Diesen Artikel teilen:

16. Okt 2025

|

Wirtschaft

KI in der Lieferkette neu denken – mit Dr. Paulina Prantl, Abteilungsleitung „Analytics“, Fraunhofer IIS

Journalist: Thomas Soltau

|

Foto: Homa Appliances/unsplash, Fraunhofer IIS/Paul Pulkert

Die Logistikbranche steht vor einem Umbruch. Künstliche Intelligenz kann Prozesse beschleunigen, Kosten senken und Klimaeffekte messbar machen. Wie realistisch ist der breite Einsatz – und welche ersten Schritte lohnen sich für Unternehmen? Darüber spricht Dr. Paulina Prantl, Expertin im Bereich Supply Chain Services des Fraunhofer-Instituts für Integrierte Schaltungen IIS.

Sierak_Paulina_Capture0144_Pulkert Online.jpg

Dr. Paulina Prantl, Abteilungsleitung „Analytics“, Fraunhofer IIS

Wo hebt KI heute den größten Nutzen entlang der Wertschöpfungskette? Eine pauschale Antwort gibt es nicht, denn der Nutzen hängt stark von den Prozessen im Unternehmen ab. Es lassen sich drei Dimensionen unterscheiden. Ökonomisch ermöglicht KI schnellere Abläufe, die Identifikation von Engpässen, effizientere Planung und flexiblere Personaleinsätze. Ökologisch können Energieverbrauch in Lagern und Transportemissionen reduziert werden. Sozial bedeutet KI oft Entlastung und Unterstützung im Alltag.

Was bremst den breiten Einsatz – und wie löst man es pragmatisch? Vor allem fehlt Wissen im Umgang mit KI. Hinzu kommen rechtliche Unklarheiten, unzureichende Datengrundlage, inkompatible Systeme, Kosten und Angst vor Arbeitsplatzverlust. Wichtig ist, mit einer klaren Strategie und realistischen Use Cases zu beginnen. Dafür führen wir in der Regel Workshops samt Roadmap und realistischem ROI-Zielbild durch. Jedes Unternehmen tickt anders, deshalb braucht es individuelle Ansätze.

Wie geht man mit lückenhaften Daten um? Wir setzen auf Data-Centric-Methoden wie gezielte Aufbereitung, Augmentierung oder synthetische Daten.

Wichtig ist, mit einer klaren Strategie und realistischen Use Cases zu beginnen.

Kann generative KI operative Entscheidungen unterstützen, ohne zur Blackbox zu werden? Ja, etwa über Retrieval Augmented Generation, das Antworten mit geprüften Quellen verknüpft. Explainable-AI-Methoden wie Visualisierungen machen Ergebnisse nachvollziehbar. Aber: Halluzinationen sind möglich. Mitarbeitende müssen geschult werden, Ergebnisse kritisch einzuordnen.

Wie gelingt der Schritt vom Pilotprojekt zum Rollout – auch im Kontext EU-AI-Act? Im Rollout sind Betriebskonzepte, Zugriffsrechte, Governance und Risikoanalysen entscheidend. In der Logistik gelten nach EU-AI-Act die meisten Use Cases, die nicht mit generativer KI arbeiten, als Low Risk, bei breiter Automatisierung steigen jedoch die Anforderungen an Dokumentationspflichten.

Welche Quick Wins empfehlen Sie dem Mittelstand mit klarem ROI und CO2-Effekt? Der erste Gewinn ist Entscheidungsfähigkeit: Datenlage prüfen und eine Use-Case-Roadmap erstellen. Operativ bieten sich – je nach Ausgangslage – Routen- und Dispositionsoptimierung an; CO2- und Zeiteffekte sind möglich.

Mitarbeitende müssen geschult werden, Ergebnisse kritisch einzuordnen.

2. Apr 2026

|

Business

Kein Roboter zum Gelddrucken, aber ein starker Wächter: KI bei Banken

Künstliche Intelligenz kann im Bankwesen schon ziemlich viel – aber eigenständig Geld drucken oder wundersam vermehren, das kann sie (noch) nicht. Banken setzen KI heute flächendeckend in mehreren Bereichen ein, allen voran in der Betrugsprävention, wo Fraud Detection mittlerweile Branchenstandard ist. KI-gestützte Systeme analysieren Transaktionen von Kundinnen und Kunden in Echtzeit, erkennen und stoppen auffällige Transaktionen und Zahlungsanweisungen in der Regel sofort, und reagieren innerhalb von Sekunden auf neue Angriffsszenarien. Gerade, weil sich Betrugsmaschen ständig weiterentwickeln, ist die Adaptionsgeschwindigkeit in diesem Bereich besonders hoch. Solche Systeme werden in Zukunft weiter optimiert werden, wodurch Banken Routineaufgaben mehr und mehr automatisieren können. Das eröffnet neue Möglichkeiten für personalisierte Kundenberatung, schnellere Analysen – etwa bei Kreditentscheidungen – und insgesamt bessere Kundenerlebnisse. Banken nutzen KI auch immer öfter, um internes Wissen für ihre Mitarbeitenden zu strukturieren, aufzubereiten und schneller zugänglich zu machen. Ziel ist es, Informationen effizienter zu nutzen und Entscheidungsprozesse zu beschleunigen. Im Vergleich zur Betrugsprävention befindet sich dieser Bereich jedoch noch in einer stärkeren Wachstumsphase, auch wenn die Entwicklung hier aktuell sehr dynamisch verläuft. >Der Mensch muss weiterhin die Kontrolle über kritische Prozesse behalten und klare Grenzen setzen. Es gibt unzählige Anbieter von bankenspezifischer KI. Viele davon decken nur bestimmte Anwendungsfelder ab, weshalb Banken häufig mehrere KI-Systeme parallel einsetzen. Auch, wenn Banken langjährige Erfahrung im Umgang mit sensiblen Daten haben, kann die Auswahl passender KI-Tools herausfordernd sein, denn die Lösungen müssen regelkonform sein, Change Compliance- und Datenschutzrichtlinien beachten, außerdem sollten die Daten innerhalb Europas bleiben und nicht unkontrolliert in andere Rechtsräume fließen. Erhöht KI im Bankwesen nun die Sicherheit – oder eher das Risiko für Betrug und Verlust? Grundsätzlich beides. Denn einerseits verbessert KI die Fähigkeit, Betrug frühzeitig zu erkennen und zu verhindern, andererseits entstehen neue Gefahren, insbesondere durch autonome KI-Agenten. Je mehr Entscheidungsfreiheit diese Systeme erhalten, desto größer ist das Risiko, dass sie Sicherheitsvorgaben umgehen oder manipuliert werden. Deshalb gewinnt das Prinzip „Human in the Loop“ beziehungsweise „Human in the Lead“ an Bedeutung: Der Mensch muss weiterhin die Kontrolle über kritische Prozesse behalten und klare Grenzen setzen. Auch im Finanzmarkt insgesamt sind automatisierte Prozesse kein neues Phänomen. Mechanismen wie algorithmischer Handel oder Stop-Loss-Orders können bereits heute Kettenreaktionen auslösen. KI könnte solche Effekte künftig verstärken, stellt aber nicht die ursprüngliche Ursache dar. Wohin wird sich KI im Bankwesen entwickeln? Eigenständig Geld drucken wird sie hoffentlich niemals – doch sie wird als umfassendes System im Hintergrund immer besser in den Bankenalltag integriert werden. Der Mensch wird im Bankwesen jedoch in zentralen Bereichen immer die Oberhand behalten, besonders bei der letzten Kontrolle und beim direkten Kundenkontakt – denn hier können aufmerksame Bankangestellte besser als jede KI als Sicherheitsschranke wirken, die ihre betagten Kundinnen davor schützen, auffällige Transaktionen hoher Summen vorzunehmen. >Banken nutzen KI auch immer öfter, um internes Wissen für ihre Mitarbeitenden zu strukturieren, aufzubereiten und schneller zugänglich zu machen.