Echtzeitdaten und KI definieren Lieferketten neu

Echtzeitdaten entwickeln sich zu einem strategischen Faktor für die moderne Lieferkette. McKinsey weist darauf hin, dass digitale Technologien in Verbindung mit Produktdaten und Echtzeit-Tracking eine integrierte Datenbank für eine bessere Bestandsplanung schaffen und es Teams ermöglichen, schnellere und fundiertere Entscheidungen zu treffen.

Doch genau hier liegt die Herausforderung: Historische oder verzögerte Daten reichen in komplexen, omnichannel-gesteuerten Lieferketten zunehmend nicht mehr aus. Echtzeit-Transparenz gilt heute als zentrale Voraussetzung, um Bestände präziser zu verwalten, Schwund zu reduzieren und schneller auf Unstimmigkeiten zu reagieren. GS1 berichtet, dass RFID in der Praxis eine Bestandsgenauigkeit von 93 bis 99 Prozent ermöglicht.

Ashley Burkle, Director of Sales and Business Development bei Identiv, konzentriert sich genau auf diese Schnittstelle zwischen KI, IoT und digitaler Identität.

In diesem Interview erläutert sie, warum Datenqualität und Datenaktualität zur eigentlichen Grundlage von KI in der Lieferkette werden, wie RFID und BLE gemeinsam skalierbare Transparenz schaffen und warum Echtzeitfähigkeit mittlerweile weit mehr ist als nur eine praktische technologische Funktion. Es geht um operative Kontrolle, zuverlässige Entscheidungsfindung und die Frage, wie Unternehmen physische Warenströme in verwertbare, kontextbezogene Informationen umwandeln können.

Studien zufolge können Lieferketten, die KI und Echtzeitdaten nutzen, die Entscheidungsgeschwindigkeit um bis zu 90 Prozent steigern. Gleichzeitig könnten KI-gestützte Anwendungen im Vertrieb und in der Lieferkette den Lagerbestand um 20 bis 30 Prozent reduzieren, wenn Datenqualität, Prognosen und operative Kontrolle aufeinander abgestimmt sind.

In der Praxis kann diese Bestandsgenauigkeit in Kombination mit KI-Intelligenz Umsatz- und Effizienzpotenziale erschließen.

Wie genau beeinflusst Datenqualität die Leistung von KI-Systemen in der Lieferkette, und wo liegen die Grenzen rein historischer Datensätze?

Ashley Burkle: In der Vergangenheit waren Lieferketten stark auf die periodische Datenerfassung angewiesen. Informationen standen oft erst zur Verfügung, nachdem ein Ereignis bereits eingetreten war. Infolgedessen war die Fähigkeit, in Echtzeit zu reagieren, sehr begrenzt.
Heute reicht das nicht mehr aus.

Lieferketten müssen agil und flexibel sein, und das erfordert kontinuierliche, zuverlässige Echtzeitdaten. Genau hier verändern IoT-Technologien wie RFID und BLE die Spielregeln, da sie kontinuierlich Daten über die Bewegung und den Status von Waren erfassen.

Wenn diese Daten in KI-Systeme eingespeist werden, können sie in großem Umfang und mit hoher Geschwindigkeit analysiert werden. Unternehmen können dann Entscheidungen auf der Grundlage dessen treffen, was tatsächlich in der Lieferkette geschieht, und nicht ausschließlich auf der Grundlage historischer Trends oder vergangener Prognosen. Genau hier liegen die Grenzen rein historischer oder prädiktiver Datensätze. In einer zunehmend komplexen Lieferkettenlandschaft sind sie für sich genommen oft nicht schnell, präzise oder robust genug.

Wie definieren Sie eine langsame Lieferkette, und welche konkreten Folgen hat sie für Unternehmen, Produkte und Produktion? Warum wird diese Situation noch immer als gegeben akzeptiert?

Ashley Burkle: Ich denke, jeder, der sich seit Jahren mit Einzelhandel, Konsumgütern und Lieferketten im Allgemeinen beschäftigt, weiß, wie eine Lieferkette typischerweise funktioniert und reagiert. Wir haben gesehen, dass Lieferketten im Wesentlichen Punkt-zu-Punkt-Prozesse sind. Waren werden von der Fertigung zu einem Distributionslager und dann zum Endziel, einem Einzelhandelsgeschäft, transportiert.

Als das Konzept des Omnichannel-E-Commerce aufkam, wurden Lieferketten wesentlich komplexer, da sie nicht mehr nur an Geschäfte, sondern auch an einzelne Haushalte lieferten. Das führte zu einer deutlich höheren Komplexität hinsichtlich der erforderlichen Reaktionen von Distributionszentren. Wir haben auch beobachtet, dass mit der zunehmenden Verfügbarkeit von Technologie für Verbraucher deren Erwartungen schneller gestiegen sind. Deshalb erwarten wir heute Echtzeitinformationen aus dem Einzelhandel und den Lieferketten, weil wir diese an so vielen anderen Orten erhalten können und sie direkt auf unseren Smartphones verfügbar sind.

All dies hat neue Anforderungen und Belastungen für die Lieferkette geschaffen. Wenn ich also davon spreche, dass eine Lieferkette langsam ist, beziehe ich mich im Grunde auf das Standardmodell, wie sie jahrzehntelang, vielleicht sogar jahrhundertelang aussah: Waren wurden auf der Grundlage traditioneller Bestell- und Prognosemethoden methodisch von A nach B transportiert. Dann haben wir als Verbraucher das auf den Kopf gestellt und gesagt: „Nein, wir wollen es in Echtzeit. Wir wollen es, wann wir es wollen, und so, wie wir es wollen.“

Wir alle wissen, dass bestimmte Einzelhändler die Erwartungen geschürt haben, indem sie gezeigt haben, dass sie Waren innerhalb von zwei Stunden oder innerhalb von 24 Stunden liefern können. All diese Entwicklungen haben zu der Wahrnehmung geführt, dass Lieferketten langsam sind, obwohl sie, offen gesagt, einfach nur so funktionieren, wie sie es traditionell immer getan haben.

Welche Rolle spielen Echtzeit-IoT-Daten als Input für KI-Modelle, und wie schaffen Technologien wie BLE, RFID und digitale Identitäten skalierbare Transparenz in der Lieferkette?

Ashley Burkle: Echtzeit-IoT-Daten zeigen, was in der Lieferkette genau in diesem Moment tatsächlich geschieht. Sie ersetzen die traditionelle Abhängigkeit von verzögerten oder historischen Daten und ermöglichen schnellere, fundiertere operative Entscheidungen.
Technologien wie RFID und BLE spielen hier eine zentrale Rolle, da sie physischen Objekten digitale Identitäten zuweisen. Dadurch können Produkte, Vermögenswerte und Bestände über die gesamte Lieferkette hinweg lückenlos verfolgt werden.

RFID ermöglicht die schnelle und skalierbare Identifizierung großer Mengen von Artikeln und bildet damit die Grundlage für Bestandstransparenz. BLE ergänzt diese Funktionen durch Echtzeit-Standortverfolgung und Sensortechnologie, beispielsweise für Temperatur, Bewegung oder Umgebungsbedingungen.

Zusammen liefern diese Technologien ein vollständiges Bild der Lieferkette, indem sie drei zentrale Fragen beantworten: Was ist es, wo ist es und was geschieht damit?
Wenn diese Daten kontinuierlich erfasst und in KI-Systeme eingespeist werden, entsteht ein System, das große Datenmengen in Echtzeit verarbeiten und in konkrete Handlungsempfehlungen umsetzen kann.

Dies verschafft Unternehmen die Transparenz und Flexibilität, die sie benötigen, um ihre Prozesse aktiv zu steuern, anstatt lediglich auf Entwicklungen zu reagieren.

Was bedeutet „was passiert damit“ in diesem Zusammenhang genau? Geht es hier um Sensordaten, also um den Zustand eines Produkts in der Lieferkette?

Ashley Burkle: Ja, genau. Mit „was passiert damit?“ meine ich in erster Linie die zusätzliche Ebene von Status- und Umgebungsdaten. Es geht also nicht nur darum, ein Produkt oder eine Anlage eindeutig zu identifizieren und seinen Standort zu kennen, sondern auch zu verstehen, was tatsächlich in der Lieferkette mit ihm geschieht.

Das könnte zum Beispiel bedeuten: Wird ein Produkt wärmer, obwohl es kühl bleiben sollte? Ist es Licht ausgesetzt, obwohl das vermieden werden sollte? Wird es bewegt, falsch gelagert oder verlässt es einen definierten Bereich? Genau diese Informationen liefern den zusätzlichen Kontext.

Dadurch entsteht eine ganz neue Ebene der Transparenz. Man sieht nicht mehr nur einen statischen Datenpunkt, sondern erhält ein besseres Verständnis für dessen Zustand, Nutzung und mögliche Abweichungen. Dies ist besonders wertvoll, wenn es um wiederverwendbare Vermögenswerte oder empfindliche Güter geht.

Und genau hier liegt eine der größten Stärken von BLE: Die Technologie fügt den Dateneingaben eine weitere Dimension hinzu und ergänzt damit die klassischen Fragen „Was ist es?“ und „Wo ist es?“ um die entscheidende Frage: „Was passiert damit?“

Wie ergänzen sich RFID und BLE in der Praxis?

Ashley Burkle: RFID und BLE werden in der Praxis oft zusammen eingesetzt, da sie unterschiedliche Stärken haben und sich daher sehr gut ergänzen.
RFID ist besonders effizient, wenn es darum geht, große Mengen an Artikeln schnell und skalierbar zu identifizieren. Es legt den Grundstein für Bestandstransparenz und ermöglicht es Unternehmen, genau zu wissen, welche Produkte sich wo befinden.

BLE erweitert diese Sichtweise um eine zusätzliche Dimension. Neben der einfachen Identifizierung liefert die Technologie Echtzeitinformationen über den Standort und den Status von Objekten, wie beispielsweise Bewegungsdaten oder Umgebungswerte wie die Temperatur.

Zusammen ergibt dies ein deutlich vollständigeres Bild der Lieferkette. Während RFID die Frage „Was ist es?“ beantwortet, liefert BLE zusätzliche Informationen zu „Wo ist es?“ und vor allem „Was passiert damit?“
Insbesondere in Kombination mit KI entsteht so ein System, das nicht nur Transparenz schafft, sondern auch Kontext bietet und eine aktive Steuerung von Prozessen ermöglicht.

Warum ist Echtzeit so wichtig?

Ashley Burkle: Echtzeit ist so wichtig, weil Unternehmen nur dann wirklich kontrollieren können, was in ihrer Lieferkette geschieht, wenn sie die Situation in dem Moment verstehen, in dem sie eintritt. Verzögerte Daten zeigen nur, was bereits geschehen ist. Das hilft bei der Analyse, aber nicht bei der sofortigen Reaktion.

Viele traditionelle Backend-Systeme verarbeiten Daten in erster Linie als Transaktionen. Sie zeigen an, dass etwas erfasst wurde, liefern aber noch keinen echten Kontext. Genau hier kommt KI ins Spiel: Sie kann eingehende Daten in Echtzeit analysieren und daraus sofort umsetzbare Erkenntnisse ableiten.

Der eigentliche Mehrwert liegt daher nicht nur in der Geschwindigkeit der Datenerfassung, sondern in der Fähigkeit, diese Daten sofort zu interpretieren und in Maßnahmen umzusetzen. Dies ermöglicht es Unternehmen, schneller zu reagieren, Prozesse anzupassen und fundierte Entscheidungen zu treffen.

Ich denke, dass dies auch im Zusammenhang mit dem Digital Product Passport eine wichtige Rolle spielen wird. Schließlich müssen dieselben Daten je nach Zielgruppe unterschiedlich dargestellt werden – einmal für operative Entscheidungen innerhalb des Unternehmens und einmal für den Endverbraucher. KI kann hier den notwendigen Kontext liefern und die Lücke zwischen diesen Perspektiven schließen.

Wie verändert Echtzeit-KI operative Prozesse, von der Erkenntnisgewinnung bis hin zu automatisierten Aktionen, etwa in Bestandsmanagement, Verlustprävention, Compliance, Logistikoptimierung und Ausnahmebehandlung?

Ashley Burkle: Moderne Lieferketten sind deutlich komplexer geworden, vor allem aufgrund von Omnichannel-Modellen und steigenden Verbrauchererwartungen. Genau deshalb reichen traditionelle, verzögerte Daten heute nicht mehr aus. Echtzeit-IoT-Daten bieten Transparenz in Bezug auf Bestände, Warenbewegungen und Status auf einem Niveau, das zuvor unmöglich war.

KI transformiert operative Prozesse, indem sie diese kontinuierlichen Datenströme in Echtzeit verarbeitet und daraus umsetzbare Erkenntnisse ableitet. Dadurch können Unternehmen nicht nur sehen, was in ihrer Lieferkette geschieht, sondern auch, wo Abweichungen, Risiken oder Engpässe auftreten. Dazu gehören beispielsweise falsch gelagerte Bestände, Probleme in der Kühlkette, verlorene Vermögenswerte wie Maschinen oder Mehrwegbehälter sowie andere Störungen, die Prozesse verlangsamen.

Der entscheidende Unterschied besteht darin, dass Echtzeit-KI über Transparenz hinausgeht. Sie schafft die Grundlage für schnellere Reaktionen, eine Neugewichtung von Prioritäten und ein effektiveres Prozessmanagement. Genau darin liegt ihr Wert für die Bestandsverwaltung, die Verlustprävention, die Logistikoptimierung und die Ausnahmebehandlung. In bestimmten Umgebungen kann dies auch zu automatisierten Maßnahmen führen, wie Warnmeldungen, Eskalationen oder systemgesteuerten Folgeaktionen, sobald definierte Abweichungen erkannt werden.

Branchenführer wie Amazon und Lululemon haben bereits gezeigt, wie datengesteuerte Transparenz die Markterwartungen verändern kann. KI hilft Lieferketten dabei, mit diesen Erwartungen Schritt zu halten, indem sie operative Echtzeitdaten in umsetzbare Erkenntnisse umwandelt.

Welche infrastrukturellen, technischen und organisatorischen Voraussetzungen sind notwendig, um Echtzeitdatenlösungen erfolgreich umzusetzen und den Übergang von Pilotprojekten zu skalierbaren Unternehmenslösungen zu schaffen?

Ashley Burkle: Betrachtet man Echtzeit-Datenlösungen aus der Perspektive des Endnutzers, ist die erste Voraussetzung eine Infrastruktur, die in der Lage ist, Daten kontinuierlich zu erfassen, zu übertragen und zu verarbeiten. Die konkreten Anforderungen hängen stark von der gewählten Technologie und dem jeweiligen Anwendungsfall ab.

Bei RFID liegt der Schwerpunkt vor allem auf einer Infrastruktur, die in der Lage ist, große Mengen an Artikeln schnell und zuverlässig zu identifizieren, wie beispielsweise kompatible Tags, Lesegeräte, definierte Lesepunkte und die Integration in übergeordnete Systeme. Bei BLE kommt eine weitere Ebene ins Spiel. Hier benötigt man zudem eine Umgebung, in der Standort- oder Sensordaten wie Temperatur, Bewegung oder Luftfeuchtigkeit in Echtzeit erfasst und in bestehende Systeme eingespeist werden können.

Es kommt jedoch nicht nur auf die Hardware an. Unternehmen benötigen auch Systeme, die diese Daten integrieren, verarbeiten und nutzbar machen. Hier liegt heute oft die eigentliche Herausforderung: nicht in der Technologie selbst, sondern in der Integration und Koordination zwischen den beteiligten Abteilungen.

Welche Lösung am besten geeignet ist, hängt davon ab, was ein Unternehmen erreichen möchte. Wenn große Bestände mit hoher Geschwindigkeit verfolgt werden müssen, ist RFID oft die richtige Wahl. Wenn Bedingungen wie Kühlkettenanforderungen überwacht werden müssen oder wiederverwendbare Bestände in Echtzeit verfolgt werden müssen, ist BLE oft besser geeignet.

Eine erfolgreiche Implementierung erfordert daher nicht nur die richtige technische Infrastruktur, sondern auch einen klar priorisierten Anwendungsfall, eine realistische Einschätzung des erwarteten ROI und eine Lösung, die von Anfang an auf Skalierbarkeit ausgelegt ist. In der Praxis stellen Unternehmen oft fest, dass sie nach der Implementierung mehr Daten und Anwendungsfälle nutzen als ursprünglich geplant. Hier liegt häufig der zusätzliche Mehrwert.

Und schließlich sollte der menschliche Faktor nicht unterschätzt werden: Schulungen, Überwachung, Feedbackschleifen und saubere Betriebsabläufe bleiben ein wesentlicher Bestandteil jeder erfolgreichen Implementierung.

Wie können sich Unternehmen vor sicherheitsrelevanten Risiken schützen, wenn Echtzeit-KI-Intelligenz Prozesse unterstützt?

Ashley Burkle: Wenn wir über die Rolle von KI in der Lieferkette sprechen, liegt der Schwerpunkt in erster Linie darauf, aus großen Mengen an Betriebsdaten umsetzbare Erkenntnisse abzuleiten, und nicht darauf, dass KI ohne Aufsicht autonome Entscheidungen trifft. Die Verantwortung für Interpretation, Bewertung und operative Maßnahmen liegt weiterhin beim Menschen.

Ein entscheidender Schutzfaktor ist in erster Linie die Qualität der Daten. Je besser, zuverlässiger und aktueller die Dateneingaben sind, desto robuster sind die daraus gewonnenen Erkenntnisse. Echtzeitdaten aus IoT-Technologien wie RFID und BLE tragen dazu bei, diese Grundlage deutlich zu verbessern.

Gleichzeitig muss die Sicherheit auf mehreren Ebenen berücksichtigt werden. Dazu gehören der Schutz auf Tag- und Chip-Ebene, Authentifizierung, Verschlüsselung sowie der sichere Umgang mit Daten, sobald diese in Unternehmenssysteme übertragen und dort verarbeitet werden. Datensicherheit und Datenschutz sind hier ebenso wichtig wie die Absicherung der zugrunde liegenden IoT-Infrastruktur.

Ein mehrschichtiger Ansatz ist daher entscheidend: sichere Datenerfassung, geschützte Übertragung, zuverlässige Systemarchitekturen und menschliche Aufsicht bei Bewertung und Umsetzung. Genau diese Kombination hilft Unternehmen, sicherheitsrelevante Risiken zu minimieren, auch wenn KI Prozesse in Echtzeit unterstützt.

Ich denke aber, dass wir inzwischen an einem sehr guten Punkt angekommen sind, an dem der Chip selbst und die Daten, die von diesem IoT-Sensor kommen, sehr sicher sind.