KI liefert bessere Entscheidungen
Redaktion: Kühne Logistics University
PRESSEMITTEILUNG
Hamburg/gc. Planerinnen und Planer von Lieferketten haben die Möglichkeit, Vorhersagen intelligenter und selbst lernender Software zu ändern. Bringt dies einen Mehrwert? Und auf welche Prognose ist mehr Verlass – die der Software oder die des Menschen?
In einer aktuellen Studie sind die KLU-Wissenschafter Naghmeh Khosrowabadi, Prof. Kai Hoberg und Prof. Christina Imdahl (Eindhoven University of Technology) diesen Fragen auf den Grund gegangen. Im Rahmen ihrer Studie verbesserten menschliche Eingriffe in der Regel nicht die Genauigkeit der Vorhersagen.
Für die Studie analysierte das Team Daten von 30 Millionen Prognosen von einem führenden KI-Anbieter und einem großen europäischen Lebensmittel-Händler.
Die Ergebnisse zeigen, dass Planer – im Durchschnitt – nicht zur Genauigkeit der Vorhersage beitragen. „Stattdessen neigen die Planersogar dazu, Effekte wie das Wetter oder einen Rabatt zu überkompensieren, die bereits vom KI-System berücksichtigt wurden“, sagt Khosrowabadi. In der Studie führten nur 50 Prozent der menschlichen Eingriffe zu besseren Ergebnissen.
Ein genauer Blick in die Daten zeigt, dass etwa fünf Prozent der von KI erstellten Prognosen durch die Fachkräfte angepasst werden. „Wir wollten wissen, warum sich die Zuständigen für eine Anpassung der KI-generierten Prognosen entschieden haben", erklärt Naghmeh Khosrowabadi. „Unsere Ergebnisse zeigen, dass Produkteigenschaften wie Preis, Frische oder Rabatte ausschlaggebend für die Häufigkeit der Anpassungen von KI-Prognosen sind.“
Wird beispielsweise vom KI-System eine Prognose für ein besonders teures Produkt erstellt, neigen die Planer zu besonderer Aufmerksamkeit und greifen häufiger selbst ein. „Außerdem zeigen unsere Ergebnisse, dass große Steigerungen der KI-Prognose durch Planer häufiger vorkommen, z. B. wenn die menschliche Prognose für die an einem bestimmten Tag in einem bestimmten Geschäft zu verkaufenden Artikel doppelt so hoch ist wie die KI-Prognose. Zu viel Optimismus auf Seiten der Planer scheint hier ein Problem zu sein“, sagt Prof. Dr. Kai Hoberg. Eine Reduzierung der KI-Prognose war dagegen weniger wahrscheinlich, aber genauer.
Zusammenarbeit von Menschen und KI verbessern
„Menschen werden zu Recht weiterhin eine wichtige Rolle in KI-gestützten Prognoseprozessen spielen", sagt Hoberg, „In manchen Fällen verfügen sie über Wissen, dass für das KI-System nicht verfügbar ist, zum Beispiel lokale Events oder Maßnahmen der Mitbewerber, was sie in die Lage versetzt, die Chancen für eine bessere Prognose auf 70 Prozent zu erhöhen. Deshalb müssen wir die Zusammenarbeit von Planerinnen und Planern und KI verbessern.“
Hierfür empfiehlt das Team mehr Austausch zwischen Einzelhändlern und KI-Anbietern: Je besser die Planenden verstehen, wie das System seine Prognosen erstellt, desto einfacher können sie entscheiden, wann sie eingreifen müssen. „Mit den Ergebnissen unserer Studie können Unternehmen Geld und Zeit sparen“, verspricht Koshrowabadi. „Der Schlüssel liegt darin, den Planerinnen und Planern dabei zu helfen, zu entscheiden, wann sie eingreifen müssen - und wann das System alleine zurechtkommt und sie sich auf andere Aufgaben konzentrieren können.“
An der Studie beteiligt waren Naghmeh Khosrowabadi im Rahmen ihrer Doktorarbeit, Prof. Dr. Kai Hoberg und Prof. Dr. Christina Imdahl von der KLU. Sie analysierten Daten aus 30 Millionen Prognosen auf SKU-Store-Day-Ebene von einem führenden KI-Anbieter und einem großen europäischen Einzelhändler. Berücksichtigt wurden auch Daten zu zusätzlichen Variablen wie Produkten, Wetter oder Feiertagen.
Wissenschaftliche Ansprechpartner:
● Naghmeh Khosrowabadi
naghmeh.khosrowabadi@the-klu.org
● Prof. Dr. Kai Hoberg
kai.hoberg@the-klu.org
Originalpublikation:
Naghmeh Khosrowabadi, Kai Hoberg, Christina Imdahl, Evaluating Human Behaviour in Response to AI Recommendations for Judgemental Forecasting, European Journal of Operational Research (2022), doi: https://doi.org/10.1016/j.ejor.2022.03.017
____________________________________