In einem Interview im Podcast von Supply Chain Brain erläuterte der MIT-Forscher Matthias Winkenbach, wie das in Zusammenarbeit mit Mecalux entwickelte System GENESIS die Auswertung von Tausenden von Bestandsstrategien innerhalb weniger Minuten ermöglicht.
„Viele Unternehmen, die früher mit zwei oder drei großen Vertriebszentren arbeiteten, betreiben heute globale Netzwerke aus Dutzenden von Lagern“, erklärte Winkenbach, Forschungsleiter am Center for Transportation & Logistics (CTL) des MIT. „Bei einem Betrieb dieser Größenordnung lässt sich nur schwer bestimmen, welche Produkte an den einzelnen Lagerstandorten gelagert werden sollen.“
Im Hinblick auf die Optimierung der Bestandsverteilung haben das MIT CTL und Mecalux gemeinsam an der Entwicklung von GENESIS (Genetic Evaluation & Simulation for Inventory Strategy) gearbeitet. Diese Plattform kombiniert Simulationstools und maschinelles Lernen, um Strategien zur Bestandsverteilung auf mehrere Lager zu bewerten.
GENESIS unterstützt Unternehmen bei der Bestandsverwaltung und Nachschubplanung unter Berücksichtigung ihres gesamten Logistiknetzwerks. Dank dieser Plattform lässt sich ermitteln, wie viel Bestand an den einzelnen Lagerstandorten gelagert sein muss, wann Produkte aufgefüllt werden müssen und wie die Bestände zur Deckung des künftigen Bedarfs verteilt werden sollten.
„Der große Vorteil von GENESIS liegt in seiner Geschwindigkeit“, erklärte Winkenbach im Podcast von Supply Chain Brain. „Sie brauchen einen Gesamtüberblick über das Netzwerk, aber auch ein Tool, das Empfehlungen innerhalb von Minuten und nicht erst nach Stunden liefern kann.“ Durch die gleichzeitige Auswertung Tausender Bestands- und Nachfrageszenarien ermöglicht die Plattform den Planungsverantwortlichen, verschiedene Alternativen zu vergleichen und Kosten, Lagerbestände und Kundenservice optimal aufeinander abzustimmen.
Anstatt strategische Entscheidungen zu automatisieren, fungiert GENESIS als Unterstützungstool, das Empfehlungen ausspricht und Unternehmen bei der Bewertung eines breiteren Spektrums möglicher Zukunftsszenarien unterstützt.