Wie SKALA die Logistik neu vernetzt

Das vom Fraunhofer-Institut für Materialfluss und Logistik IML entwickelte Konzept SKALA schafft eine offene, interoperable Grundlage, mit der Logistik- und Intralogistikunternehmen ihre Systeme intelligent vernetzen, manuelle Aufwände reduzieren und Prozesse in Echtzeit steuern können.

Bisher bremsen isolierte IT-Systeme, fehlende Interoperabilität und papierbasierte Prozesse die Potenziale digitaler Technologien und damit die Effizienz von Unternehmen. Das vom Bundesministerium für Digitales und Staatsmodernisierung (BMDS) mit rund 5 Millionen Euro geförderte Projekt SKALA (Skalierbare KI- und Blockchain-Lösungen zur Automatisierung und Autonomisierung in Wertschöpfungsnetzwerken) setzte genau dort an. Ziel des Projekts war der Aufbau einer offenen technologischen Basis für kollaborative KI-Agenten, die über Unternehmensgrenzen hinweg zusammenarbeiten können.

Offene Technologien als Schlüssel

Mit SKALA ist am Fraunhofer-Institut für Materialfluss und Logistik IML nun eine offene technologische Grundlage entstanden, die weit über die Projektlaufzeit hinaus Wirkung entfaltet. Die entwickelten KI- und Blockchainlösungen zeigen bereits in der Praxis, wie organisationsübergreifende Zusammenarbeit effizienter, transparenter und resilienter gestaltet werden kann. Alle Softwarekomponenten, KI-Modelle und Schnittstellen wurden konsequent als Open Source entwickelt. Durch die Kombination aus künstlicher Intelligenz und Blockchain entstanden erstmals organisationsübergreifende, sichere Datenräume, in denen autonome Softwareagenten zusammenarbeiten. Das Ergebnis: mehr Transparenz in Beständen und Materialflüssen, effizientere Abläufe in Lager, Transport und Abrechnung sowie eine deutlich höhere Resilienz gegenüber Störungen. Besonders für mittelständische Logistiker bietet SKALA einen praxisnahen Einstieg in die digitale Transformation – ohne aufwendige Systemwechsel. Stattdessen lassen sich bestehende IT-Strukturen schrittweise erweitern und unmittelbar in messbare Effizienzgewinne überführen.

Von der Forschung in die Praxis

Von Beginn an verfolgten die Forschenden einen besonderen Transferansatz: Im Mittelpunkt sollte ein kontinuierlicher Abgleich zwischen Kundenbedarf und Lösungsentwicklung stehen, gepaart mit einer individuellen Open-Source-Strategie. So entwickelten sie gemeinsam mit über zwölf Industrie- und Logistikunternehmen drei praxiserprobte Anwendungen:

• GreenComplAI ermöglicht die automatisierte Prüfung und Visualisierung von Herkunfts-, Nachhaltigkeits- und Supply-Chain-Daten. Produktpässe und Zirkularitätskennzahlen schaffen Transparenz und unterstützen den Aufbau souveräner Ressourcenkreisläufe
• SiMBA realisiert eine KI-basierte, dynamische Preisbildung und Abrechnung in Echtzeit. Unternehmen können so Auslastungsschwankungen besser berücksichtigen und ihre Profitabilität steigern
• InstaScan digitalisiert Transportdokumente wie Frachtbriefe oder Lieferscheine webbasiert und ohne Integrationsaufwand. KI extrahiert automatisch alle relevanten Informationen und überführt sie in strukturierte Datensätze

Die im Projekt geschaffenen Technologien bilden die Basis für eine neue Generation übergreifender Multi-Agenten-Systeme. Durch echte Interoperabilität vom Shopfloor bis zur Supply-Chain-Planung entsteht eine hochvernetzte, resiliente und leistungsfähige Logistik ohne System- und Unternehmensgrenzen. Zusätzlich wurde im Rahmen des Projekts die Wissensplattform LogiDo (http://www.logi-do.de) aufgebaut. Sie bietet Unternehmen Lernmaterialien, Quick-Checks und konkrete Leitfäden zur Integration und Weiterentwicklung der SKALA-Ergebnisse im eigenen Betrieb. Damit erhalten insbesondere KMU einen niedrigschwelligen, transparenten und unabhängigen Zugang zu Schlüsseltechnologien.

Interview "Ein Hebel zur Reduktion manueller Prozesse" 

Doch wie gelingt der Transfer in den Alltag von Unternehmen – insbesondere im Mittelstand? Dr. Maximilian Austerjost und Dominik Schmitt vom Fraunhofer IML geben im Interview "Ein Hebel zur Reduktion manueller Prozesse" Einblicke in Praxiserfahrungen, Einstiegsszenarien und konkrete Effizienzpotenziale.