Artikel : Agentic AI in der Supply-Chain-Planung: Verbesserung von Planungsqualität und Entscheidungsgeschwindigkeit
Transparenz allein reicht nicht mehr

Transparenz allein reicht nicht mehr

Die Supply-Chain-Planung hat in den letzten Jahren viel erreicht: integrierte Planungssysteme, etablierte monatliche S&OP-Zyklen, ein gemeinsames Zahlenwerk. Wie sich Nachfrage, Kapazität und Bestände grundlegend entwickeln, ist heute transparent. Das Problem liegt woanders. Die Organisation entscheidet im Takt ihres Meetingkalenders, die Lieferkette bewegt sich im Takt von Störungen und Disruptionen sind zum Normalzustand geworden.

Viele S&OP-Prozesse folgen einem vertrauten Muster. Das Kernteam verbringt den Monat mit Datenaufbereitung, Validierung und Engpassanalyse, und das Executive Meeting nimmt am Ende zur Kenntnis, was längst passiert ist. Aus einem Entscheidungsgremium wird eine Informationsveranstaltung. Der Wettbewerbsvorteil der kommenden Jahre liegt deshalb nicht allein in noch besseren Daten, sondern in kürzerer Entscheidungslatenz, also der Zeit von der Störung bis zur Entscheidung.
Hier setzen KI-Agenten an, allerdings anders, als manche Vorstandspräsentationen suggerieren. Agenten treffen keine Führungsentscheidungen. Sie verkürzen lediglich die Zeit bis zur Entscheidungsreife: Abweichungen erkennen, Auswirkungen simulieren, Alternativen bewerten und zur Freigabe vorbereiten. Und zwar dann, wenn Supply Chain Störungen auftreten, und nicht wenn es der Planungskalender vorsieht.
Bis in die frühen 2030er-Jahre bearbeiten KI-Agenten einen Großteil der Störungen im ersten Schritt eigenständig, d.h. ohne aktives Eingreifen von Menschen. Wie weit diese Automatisierung reicht, hängt maßgeblich vom Reifegrad der Lieferkette und vom Geschäftsmodell ab. Bei klassischer Auftragsfertigung (Make-to-Order) mit hohem Projektanteil verläuft die Entwicklung langsamer als in hochintegrierten Lieferketten der Konsumgüterindustrie.
Für die COO-Agenda ist die Richtung trotzdem klar: Effizienzgewinne durch KI in der Planung zählen in den nächsten Jahren zu den Top-Themen von Supply-Chain-Verantwortlichen.
Wer dabei nur auf Automatisierung schaut, greift zu kurz. Agenten schaffen Wert, wenn sie drei Dinge leisten. Sie empfehlen Optionen mit finanzieller Bewertung, erklären Zielkonflikte und Ursachen verständlich und steuern – bei bestehendem Vertrauen – schrittweise selbst.

Im Kern dieser Entwicklung steht ein Multi-Agentennetzwerk: Spezialisierte Agenten übernehmen einzelne Planungsschritte. Ein Orchestrator-Agent, eine Art digitaler S&OP-Manager, koordiniert sie. Er kennt Unternehmenskontext und Governance-Rahmen, aktiviert je nach Situation die passenden Agenten, beobachtet laufend die Kennzahlen und bereitet Entscheidungsvorlagen für das Executive-S&OP-Meeting vor. Das Fundament bildet ein integriertes Datenmodell, ein digitaler Zwilling der Lieferkette.
Dabei ist ein zentraler Grundsatz entscheidend: Der Mensch bleibt Wertverantwortlicher. Dieser Grundsatz prägt vor allem zwei Gestaltungsprinzipien:
Die Managementvertreter des Executive-S&OP-Meetings haben die Endverantwortung für die Freigabe des gemeinsam getragenen Konsensplans
Entlang des Prozesses gibt es ein klares Human-in-the-Loop-Prinzip, dass die Zusammenarbeit von Planern und Agenten bestimmt.
Dafür legt der Prozess Übergabepunkte fest, an denen Demand oder Supply Planer Szenarien prüfen, Teilpläne freigeben und Kontext, abseits des Datenmodells, anreichern.
Aus diesem Prozessverständnis heraus ergibt sich eine zentrale Veränderung für die Rolle des Planers: Der Mensch plant nicht mehr selbst, er gestaltet das System, das plant und verantwortet dieses System anschließend.
Dieser Rollenwechsel verändert das Operating Model und stellt neue Anforderungen an Prozesse, Rollen, Governance und Steuerung.
Ohne ein tragfähiges Operating Model für die Kollaboration von Mensch und KI bleibt agentische Automatisierung, geschweige denn Autonomie, eine Ausbaustufe und das liegt nicht an den heutigen technischen Möglichkeiten, sondern vielmehr an Prozess- Organisations- & Datenreife.
Unternehmen, die diese Hausaufgaben erledigen, stellen ihre Planungsorganisation auf ein stabiles Fundament, um damit in erfolgsversprechende Pilotierungen von KI-Use-Cases zu starten.
Tödt, S.
