Steile These? Mag sein. Aber wenn meine KI schon 40% Optimierung schafft, was macht dann #chatGPT?
Ok, der Vergleich hinkt ziemlich.
ChatGPT schreibt vielleicht ein Gedicht über die Kommissionierung aber es wird sicherlich erstmal nicht die Kommissionierung optimieren.
Es muss ja auch nicht alles von ChatGPT erledigt werden.
Die letzten Tage haben die Rechner im Cluster nicht nur heiße Luft produziert sondern diverse neue Wege trainiert.
Klare Zielvorgabe: Besser werden als die Kommissionier-Batches und das e-Commerce Fulfillment auf ein neues Level bringen.
Sonst gab es eigentlich keine Anforderungen.
Und sie waren dabei erfolgreich. Sehr erfolgreich sogar.
40% Geschwindigkeitsvorteil der KI gegenüber einer reinen Prioritätensteuerung und damit 3% mehr als die Kommissionierung in Batches mit 37%.
Das kleine Experiment zeigt also, dass es mit Deep Learning möglich ist das beste beider Welten zu vereinen.
Bei Abarbeitung nach Priorität kann man sich mit jedem Pick entscheiden, welcher jetzt am wichtigsten ist.
Mit den Batches lege ich mich für eine Zeit fest, optimiere aber meine Wege und Durchsatz.
Die KI liefert mir einfach beides. Reaktion nach jedem Pick und langfristige Optimierung des Gesamtsystems.
Stellt sich eigentlich nur noch eine Frage: Was ist noch möglich mit mehr Input und Rechenpower?
Was meint ihr?
P.S.: Wenn KI beim schreiben des Quellcodes zum generieren neuer KIs genutzt wird, erzeugt KI dann KI?
#logistik#intralogistik#wms#ai#künstlicheIntelligenz#ki
#deeplearning