5 Trends aus dem Hype Cycle von Gartner für Lieferkettenstrategie, 2020

In diesem Jahr der Ungewissheit und Beeinträchtigung müssen Lieferkettenleiter danach streben, den Fokus auf grundlegende Fähigkeiten mit dem Streben nach Innovation in Einklang zu bringen. Unternehmen, die jetzt die Grundlage für ihren Erfolg legen, werden in der Lage sein, den wirtschaftlichen Abschwung viel schneller als ihre Wettbewerber zu beenden.

„Ein Gartner Hype Cycle ist eine ausgezeichnete Möglichkeit für Lieferkettenleiter, herauszufinden, welche Maßnahmen als Nächstes ergriffen werden müssen, wo jetzt investiert werden soll und was auf dem Radar bleiben soll“, sagt Noha Tohamy, Distinguished VP Analyst bei Gartner. „Einige der Fähigkeiten sind sehr nah am Reifegrad, während andere wie künstliche Intelligenz (KI) sich noch entwickeln. Dennoch müssen Führungskräfte ihr Potenzial für die Geschäftstransformation realisieren und mit der aktiven Erkundung und dem Experimentieren beginnen.“

Im Gartner Hype Cycle for Supply Chain Strategy, 2020, gibt es eine große Anzahl von Fähigkeiten links neben dem Gipfel, die die vielen aufkommenden Fähigkeiten widerspiegeln, die Lieferkettenabteilungen untersuchen. Auf der rechten Seite befinden sich die Fähigkeiten, die Unternehmen aktiv in großem Maßstab übernehmen sollten, um ihre Leistung zu optimieren.

Hier sind fünf Fähigkeiten aus dem Gartner Hype Cycle for Supply Chain Strategy, 2020, die Lieferkettenleiter auf ihrem Radar haben sollten.

Erfahren Sie mehr: Über die Methodik des Gartner Hype Cycle

Künstliche Intelligenz (KI) befindet sich immer am Anfang des Hype Cycle und es wird ein weiteres Jahrzehnt dauern, bis sie ihre Reife erreicht. Ihre Auswirkungen werden jedoch transformativ sein, da sie die Vision eines Unternehmens für eine umfassendere Lieferkettenautomatisierung unterstützen.

Im letzten Jahr hat sich die Einführung von KI aufgrund eines gesteigerten Bewusstseins, einer erweiterten Vision der Lieferkettenautomatisierung und der zunehmenden Verfügbarkeit von Supply-Chain-spezifischen KI-Lösungen deutlich verbessert. Early Adopter berichten von vielversprechenden Vorteilen, gehen aber nur langsam mit breiter angelegten KI-Projekten voran.

Lieferkettenleiter sollten mit dem Experimentieren mit der Technologie beginnen, sich jedoch klar auf die Anwendungsfälle konzentrieren, die das größte Potenzial bieten. Es ist auch wichtig, über alle kulturellen Veränderungen nachzudenken, die mit der weiteren Einführung von KI einhergehen könnten, und die Benutzer zu schulen, um KI in ihre Entscheidungsfindungsprozesse zu integrieren.

Das Konzept der immersiven Erfahrung beschreibt die Mischung von digitaler und physischer Realität, um eine verbesserte Erfahrung zu schaffen. Es handelt sich um eine Kombination aus Konversationssystemen und erweiterter, virtueller oder gemischter Realität und befindet sich derzeit oben im Hype Cycle.

Während einige Branchen – insbesondere Medizin und Militär – bereits immersive Erfahrungsfunktionen erforschen, betrachten die meisten Unternehmen das Konzept immer noch als Neuheit. Da sich jedoch die Kosten und die Leistung der Hardware verbessern, wird die Akzeptanz steigen. Im Laufe der Zeit werden neue Lösungen entstehen, die derzeit nicht verfügbare Funktionen bieten und die Einführung beschleunigen.

Webinar ansehen: Lieferkettenstrategien zum Aufbau von belastbaren Versorgungsnetzwerken

Das Internet der Dinge (Internet of Things, IoT) ist im Hype Cycle ganz nach unten gerutscht. Viele Unternehmen haben die Technologie in irgendeiner Form implementiert, aber sie haben Schwierigkeiten, die besten Möglichkeiten für die Nutzung ihrer Mess- und Nachverfolgungsfunktionen zu definieren.

Dennoch gibt es in den nächsten Jahren ein großes Potenzial, seine Nutzung zu steigern. Gartner schätzt, dass die installierten IoT-Endpunkte für die Fertigungs- und Rohstoffbranchen 2028 auf 1,9 Milliarden Einheiten wachsen werden. Das ist das Fünffache der im Jahr 2018 installierten 331,5 Millionen Einheiten.

Für Lieferkettenleiter, die IoT-Fähigkeiten implementieren oder erweitern möchten, ist es wichtig, mit Fachexperten zusammenzuarbeiten, um Lieferkettenprozesse zu identifizieren, die von IoT profitieren können, da Prozesse in einigen Fällen neu gestaltet werden müssen, um IoT-Fähigkeiten zu berücksichtigen.

Webinar ansehen: Die Lieferkette auf dem Weg zum digitalen Erfolg führen

Eine digitale Lieferkettenstrategie bereitet die Lieferkette auf die Schaffung einer kurz- und langfristigen Vision vor, die die Interessengruppen hinter einem integrierten Satz von Prinzipien sowie digital aktivierten Fähigkeiten und Investitionen aufeinander abstimmt. Die Strategie definiert eine digitale Roadmap für die Lieferkette, die die Ambitionen des Unternehmens unterstützt und gleichzeitig die Transformations- und Optimierungsinitiativen miteinander in Einklang bringt.

Die digitale Lieferkettenstrategie bewegt sich derzeit immer weiter nach oben. Einer kürzlich durchgeführten Gartner-Umfrage zufolge haben 82 % der Führungskräfte eine Managementinitiative oder ein Transformationsprogramm ins Leben gerufen, um das Unternehmen digitaler zu machen, und fast die Hälfte der Lieferkettenorganisationen haben aktiv damit begonnen, eine Roadmap für die digitale Lieferkette zu definieren, zu implementieren oder haben sie bereits implementiert.

Descriptive Analytics sind die Anwendung von Logik, Mustererkennung sowie Erkennungs- und Geschäftsregeln auf Daten. Es hilft Unternehmen zu verstehen, was aktuell passiert oder passiert ist – zum Beispiel über eine Lieferketten-Transparenzlösung.

Erfahren Sie mehr: Aufbau größerer Kompetenz in der Lieferkettenanalysestrategie

Diese Funktion hat fast das Ende des Hype Cycle erreicht, da sie heute als grundlegender und natürlicher Ausgangspunkt für Unternehmen gilt, die ihre Lieferkettenleistung verstehen möchten.

Descriptive Analytics umfassen jetzt eine Vielzahl von Formaten wie statische Berichte, interaktive Dashboards und Datenvisualisierung. Die unterstützenden Technologien reichen von den grundlegendsten Tabellenkalkulationen bis hin zu Plattformen für maschinelles Lernen. Der nächste Schritt besteht darin, mehr Self-Service-Optionen einzubeziehen und maschinelles Lernen in neue Lösungen zu integrieren.