Um die Produktverfügbarkeit am Point of Sale jederzeit zu garantieren, setzt der Schweizer Lebensmittel-Multi Nestle mit Zentrale in Vevey auf Forecasting von SAS. Um dabei den eigenen Lagerbestand so gering wie möglich zu halten, muss die Lieferkette optimal gesteuert werden. Die Planung auf globaler Ebene ist bei rund einer Milliarde verkauften Produkten pro Tag eine komplexe Angelegenheit.
Produktkategorien, Verkaufsregionen und die verschiedenen Fachbereiche ergeben eine umfangreiche Matrix. Saisonalitäten, die Abhängigkeiten etwa von Ernten (und damit vom Wetter), Nachfrageschwankungen und Trends – und auch die Verderblichkeit vieler Produkte erschweren Produktionsplanung und Logistik. So muss beispielsweise Speiseeis im Voraus produziert werden, wozu Milchprodukte zu günstigen Preisen verfügbar sein sollten.
"Das Supply Chain Management bei Nestlé ist ein äusserst etablierter, unternehmensweit anerkannter Prozess", erklärte Marcel Baumgartner, in der Konzernzentrale zuständig für Demand Planning Performance and Statistical Forecasting, anlässlich der Analytics-Konferenz "SAS Analytics Experience" kürzlich in Mailand. "Unsere Beschäftigten in diesem Bereich kümmern sich beispielsweise um Transportnetzwerke oder betreiben hocheffiziente Lagerhäuser, und sie arbeiten direkt an der Schnittstelle zu unseren Kunden. Ein besonders wichtiger Aspekt in diesem Zusammenhang ist die Planung – genauer gesagt: die Planung von Angebot und Nachfrage." Entscheidend sei, in diesem Umfeld die Zuverlässigkeit von Forecasts sicher beurteilen zu können. "Wie präzise sich die Nachfrage nach einem Produkt vorhersagen lässt, hängt in höchstem Masse von den Schwankungen ab, denen sie unterliegt", so Baumgartner. "Und gerade bei stark schwankender Nachfrage ist die Methodenauswahl und -kombination entscheidend. Und die erleichtert der SAS Forecast Server enorm."
Auch das Centre Hospitalier Universitaire (CHU) de Montpellier kommt mit KI von SAS zu schnelleren Prozessen in der Klinik. Daten sind im Klinikbereich reichlich vorhanden und von grossem Wert. Wird ein neuer Patient aufgenommen, muss die Beschreibung seiner Symptome erfasst und ausgewertet werden, bevor eine Diagnose gestellt werden kann. In dringenden Fällen werden diese Daten häufig von mehreren Ärzten, Technikern und anderen Experten bewertet. Das CHU de Montpellier hat sich für die KI-Lösungen von SAS entschieden, um seine Klinikabläufe und die Patientenversorgung von Grund auf zu optimieren. Dazu setzt die Klinik auf Datenvisualisierung um Aktivitätsberichte, Patientenbehandlung und -abwicklung zu verbessern sowie die Mitarbeiter zu entlasten. Bisher hatte die Klinik jedoch ausschliesslich strukturierte Daten erfasst. Mit der Implementierung von Machine Learning und Deep Learning hat das CHU die Voraussetzung geschaffen, um auch die bisher nicht verarbeitbaren unstrukturierten Daten zu berücksichtigen, die zum Beispiel in medizinischen Dokumenten oder Schwesternberichten enthalten sind. Ziel ist es, schnell und automatisch Modelle zu produzieren, die grössere Mengen an komplexeren Daten analysieren können und schnellere, präzisere Ergebnisse liefern. Zu den bisher umgesetzten Projekten gehört die Auswertung von klinischen Notizen und medizinischen Berichten, um das Patienten-Screening zu verbessern und automatisch Diagnosen und Behandlungsformen mittels Standardklassifikationen zu erfassen.
"Die Klinik verfügt über eine enorme Datenmenge, die bisher einfach links liegen gelassen wurde", sagte Caroline Dunoyer-Ortiz, Head of the Medical Information Processing Unit beim CHU de Montpellier, ebenfalls an der SAS Analytics Experience. "Der Zugriff auf diese Daten und die zeitnahe Auswertung mit KI vermöglichen es uns nicht nur, unsere Patienten besser zu diagnostizieren und zu behandeln. Dies erhöht auch unser Forschungspotenzial, indem es unsere Mitarbeiter bei ihrer täglichen Arbeit unterstützt."
Der Online-Stellenmarkt für ICT Professionals