Band 7
der Reihe "Augsburger Hochschulschriften für optimierte Wertschöpfung"
49,80
€
inkl. MwSt
- Verlag: Shaker
- Genre: keine Angabe / keine Angabe
- Seitenzahl: 174
- Ersterscheinung: 30.04.2026
- ISBN: 9783819101052
Potenziale der Anwendung von Künstlicher Intelligenz im Supply Chain Risk Management
Eine Analyse von Schnittstellen und Einsatzmöglichkeiten
Um den Anforderungen der digitalen Geschäftswelt zu begegnen, sind innovative Lösungen im Supply Chain Risk Management (SCRM) notwendig. Künstliche Intelligenz (KI) gilt dabei als vielversprechendes Instrument. Es gibt jedoch Unsicherheit über deren Potenziale und Anwendungsmöglichkeiten. Diese Arbeit untersucht, wie KI im SCRM eingesetzt werden kann.
Zunächst werden die Grundlagen von SCRM und KI sowie der aktuelle Forschungsstand dargestellt. Darauf aufbauend werden Hypothesen zum Einsatz von KI in der deskriptiven, prädiktiven und präskriptiven Analyse sowie zur Automatisierung formuliert. Zwei strukturierte Literaturrecherchen analysieren die funktionalen Potenziale von KI und die Herausforderungen eines resilienten SCRM, die den einzelnen Phasen des Prozesses zugeordnet werden.
Die Ergebnisse zeigen, wie KI gezielt im SCRM-Prozess eingesetzt werden kann. Besonders relevante Anwendungsfälle sind Datenextraktion aus Big Data, prädiktive und präskriptive Analysen, Anomalieerkennung, Automatisierung sowie Clustering und Klassifikation. Diese Anwendungen helfen, Risiken frühzeitig zu erkennen, Prozesse zu optimieren und fundierte Entscheidungen zu treffen.
Zunächst werden die Grundlagen von SCRM und KI sowie der aktuelle Forschungsstand dargestellt. Darauf aufbauend werden Hypothesen zum Einsatz von KI in der deskriptiven, prädiktiven und präskriptiven Analyse sowie zur Automatisierung formuliert. Zwei strukturierte Literaturrecherchen analysieren die funktionalen Potenziale von KI und die Herausforderungen eines resilienten SCRM, die den einzelnen Phasen des Prozesses zugeordnet werden.
Die Ergebnisse zeigen, wie KI gezielt im SCRM-Prozess eingesetzt werden kann. Besonders relevante Anwendungsfälle sind Datenextraktion aus Big Data, prädiktive und präskriptive Analysen, Anomalieerkennung, Automatisierung sowie Clustering und Klassifikation. Diese Anwendungen helfen, Risiken frühzeitig zu erkennen, Prozesse zu optimieren und fundierte Entscheidungen zu treffen.
Meinungen aus der Lesejury
Es sind noch keine Einträge vorhanden.