Sie wissen, was Sie wollen? Amazon weiß es auch. Sogar noch, bevor Sie sich darüber im Klaren sind. Mit dem Konzept Anticipatory Shipping verspricht der Online-Händler uns Wünsche zu erfüllen, noch ehe wir sie kennen.
Anticipatory Shipping, ein Patent von Amazon
Der Begriff Anticipatory Shipping“ geht auf ein Patent von Amazon zurück, dass am 24. Dezember 2013 unter der Bezeichnung „Anticipatory Package Shipping“ angemeldet wurde. Das Konzept sieht vor, dass Amazon das Bestellverhalten von Kunden analysiert und aufgrund der ausgewerteten Daten dann prognostiziert, was wo zu welchem Zeitpunkt bestellt werden wird. Amazon ist dadurch u.a. in der Lage, Lieferungen in einem 2-Stunden-Fenster anzubieten.
Dabei werden nicht einzelne Bestellungen vorausgesagt, sondern vielmehr Warenströme, wodurch eine schnellere Reaktion auf Bestellungen möglich wird. Dafür wird auf Daten zurückgegriffen, die die Besucher der Webseite hinterlassen: bisher gekaufte Produkte, Wunschzettel, Warenkörbe, Suchhistorien oder auch die Dauer des Mauszeigers auf bestimmten Produkten. Auf dieser Basis will Amazon künftig sogar voraussagen können, in welchem Lebensabschnitt Kunden an welchen Waren interessiert sein werden und die Logistik entsprechend auf dieser Voraussage aufbauen.
Big Data schafft die Basis für Predictive Analytics
Amazon sieht die Stärken des Anticipatory Shipping vor allem im Bestseller-Bereich sowie in dicht besiedelten Gebieten. Für seltener nachgefragte Produkte sowie in Gegenden mit eher dörflicher Struktur verspricht das Konzept weniger Effizienzgewinne. Das liegt u.a. daran, dass durch Voraussagen von Warenströmen die Größe der Lieferfahrzeuge exakter gewählt und Leerfahrten besser vermieden werden können. Anticipatory Shipping funktioniert am besten in Bereichen, wo mit großen Zahlen operiert werden kann. Letztlich ist es daher nur eine von vielen Anwendungen aus dem Bereich der Predictive Analytics.
Beispiel KEP-Dienstleister
Auch der KEP-Dienstleister DPD nutzt seit einiger Zeit Predictive Analytics, um die Zustellung von Paketen zu verbessern. Ziel des vorausschauenden Lieferprozesses ist es, privaten Empfängern bis auf die Stunde genau nennen zu können, wann das Paket bei ihnen eintrifft. Dafür verarbeiten die Rechner des Unternehmens rund 30 Millionen Datensätze täglich.
Die größte Hürde bei der Umsetzung war dabei, dass die Daten auf unterschiedlichen Systemen dezentral verteilt waren. Sowohl das Beispiel von DPD als auch das Konzept des Anticipatory Shipping zeigen eine wesentliche Voraussetzung für vorausschauende Logistik auf: Daten müssen nicht nur erhoben werden, sondern auch zusammengeführt werden können.
Digitale Speditionen bieten dafür ideale Voraussetzungen. Da die Transportorganisation vollständig digital abgewickelt wird, ermöglicht die digitale Spedition auch ein Supply Chain Event Management (SCEM). Diese noch relativ junge Logistik-Disziplin ermöglicht es, auf ungewöhnliche Ereignisse innerhalb der Lieferkette zeitnah zu reagieren. Auch SCEM blickt in die Zukunft, indem es permanent aktuelle Daten registriert und analysiert.
Reaktionsstarkes Supply Chain Event Management
Lieferketten sind abhängig von einer Vielzahl von Faktoren und Ereignissen (Events), zu deren Wesen es gehört, dass sie
- abhängig von vielen anderen Events sind, also durch eine hohe Komplexität gekennzeichnet sind
- sich dynamisch verhalten
- teilweise intransparent sind (da Einzelinteressen der Beteiligten zu Informationsbarrieren führen)
Angesichts der immer engeren Verzahnung von Produktion und Zulieferung wächst die Störanfälligkeit von Supply Chains kontinuierlich. Um die Auswirkungen solcher Störungen zu minimieren und besser in den Griff zu bekommen, hat sich als neuer Zweig der Logistik das Supply Chain Event Management entwickelt. SCEM hat den Anspruch, die Relevanz von Ereignissen auf die Lieferkette einschätzen zu können. Es wird daher ein Toleranzbereich erstellt, bei dem nicht aktiv eingegriffen werden muss. Wird dieser Toleranzbereich über- bzw. unterschritten, werden Handlungsalternativen ausgelöst.
Ausgangspunkt für das Management relevanter Events sind dabei die heute vielfach in der Logistik eingesetzten Tracking & Tracing-Systeme. Sie ermöglichen das Erfassen von IST-Zuständen und damit den Abgleich zum jeweils geplanten SOLL-Zustand. Ziel des Abgleichs ist es, möglichst zeitnah auf Events reagieren zu können bzw. diese sogar vorhersagen zu können und dadurch steuerbarer zu machen.
Das SCEM kümmert sich dabei sowohl um positive (etwa kurzfristig freigewordene Lieferkapazität) als auch um negative Ereignisse (z. B. Produktionsausfall).
Entscheidend für eine vorausschauende Logistik ist eine solide Datenbasis. Sowohl Anticipatory Shipping als auch SCEM nutzen hierfür (historische) Daten, um alltägliche Entscheidungen in Zukunft zu optimieren. Beide Ansätze leben von der Qualität ihrer Daten. Je genauer Interaktionen und Transaktionen erfasst werden, desto besser kann auf kritische Ausnahmefälle reagiert werden und desto eher gelingen valide Voraussagen.