neckarsulm
Changchun
Györ
Martorell
Sta. Agata
Foshan
Aurangabad
San José Chiapa

Jakarta
Pacheco

Legende:

Audi-Produktionsstandort;

geplanter Audi-Produktionsstandort.

Permanente Kopplung von Informations- und Warenfluss

© Fraunhofer

Big Data Management bedeutet neue Datenquellen zu
erschließen
Welche Datenquellen nutzt Ihr Unternehm en?
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
Quelle: The Economist Intelligence Unit Limited: Big Data – Lessons from the leaders, 2012, n = 752, Angaben in Prozent.
Legende:
bereits genutzt
Nutzung geplant.

© Fraunhofer

61
51
49
51
49

Big Data Management erfordert neue Fähigkeiten in der
Datenverarbeitung
 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?«
 Vorhersagefähigkeit
 Fähigkeit, Daten zur proaktiven Geschäftssteuerung zu nutzen – nicht als
Quelle für Probleme
 Beispiel: »Wie können Wetter- und Verkehrsdaten zur Steuerung des
Distributionsnetzwerks genutzt werden?«

© Fraunhofer

Ein Beispiel: Der Pizza-Code

Arbeitsbedingungen

Sojalecithin

Tomaten

(Brasilien)

L30827017F10647

Backmischung

(Emilia-Romagna
und Latium, Italien)

Knoblauch
(Shandong, China)

(Deutschland)

Vollmilchpulver

Pfeffer

Tomatensauce

Weizen

Weizenmehl

(Feld in Hochborn,
Deutschland)

Teig

(Pfalzmühle Mannheim,
Deutschland)

(Muntok,
Indonesien)

Gewürzmischung
(Deutschland)

Chili
(Muntok,
Indonesien)

Oregano

Nutzung von Pestiziden

(Türkei)

Rosemarin

Thymian

Hygienevorschriften

(Aschersleben,
Deutschland)

(Kairo, Ägypten)

Buchenbäume
Milch

(Marokko)

Basilikum

(Westerwald, Deutschland)

Schweinezuchtbed.

(Höfe in Bayreuth,
Deutschland)

Edamerkäse

Salami

(Bayernland, Germany)

BetaCarotin

Buchenhölzer

Schweinehälften

(Deutschland)

(Belgien, Dänemark,
Frankreich, [Vital-Fleisch]
Deutschland, Niederlande)

Schwein
(Belgien, Dänemark,
Frankreich, Deutschland,
Niederlande)

Salami
(Deutschland)

Ascorbinsäure

Gewürze

Speck
Salz

Maltodextrin
(China, Deutschland,
Natriumnitrat
(China, Deutschland,
(EU, USA)
Thailand)
Thailand)
NB: Das Beispiel folgt der Argumentation von Rohwetter, M.; Willmann, U.: Der Pizza-Code. In: Zeit Online Wirtschaft; http://www.zeit.de/2013/31/lebensmittelindustrieder-pizza-code (25.7.2013), abgerufen am 8.8. 2013.

© Fraunhofer

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.«

© Fraunhofer

Ein Praxistest 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 …

© Fraunhofer

Logistische Systeme müssen heute eine Vielzahl
Anforderungen erfüllen

Wandlungs fähigkeit

Trans parenz

Kom plex itäts beherrs chung

Effizienz

© Fraunhofer

Modernes
Logistisches
System

Big-Data-Management in der Logistik bedeutet
Dezentralisierung von „Intelligenz“
 Smart Labels als intelligente
Lagerplatzbeschriftungen
 Intelligente Kleinteilebehälter mit
Mensch-Maschine-Schnittstelle
 Intelligenter Luftfrachtcontainer (smartULD) für die
Integration in bestehende Flughafen-IT-Systeme
 Zukunft: Einsatz mit autonomen Transportsystemen

© Fraunhofer

Moderne logistische Systeme sind dezentral und
virtualisiert

Legende: CPS – Cyber-Physical Systems.

© Fraunhofer

LOGISTIK
Dinge & CPS

»Bottom-Up«
Virtualisierung

»Top-Down«
Dezentralisierung

Cloud

Ihr Ansprechpartner

Univ.-Prof. Dr. Ing. habil. Boris Otto
Technis che Univ ers ität Dortm und

Fraunhofer-Ins titut für Materialflus s
und Logis tik

Audi-Stiftungslehrstuhl
Supply Net Order Management

Director Information Management &
Engineering

LogistikCampus
Joseph-v.-Fraunhofer-Straße 2-4
D-44227 Dortmund

D-44227 Dortmund

Tel.: +49-231-755-5959

Tel.: +49-231-943-655

Boris.Otto@tu-dortmund.de

© Fraunhofer

Joseph-v.-Fraunhofer-Straße 2-4

Boris.Otto@iml.fraunhofer.de

Big Data Management in der Logistik

Weitere ähnliche Inhalte

Mehr von Boris Otto