像“大数据”和“数据挖掘”这样的术语表明，对于AI的效率而言，仅利用一个数据源（例如来自销售的数据）是不够的。为了识别规则和规律性并从中得出结论，需要大量的数据。理想情况下，所有数据，包括来自整个物联网（IoT）的数据，都应相互连接并进行持续分析：

● 来自拣货作业和包装的数据由人、机器人和/或车辆上的传感器获取，并提供有关当前移动过程和路径（Motion Mining - 动作挖掘）的信息。采集方式类似于智能手机的位置定位，并且可以完全匿名化进行。同时，其小巧的体积不会干扰人或机器的移动模式。

● 当前仓库中物品的种类和数量可以在入口和出口处通过条形码或 RFID 标签结合图像识别系统完全自动记录。它们必要时通过图像识别提供交货单上的所有信息和当前仓库位置。

● 仓库布局包括通道、货架排和高度的数据。

● 公司过去和现在的数据——销售、采购、订单和退货等——可以从现有系统中提取。

● 为了实现最优库存管理，还需要记录正在运输中以及已订购但尚未交付的货物。这里甚至天气数据也可能产生影响，例如阻碍航运或导致积雪高速公路上的交通拥堵，从而可能导致供应短缺。

● 来自生产的数据也可以纳入考虑，如果能够提取出产品的完成时间点，从而其转入库存的时间。

● 在最终下单前介入的聊天机器人或其他智能系统可以澄清订购过程中的问题，并提醒注意必要的、订购商品中未包含的部件（例如电池）或扩展件（例如各种钻头配件）。来自这些沟通的数据应被评估，因为它们可以揭示或多或少相关或（不再）受欢迎的商品的关注度。如果在聊天机器人中经常询问某件商品但（尚未）被订购，这可能表明一个新兴趋势。

● 对于受温度影响的物品，如药品和食品，还必须考虑仓库的环境温度以及必要时的气压，以优化保存库存。

● 如果在拣货过程中使用任何类型的机器——从叉车到机器人——也可以监控其功能性，如电量状态、发动机功率等。

图1  为优化仓储空间，人工智能（AI）通过算法对数据进行整合与分析

预防黑客攻击

在数据安全方面，每个公司都必须注意通过安全的方式将数据提供给 AI。由于这里处理的数据量非常大，本地服务器解决方案通常不可行，这意味着数据流入云端并在那里被收集、分析和处理。专家们一致认为，成功的黑客攻击可能并且将会发生在任何公司身上。因此，优先需要的是一个增强现实（AR）眼镜，它可以简化仓库中的重新分类工作。完善的风险管理系统和对员工的定期培训，以便为黑客提供尽可能少的攻击点。

优化仓储空间

对于通过AI优化仓储空间，第1～3点的数据是相关的，特别是商品的受欢迎程度（订购频率）、相关商品（购物篮分析）以及在仓库中的位置（商品与包装站之间的距离以及人/机器的可达性）。

这些数据通过算法进行汇总和分析。该算法不仅评估哪种产品最常被购买，还计算其在仓库中与相关产品和必要通道结合的最佳位置：订购最频繁的商品存储在尽可能靠近包装站的位置。此外，该算法还提供最优路径规划，使拣货在路径时长、体力消耗和时间方面尽可能高效。如果将这些实时数据整合到该算法中，仓库中商品的位置也可以动态调整——例如在因季节性波动或新趋势导致订购商品出现显著波动时——从而使路径始终保持最优。

实施仓库优化

在经过所谓的训练阶段（AI从中识别了提供给它的数据中的规则和模式）后，将根据AI的建议对仓库进行上述重组。在大多数情况下，基于数字孪生体测试这种重组是有意义的，因为即使是该领域的公司也表示，需要进行多次搬迁才能达到最大效果（行走路径缩短20%～25%）。

每次仓库重新分类后，人员都需要适应新的情况。佩戴 AR眼镜可以减轻工作负担，它指示仓库中货物组合的最优路径。

图2 增强现实（AR）眼镜可减轻仓储重新整理工作的负担

库存管理

公司必须为客户准备的同类产品的数量在过去几年急剧增长：例如，过去大多数人只用一辆自行车好几年，而今天有适用于不同季节、不同地面、不同骑行风格和预算的自行车。AI可以利用第4～8点的数据来创建销售预测，从而可以相应提前增加或减少生产或采购。

一个节俭的管理者可能会反驳说，不需要引入AI来预测夏季对遮阳伞和冬季对羽绒服的需求增加。然而，简单的常识在需要关联的不仅是天气状况，还有未来的极端天气、地区性活动（如展会）、从当前销售数据中识别出的正在发展的趋势，以及自身订单的交付状态和生产数据时，就会达到极限。此时数据量如此之大，以至于只有算法才能识别即将到来的供应短缺或仓库爆满并做出反应。对仓库中使用的机器设备（第7点）的额外监控有助于确保拣货顺利进行。

结论

尽管AI已成为日常生活的一部分，但其在经济中的潜力仍未得到充分利用：通过灵活调整库存可以降低仓储成本，通过缩短行走路径可以缩短交货时间，通过智能的商品摆放可以避免事故源头。

这种犹豫的原因在于引入该技术的高投入和巨大成本。然而，在我们这个快节奏、消费驱动的社会中，供应商未来几乎无法绕过此类解决方案。否则，他们将被那些在上个十年中期就已着手实施此类解决方案的全球巨头所取代。

引入AI是一个巨大的挑战，但它决定着未来的生存能力。现在是时候在德国仓库中应用AI了，以免国际公司主导市场。