Von der Störung zur Lösung: Forschende der Constructor University entwickeln logikbasierte KI für Lieferkettenmanagement

Störungen in der Lieferkette können schnelle Konsequenzen für Herstellerinnen haben und zu Produktionsverzögerungen, steigenden Kosten und einem Wettlauf um alternative Lieferantinnen führen. Zwei Forscherinnen der Constructor University haben ein Framework entwickelt, das logikgesteuerte künstliche Intelligenz nutzt, um resilientere Entscheidungen bei der Lieferantinnenauswahl zu ermöglichen. Die in Engineering Applications of Artificial Intelligence veröffentlichte Studie demonstriert, wie KI genutzt werden kann, um skalierbare und erklärbare Lieferant*innenlösungen zu unterstützen, die operative Kontinuität, Kosten sowie soziale und ökologische Anforderungen berücksichtigen.

Das Framework wurde von Professor of Industrial Engineering Dr. Omid Fatahi Valilai und Doktorand Omkar Vishwas Patil innerhalb der Forschungsgruppe Emerging Technologies in Industrial Engineering entwickelt. Im Kern liegt Answer Set Programming (ASP), eine Form deklarativer KI, die als Entscheidungsebene fungiert und Beschaffungsregeln, Lieferant*innenkapazitäten, Störungsbedingungen und Nachhaltigkeitsanforderungen in klare Anweisungen übersetzt, die das System transparent bewerten kann. Durch die Integration von ASP in Robotic Process Automation (RPA) und Enterprise Resource Planning (ERP)-Systeme schufen Prof. Dr. Fatahi Valilai und Patil ein geschlossenes System, das von der Entscheidung bis zur Ausführung reicht und es ermöglicht, Entscheidungen zu treffen und zu validieren, repetitive Aufgaben zu automatisieren und Beschaffungstransaktionen durchzuführen.

„Unser Ziel war es, über die Entwicklung eines KI-Modells hinauszugehen, das einfach einen Lieferantin empfiehlt, und stattdessen zu demonstrieren, wie logikgesteuerte KI den kompletten Entscheidungs-bis-Ausführungs-Prozess unterstützen kann", sagt Patil. „Indem wir die Entscheidungsebene auf ASP mit expliziten Regeln für Störungen und Nachhaltigkeit aufbauen, können wir Entscheidungen zur Lieferant*innenauswahl treffen, die auf sich verändernde Lieferkettenbedingungen reagieren und gleichzeitig transparent und nachvollziehbar bleiben."

Transparente Intelligenz für effektive Entscheidungen

Das Ergebnis ist ein System, das intelligent bestimmen kann, welche Lieferantinnen verfügbar bleiben, ob sie die Nachfrage erfüllen können und ob Ersatzlieferantinnen benötigt werden. Es kann dann Ersatzlieferantinnen bedingt aktivieren, anstatt automatisch jede mögliche Alternative auszuwählen. Es kann auch soziale und ökologische Mindestschwellen durchsetzen, um sicherzustellen, dass die Lieferantinnenauswahl nicht ausschließlich auf den niedrigsten Kosten basiert.

Das Framework ist darauf ausgelegt, KI-gestützte Entscheidungen transparent und durch menschliches Personal überprüfbar zu machen. Anstatt einfach einen neuen Lieferantin zu empfehlen, kann es die Argumentationskette hinter der Empfehlung zeigen, wie etwa die Störung, die einen Lieferantin nicht verfügbar gemacht hat, die Feststellung, dass die Nachfrage nicht durch verbleibende Lieferantinnen erfüllt werden kann, und die Entscheidung, Ersatzlieferantinnen zu aktivieren. Dieser Prüfpfad ermöglicht es menschlichen Entscheidungsträgerinnen wie Beschaffungsmanagerinnen, Prüferinnen und Nachhaltigkeitsteams, die Empfehlungen des Systems zu verstehen, zu bewerten und, wo nötig, anzufechten oder anzupassen – wodurch menschliche Entscheidungsfindung unterstützt wird, anstatt sie zu ersetzen.

Die Forscherinnen evaluierten das Modell anhand eines reproduzierbaren synthetischen Datensatzes, der Netzwerke von 100, 500 und 1.000 Hauptlieferantinnen mit entsprechenden Ersatzlieferantinnen enthielt. Die Experimente simulierten dann verschiedene Szenarien, darunter teilweise Lieferantinnenverluste, vollständigen Verlust einer Lieferantin mit hoher Kapazität und mehrere Lieferant*innenausfälle über verschiedene Nachfrageniveaus hinweg.

Über 27 simulierte Szenarien mit Lieferantinnennetzwerken von bis zu 1.000 Hauptlieferantinnen hinweg erreichte das Framework eine 100-%-Erfüllungsrate, während es die erforderlichen sozialen und ökologischen Standards erfüllte und Ersatzlieferant*innen nur bei Bedarf aktivierte. Eine Proof-of-Concept-Demonstration zeigte auch, wie die resultierenden Entscheidungen überprüft, in simulierte Bestellungen übersetzt und in einem Prüfprotokoll aufgezeichnet werden konnten, das die ergriffenen Maßnahmen erklärt.

Die Lieferketten von morgen gestalten

Obwohl vielversprechend, betonten Prof. Dr. Fatahi Valilai und Patil, dass diese Arbeit synthetische Daten und eine simulierte ERP-Umgebung verwendete. Eine vollständige Implementierung mit echten Lieferant*inneninformationen, Live-Störungssignalen und kommerziellen Unternehmenssystemen bleibt ein Ziel für zukünftige Forschung.

„Von Lieferketten wird zunehmend erwartet, dass sie gleichzeitig resilient, nachhaltig, transparent und reaktionsfähig sind", sagt Prof. Dr. Fatahi Valilai. „Für mich ist die wichtige Frage daher nicht mehr nur, wie KI vorhersagen kann, was passieren könnte, sondern wie intelligente Systeme operative Entscheidungen treffen können, die erklärbar, überprüfbar und mit Nachhaltigkeitsrichtlinien abgestimmt bleiben."

Der Artikel „A Logic-driven Integrated System for Resilient and Sustainable Supplier Selection in Supply Chains" wurde im August 2026 in Engineering Applications of Artificial Intelligence veröffentlicht. Der Datensatz und unterstützender Code sind öffentlich über Figshare und GitHub verfügbar. Lesen Sie den Artikel unter https://doi.org/10.1016/j.engappai.2026.115955.