Big Data entwickelt sich für die Logistik immer mehr zur Schlüsseltechnologie. In der Vision einer Industrie 4.0 – die Automatisierungen bis hinunter zur Losgröße 1 (also der individuellen Fertigung von Einzelaufträgen im Industriemaßstab) sowie Wertschöpfungsketten und Supply-Chains über Firmengrenzen hinweg ermöglichen will – ist Big Data so etwas wie der Treibstoff, der diese Vernetzung in Bewegung bringt und in Gang hält. Die Logistik der Zukunft wird zudem aller Voraussicht nach eine Logistik des Internets der Dinge sein, das ohne Big Data gar nicht denkbar ist. Doch schon heute hilft Big Data selbst dem Mittelstand, optimaler zu planen.

Big Data in der Logistik. Symbolfoto von einer Bohrinsel READMORE Big Data ist das Öl der Industrie 4.0. (tsuda; CC BY-SA 2.0)

Was bedeutet Big Data in der Logistik?

Der Begriff Big Data beschreibt im engeren Wortsinn zunächst einfach nur die Möglichkeit, mithilfe von Computern große Datenmengen zu "verrechnen" und damit beherrschbar zu machen. Die Rechnerleistungen bei Big Data beschränken sich jedoch nicht nur auf die schiere Masse der zu verrechnenden Daten (Dimension 1: Volume). Im erweiterten Sinn beschreibt Big Data vielmehr eine Technik zur Beherrschung von Komplexität. Es geht bei dem Begriff also nicht einfach nur darum, mit großen Menge von Daten zu hantieren. Schließlich ist "groß" ein relationaler Begriff und daher nur aussagekräftig, wenn die Größe in Bezug zu etwas gestellt wird.

Zur Menge der verarbeiteten Daten kommen bei Big Data daher weitere Dimensionen hinzu. So ermöglicht Big Data etwa auch die Verarbeitung (bzw. Verknüpfung) von Daten unterschiedlichster Formate (Dimension 2: Variety). Es können beispielsweise sowohl strukturierte Daten aus klassischen Datenbanken verarbeiten als auch etwa Informationen, die aus Texten oder Bildern sozialer Medien gewonnen werden.

Zum Begriffsfeld Big Data gehört zudem, dass die Daten sehr schnell und oft sogar in Echtzeit verarbeitet werden können (Dimension 3: Velocity). Informationen (etwa über Staugefahren) lassen sich so unmittelbar aus einem konkreten, komplexen Geschehen (wie dem Verkehrsaufkommen) gewinnen und entsprechend weitergeben. Mit der hohen Geschwindigkeit von Big Data Prozessen verbunden ist die Dimension der Überprüfung auf Richtigkeit und Wahrhaftigkeit der Daten (Dimension 4: Veracity). Irrelevante Daten (im Fall der Stauberechnung etwa eine sich rasch auflösende Stop-and-go-Situation) werden automatisch außer Acht gelassen. Big Data identifiziert auf diese Weise wiederkehrende Muster und ermöglicht so auch die Bildung von Prognosen – etwa über die Bildung von Staus auf bestimmten Strecken vor Feiertagen.

Für die Logistik entscheidend ist daher die Beschreibung des Begriffs Big Data als einer Technologie, die "die richtigen Informationen dem richtigen Adressaten zur richtigen Zeit in der richtigen Menge am richtigen Ort und in der erforderlichen Qualität bereitstellen".

Diese Technologie ist zwar IT-basiert, jedoch keine konkrete Methode oder gar eine Maschine. Vielmehr werden unter dem Begriff Big Data Entscheidungslösungen zusammengefasst, die auf der Grundlage von Datenmengen in den Dimensionen Volume, Varierty, Velocity und Veracity beruhen. Big Data dient mithin vor allem der Optimierung der "Business Intelligenz" von Unternehmen. Wie in anderen Wirtschaftsbereichen auch, wird Big Data in der Logistik vor allem eingesetzt, um Wettbewerbsvorteile zu erringen. Wie groß diese Wettbewerbsvorteile jeweils ausfallen, hängt stets von der Art und Weise ab, wie Big Data jeweils eingesetzt wird.

Anwendungsmöglichkeiten von Big Data in der Logistik

Bereits heute wird Big Data in der Logistik beim Flottenmanagement eingesetzt. Die Fahrzeuge senden dafür fortlaufend Daten über ihren Standort, über Beladung, Fahrverhalten und Verbrauchswerte. Diese Daten können in Echtzeit ausgewertet werden, sodass in Kombination mit Lenk- und Ruhezeiten, Fahrzeiten und Ankunftsinformationen Kraftstoff eingespart, Personal und Fahrzeuge optimal eingesetzt und so insgesamt die Wirtschaftlichkeit der Flotte erhöht wird.

Big Data wird zudem auch schon zum Risikomanagement eingesetzt. Gesammelt werden dafür Daten zu Ereignissen, die einen Einfluss auf Logistikketten haben können wie etwa das Wetter, Streiks, die Verkehrslage, aber auch Kriminalität in bestimmten Regionen. Genutzt werden dafür sowohl speziell eingeholte Berichte als auch Daten aus sozialen Medien (Facebook, Twitter etc.), Blogs oder Zeitungsberichten. Der "intelligente Tachograf", der in der EU ab 2019 eingeführt wird, soll beispielsweise Daten über das Verkehrsaufkommen jeweils in Echtzeit an eine zentrale Verkehrsleitstelle liefern. Stauvorhersagen werden damit präziser.

Ein Anwendungsbeispiel, das in naher Zukunft rasch an Bedeutung gewinnen wird, ist mit der RFID-Technik und dem Internet der Dinge verknüpft. RFID-Chips ermöglichen es, Waren bis hinunter zum Einzelstückgut mit "Intelligenz zu versehen". Die Ware sucht sich mit dieser Technik den besten Weg zum Kunden dann quasi selbst. Benötigt wird dafür eine noch aufzubauende Big Data Infrastruktur, die mit der Komplexität der Daten zurechtkommt.

Big Data ist längst auch in mittelständigen Logistik-Unternehmen angekommen

Laut einer Studie von bitkom research setzten 2016 mittelständische Unternehmen in Deutschland (mit 500 bis 1999 Mitarbeitern) bereits zu 62 Prozent Big Data für ihr Geschäft ein. Im Jahr zuvor waren es lediglich 44 Prozent. Hauptsächlich wurden Big Data Lösungen eingesetzt, um die Effizienz zu steigern (sh. oben Flottenmanagement). Ein Drittel der befragten Unternehmen gab zudem an, dass sich durch den Einfluss der Big Data Instrumente ihr Geschäftsmodell verändert habe.

Hintergrund dazu ist, dass bereits 40 Prozent der Unternehmen solche Datenanalysen nutzen, um Abläufe im Betrieb besser zu managen. Auch die Beziehung zu Kunden wird bereits von 37 Prozent der Mittelständler mithilfe von Big Data analysiert. 33 Prozent steuern ihren Personaleinsatz bereits Big Data getrieben und 21 Prozent nutzen das Instrument, um Risiken zu managen. Diese Prozentsätze würden sicher höher ausfallen, hätten nicht lediglich 12 Prozent der Unternehmen auch eine Big Data Strategie. Anders formuliert: 88 Prozent der Unternehmen, die Big Data nutzen, haben dafür keine gesonderte Strategie entwickelt. Das ist vor allem deshalb befremdlich, weil es die Strategie ist, die entscheidet, ob aus Big Data auch wirklich Wettbewerbsvorteile gewonnen werden können.

Erfolgreicher durch die richtige Big Data Strategie

Daten sind kein Selbstzweck. Big Data ist daher auch kein Allheilmittel, dass blind eingesetzt werden kann, um die Effektivität eines Unternehmens zu steigern. Jeder Betrieb, und innerhalb jedes Betriebs auch jede Abteilung, interessiert sich für jeweils ganz spezifische Datensätze. Die Stärke von Big Data wird aber erst dann ausgespielt, wenn diese unterschiedlichen Interessen zusammengeführt und damit auch zusammengesehen werden. In Betrieben gewachsene "Silos" müssen daher oft erst aufgegeben werden, um Big Data sinnvoll einsetzen zu können. Big Data ist daher immer auch eine Management-Instrument. Mithilfe der Datenanalysen kann das Geschäft und dessen Umfeld sowohl klarer gesehen als auch tiefer verstanden werden. Eine Big Data Strategie sollte daher stets

Mit der richtigen Strategie kann Big Data mithin helfen, Logistik-Abläufe effizienter zu gestalten, Leerfahrten können vermieden und die Umwelt damit geschont werden.

Risiken von Big Data

Das Risiko dieser Technologie besteht für die Unternehmen vor allem darin, womöglich falsche Schlüsse aus den Daten zu ziehen und eventuell in unpassende Geschäftsfelder zu investieren. Die Versuchung ist groß, sich von der Datenflut zu dem Irrglauben verleiten zu lassen, die Zahlen würden automatisch den Weg in die Zukunft weisen. Gerade Innovationen entspringen meist eher einer Idee als der Analyse von Kundenbedürfnissen. Ein Beispiel:

Obwohl Amazon berühmt dafür ist, das Kundenverhalten auf der Plattform minutiös festzuhalten und zu analysieren, entsprang die "Prime"-Idee dem Gedanken, so ein Abo-System für Bestellungen einfach einmal auszuprobieren. Laut Amazon-Chef Jeff Bezos hatte nicht ein Kunde jemals auch nur andeutungsweise nach einem derartigen Service gefragt. Bei der Ab- und Weiterentwicklung des Prime-Services setzt Amazon dagegen selbstverständlich auf Big Data. Es kommt daher immer darauf an, das Instrument im richtigen Augenblick richtig einzusetzen.

Ein weiteres Risiko birgt ein mangelnder Datenschutz. Big Data benötigt viele Daten und damit die Zustimmung vieler Menschen und Gruppen, Daten zu erfassen und zu verarbeiten. Wird diese Zustimmung missbraucht – und sei es durch einen Hackerangriff – ist der Imageschaden mitunter gewaltig. Im Fahrwasser der Karriere des Begriffs Big Data fährt entsprechend der Datenschutz mit und gewinnt ebenfalls weiter an Bedeutung.