Prof. Knut Alicke (McKinsey) und Boris Felgendreher diskutieren mit einer Gruppe von Supply Chain und Logistik Verantwortlichen aus Industrie und Handel über die Rolle von KI in der Supply Chain und wie stark sie Arbeitsweisen, Talentbedarf und Technologieentscheidungen verändert. Die Runde diskutiert, warum viele Unternehmen zögern, welche Chancen KI praktisch schon eröffnet und wie sich Organisationen auf eine zunehmend KI-getriebene Logistik vorbereiten können. Unter anderem geht es dabei um folgende Themen: • Rückblick: Knuts frühe Arbeit zu KI-Methoden (Constraint Satisfaction) und Abgrenzung alter Algorithmen zu heutiger KI. • Hype oder Blase? Diskussion, ob KI im Supply-Chain-Kontext überhaupt überhypt ist oder die Branche eher zögerlich agiert. • Deutsche Zurückhaltung: Risiko, dass “Blasen”-Argumente als Ausrede dienen, um Innovation zu vermeiden. • Einfluss der CEO-Nutzung: Wenn Top-Management KI aktiv nutzt, entstehen realistischere Erwartungen und echte Pilotprojekte. • Verbot vs. Befähigung: Firmen, die KI-Tools sperren, behindern Lernen; sinnvoller ist kontrolliertes Experimentieren. • Arbeitsmarktveränderungen: Einstiegsjobs verschwinden teilweise, KI-Natives werden wichtiger; klassische Karrierepfade verändern sich. • Schwieriger Einstieg ohne Routinejobs: Wie Nachwuchs trotz wegfallender “Excel-Pflichtjahre” Unternehmensprozesse schnell erlernen kann. • Beispiel KI-Native: 17-jähriger, der mithilfe von KI ein Videospiel programmiert – als Beleg für den Kompetenzsprung junger Talente. • Recruiting-Praxis: Einige Unternehmen selektieren bereits nach KI-Offenheit; andere noch kaum. • Technologiefirmen im Handel: Fall Picnic – radikal eigene Softwareentwicklung; geringe Abhängigkeit von Standardtools. • Zukunft von Softwareentwicklung: KI als Multiplikator → “8 Milliarden Programmierer”-Gedanke, Fachbereiche programmieren mit. • Talentproblem in Deutschland: Schwierigkeit, Weltklasse-Entwickler zu finden; Nearshoring/Offshoring als gängige Praxis. • Strategische Frage: Muss jedes Unternehmen Tech-Expertise inhouse aufbauen oder stärker auf Dienstleister setzen? • Gefahr der Abhängigkeit: Wer KI-Kompetenz komplett auslagert, kann Dienstleister nicht challengen. • Debatte über Realismus: Können traditionelle Firmen wirklich attraktiv für KI-Talente werden? • Praxisbeispiel: Interner Entwickler löst Aufgaben schneller/effizienter als gekaufte Software; zeigt Potenzial kleiner Teams unter KI-Nutzung. • Wandel der Softwareanbieter: Weniger “Code-Fabrik”, mehr eingebettete Expertise; KI übernimmt Dokumentation, Tests, Compliance. • Knuts Projekt: Aufbau eines “digitalen Supply-Chain-Avatars”, der Meetings analysiert und Prozessfehler erkennt. • Szenario: KI beobachtet Demand-Review-Meetings, erkennt Muster (z. B. Forecast-Manipulation) und gibt Feedback. • Rolle von LLMs: Unterstützung, aber nicht Ersatz für numerische Modelle; Vorsicht wegen Halluzinationen. • Beispiele aus der Praxis: KI hilft bereits stark bei Excel-Analysen, Ad-hoc-Szenarien, Störungsbehebung. • Wunsch-Anwendungen: KI-gestützte Prozessanalysen, schnelle Due-Diligence-Bewertungen, automatische Netzwerkanalysen bei Zukäufen. • Trend zur Entkopplung: Nicht mehr alles auf ein großes ERP zwangsvereinheitlichen; KI als Übersetzungs- und Integrationsschicht. Hilfreiche Links: Prof. Knut Alicke auf LinkedIn: https://www.linkedin.com/in/knut-alicke/ Boris Felgendreher auf LinkedIn: https://www.linkedin.com/in/borisfelgendreher/