KI ist nicht nur Konzernsache

Large Language Models (LLM) werden genutzt, um Informationen und Hilfestellung zu erhalten oder Inhalte zu produzieren. Laut der Studie „How People Use ChatGPT“ des National Bureau of Economic Research stiegen die Nutzerzahlen von circa 50 Millionen im April 2023 auf über 700 Millionen im Juli 2025. Die zwei Hauptrichtungen der Nutzung sind Recherche und Wissensmanagement sowie die sogenannte agentische Nutzung, in der dem LLM durch Parametrierung eine konkrete Aufgabe gegeben wird. Nicht umsonst hat sich „KI in Unternehmen“ schnell zu einem Schlagwort entwickelt, unter dem zahlreiche Dienstleister und Plattformen eine schnelle und einfache Integration versprechen. Doch hier kommen mit Datenschutz, Sicherheit, digitaler Souveränität oder auch dem Aufbau von Kompetenzen zahlreiche Themen hinzu, die man als Unternehmen gerne selbst in der Hand behalten möchte.

KI im Unternehmen kann häufig auf vorhandene Strukturen aufsetzen

Softwareunternehmen stellen meist nicht nur ihre Produkte zur Verfügung. Um diese zentrale Dienstleistung sind häufig zusätzliche DevOps, ITOps, Entwicklungs- und Data-Engineering-Teams als Teil des Tagesgeschäfts angelagert. Damit sind die Grundlagen für eine individuelle und vor allem sichere Integration einer mehrschichtigen KI-Landschaft bereits zu großen Teilen abgedeckt. TUP schuf daher aus vorhandenen Teams den Bereich TUP.AI, der lediglich um wenige Mitarbeitende mit KI-Spezialisierung erweitert wurde. Die erste und wichtigste Aufgabe war, alle KI- und Business-Intelligence-Felder zu bündeln und in eine standardisierte Anforderungsdokumentation zu überführen. Auf dieser Basis entstanden Entwürfe für intelligente Werkzeuge, die operative Abläufe sowie den Zugang zu Daten und Wissen beschleunigen sollten. Um dabei die Faktoren Datenschutz, -sicherheit und -souveränität gewährleisten zu können, war der Weg in ein firmeninternes Ökosystem unumgänglich.

Der Aufbau des KI-Ökosystems bei TUP

Um eigene unternehmensrelevante Daten oder die von Projektpartnern sicher verarbeiten zu können, wurde die Verarbeitung von Informationen vollständig auf externe und interne Lösungen aufgeteilt. Die interne Schicht unterteilt sich grob in Bereitstellungs- und Service-Schicht. In ersterer befinden sich die Werkzeuge und ihre Infrastruktur, in der zweiten die konfigurierten Lösungen sowie die Datenbanken. Externe Anbieter werden über Schnittstellen angebunden und können so flexibel eingesetzt oder getauscht werden, ohne das eigentliche Kernökosystem zu gefährden. Die neuen Möglichkeiten werden in bestehende Anwendungen wie Mailclients, den Unternehmens-Chat und Nutzeroberflächen integriert. So muss keine neue Benutzeroberfläche erlernt werden, was Akzeptanz und Einführung deutlich vereinfacht.

Für die Verknüpfungen im Hintergrund zwischen KI-Werkzeugen, Endnutzerapplikationen und Datenbanken stehen inzwischen zuverlässige Protokolle und Plattformen wie das Model „Context Protocol“ (MCP) und die Automatisierungsplattform „n8n“ zur Verfügung. Der Vorteil der beiden Lösungen ist, dass individuelle Schnittstellen wegfallen und Workflows in visuellen Editoren erstellt werden können. So entfällt viel initiale Entwicklungs- sowie langfristige Wartungsarbeit. Durch den visuellen Editor können entsprechend geschulte Power-User selbst Workflows entwerfen und zu implementieren.

Die unmittelbaren Einsatzmöglichkeiten

Im ersten Schritt eignen sich die Werkzeuge für das Sammeln und Aufbereiten von Informationen sowie die Automatisierung wiederkehrender administrativer Aufgaben. Im Falle von TUP wurden zum Start folgende Lösungen bereitgestellt:

• Ein unternehmensweiter Wissens-Chatbot macht internes Wissen zentral und schnell abrufbar. Nutzer müssen nicht länger verschiedene Plattformen durchsuchen, sondern erhalten alle Antworten gebündelt an einem Ort im Chat. Das Tool unterstützt unter anderem auch verschiedene Anwendungsmodelle, die analog zu den sogenannten GPTs in ChatGPT für einen bestimmten Zweck vordefiniert sind.
• So bietet „myTUP“ bei seinem Start Anwendungsmodelle zur DSGVO-konformen Pseudonymisierung, Dateiübersetzung, Use-Case-Erstellung sowie – Stichwort Befähigung – Hilfestellungen beim Prompting selbst.
• Ein automatischer Newsroom im Unternehmenschat, in dem aktuelle Beiträge definierter Quellen (beispielsweise Intranet) bei Erscheinen kurz und prägnant zusammengefasst werden.
• Die automatisierte Abwicklung und Kalendereintragung von per E-Mail eingereichten Meldungen zu Krank- und Abwesenheiten oder mobilem Arbeiten.
• Die automatische und vor allem interaktive Buchung von Meetingräumen für interne Meetings und Kundentermine.

Auf Basis dieser ersten Schritte ist klar, wo das Potential eines eigenen KI-Ökosystems für die intralogistischen Prozesse der Projektpartner TUPs liegen kann.

Der Ausblick auf Lagerprozesse

Oft unterschätzte Aspekte in Intralogistik-Prozessen sind die Qualität und Verfügbarkeit von Informationen für Anwender. Gerade in Unternehmen mit großer Warenvielfalt und hohen Anforderungen an die Kommissionierung durch kundenspezifische Wünsche ergeben sich auf operativer Ebene Herausforderungen bei der Einarbeitung neuer Mitarbeitender. Hinzu kommen verschiedenste Nutzeroberflächen und digitale Systeme, mit denen die Nutzerinnen und Nutzer in verschiedenen Arbeitsprozessen interagieren.In diesen Feldern können KI-Lösungen Lücken schließen, da sie Informationen in Echtzeit aufbereiten und in einem passenden Kontext wiedergeben können: Dasselbe individualisierte LLM kann einen Kommissionierer Schritt für Schritt durch eine Produktveredelung führen und im logistischen Leitstand prüfen, ob die Parametrierung eines neuen Artikels fehlerfrei ist. In Nutzeroberflächen und bei Fehlermeldungen erhalten die Nutzerinnen und Nutzer so direkt individuelle Hilfestellung; etwas, das vorher durch Expertenwissen oder Dokumentation gelöst werden musste. Ein weiteres Beispiel ist ein spezialisierter Agent. Dieser unterstützt den Disponenten in der Planung und kann in Teilen die Kommunikation mit den Fahrern übernehmen.

Die große Stärke eines KI-Ökosystems liegt darin, dass es individuelle Unterstützung und ein hohes Automatisierungspotenzial für ein breites Spektrum an Prozessen in bereits bestehende Infrastrukturen einbringt.

Zwar ist es ein wichtiger erster Schritt, Dokumentationen aus dem Papierordner in eine Datenbank zu überführen und auf einem mobilen Endgerät bereitzustellen, doch der nächste Schritt ist es, dieses Wissen individuell aufzubereiten und zu kontextualisieren.

Neben der Aufbereitung und Wiedergabe von Informationen ist Prozessunterstützung ein weiterer zentraler Faktor. Routenoptimierung ist ein alter Bekannter in der Intralogistik-Welt, doch auch in der Unterstützung der einzelnen Prozessschritte dazwischen können KI-Lösungen glänzen: Sie können Aufgaben teilweise übernehmen oder so aufbereiten, dass bessere Entscheidungen möglich werden – sei es durch präzisere Prognosen oder direktes Feedback im Prozess.

Eigene Lösung

Die Ressourcen sind in vielen Fällen vorhanden, die Infrastruktur wird immer zugänglicher. Der Schritt zur Integration von KI sollte in jedem Unternehmen auf Basis der individuellen Anforderungen entlang der Säulen Information, Automatisierung und Assistenz erfolgen. Denn ChatGPT zu integrieren und mit einer PDF und dem Prompt „Du bist ein Assistenzsystem, das auf Basis unserer Dokumentation Fragen zu unseren Veredelungsprozessen beantwortet.“ losmarschieren zu lassen, hat schon für manches Unternehmen mehr Spott als Bewunderung nach sich gezogen.

Eine Information von TUP

Hier geht's zum Firmenprofil ...