KI Literacy, eine Person, die Wissen in das Unternehmen hineinbringt

Train the trainer Erfahrungen, 1-2 MA bekommen Fortbildung und geben Information in das Unternehmen weiter

Energieaufwand für forecasting Modelle

kann man Stromverbrauch hierfür messen, dies müsste mit berücksichtigt werden (LMV vs. Stromverbrauch)

foodforecast: Stromeinsparung wird gemessen, Serverkosten und Laptops, wurde ausgewertet, Energiekosten und Herstellungskosten bei weitem übertroffen durch die Einsparungen; positive Bilanz

chatgpt komplexer als KI-Individuallösungen

1. Schritt Chatgpt, anach spezialisiertes System

Vorbehalte im Unternehmensumfeld

MA Unterschiede

Faktor Mensch HErausforderung

Train the trainer für Übersetzung

KI ist immer nur so gut, wie die Daten

Daten oftmals nicht so gut gepflegt

IT Knowhow in kleinen Unternehmen ggf. nicht ausreichend (Datenbanken)

Kassenhersteller teilweise notwendig zur Informationsweitergabe

wird von Unternehmen nach außen kommuniziert, das KI genutzt wird

gibt es Rückmeldungen durch Kundschaft

KI wird oft als Werbung genutzt (MA-Gewinnung( innovatives Unternehmen)

MA, die Kritik und Ängste haben, Arbeitsalltag verändert sich

KI ersetzt Aufgaben, für Geschäftsführung positiv, Wissen hängt nicht mehr am MA (Kündigung, Urlaub, weniger Sorgen); MA sind hier kritisch, besonders langjährige MA

wird keine aktive Werbung gemacht nach draußen, aber intern für MA-Gewinnung schon

Verständnis bei Kundschaft schärfen, dafür dass PRodukt eauch nicht verfügbar sind

Kundenfeedback abfragen

Hinweise über Warenverfügbarkeit über KI, bitte sagt uns, was euch wichtig ist ( in Bäckereien, bisher aber nicht umgesetzt)

Reste ggf. auch weiterzugeben (Zoo z. B.), Schwarzwälderkirschtorte müssen weggeschmissen werden --> Verständnis schärfen, warum MEttbrötchen ab 16h nicht mehr

schnittstellenübergreifende Zusammenarbeit bereits über forecast möglich

Bedarf: unternehmensübergreifende DAtenteilung (Sortimentswechsel usw.), damit Lagerhaltung usw. angepasst werden

LM-Verschwendungsstufen

10 Kennzahlen, um Verwendungsstufen zu identifizieren, auf welchen Stufen abfälle entstehen (Produktion, Verpackung, Sortenwechsel etc.)

Kennzahl: Bestellmanagement, Schnittstelle nach draußen, Produktion braucht mehrere Tage, kunde bestellt innerhalb von 1-2 Tage, Vorproduktion muss vor Bestellung fertig sein --> Überhang, LM-Abfall

Enge Zusammenarbeit wäre gut, Bestellung 1 Woche vorher

Kundenüberzeugung, Kundengespräche (Sortenvielfalt); Transparenz für Kunden schaffen

Vorteil KI: Kennzahlen sichtbar machen um Kunden mitzunehmen

Zielkonflikt und ERwartungsmanagement bei Verbraucher/ Kunden

Mehr Transparenz bezogen auf Daten und Verluste (Verträge hier optimieren)

"ja, aber der Verbraucher";

Hand in Hand innerhalb der Lieferkette an den Schnittstellen mit Hilfe von KI und Datenweitergabe über Systeme; aber auch Nutzung für Kommunikation an den Verbraucher