KI trifft Entscheidungen. Aber wer prüft, ob sie in der eigenen Supply Chain auch funktionieren?

Simulation beantwortet eine Grundfrage der Supply-Chain-Planung: Was passiert, wenn wir etwas verändern? Künstliche Intelligenz verändert gerade, wie Unternehmen mit Simulationsmodellen arbeiten. Prof. Dr. Dmitry Ivanov (Hochschule für Wirtschaft und Recht Berlin) hat auf der anyLogistix Conference 2026 gezeigt, wie aus Simulationsmodellen digitale Zwillinge werden, die KI-Agenten künftig selbst nutzen können.

Warum KI die Simulation nicht ersetzt

Generative KI erkennt Muster, formuliert Empfehlungen und lässt sich in natürlicher Sprache bedienen. Ob eine Empfehlung im realen Netzwerk funktioniert, kann sie allein nicht beurteilen.

Ein Beispiel: Ein Optimierungsmodell liefert unter idealisierten Annahmen eine attraktive Netzwerkkonfiguration. Erst die Simulation zeigt, wie sich diese bei realen Lieferzeiten, Bestandsregeln, schwankender Nachfrage und operativen Restriktionen verhält. Die Simulation wird damit zur Prüfinstanz für KI-gestützte Entscheidungen.

Drei Wege, wie KI die Supply Chain Simulation verändert

Mit dem Modell sprechen

Fragen wie „Was bringt ein zusätzliches Distributionszentrum?“ oder „Wie wirkt sich der Bestellpunkt auf den Servicegrad aus?“ werden direkt in Experimente übersetzt. So wird Simulation auch für Entscheider zugänglich, die selbst keine Modelle aufbauen.

Ergebnisse erklären

KI wertet Simulationsergebnisse aus, erkennt Auffälligkeiten und erklärt Zusammenhänge. In Ivanovs Beispiel erkennt ein KI-Assistent ungeeignete Bestellpunkte, erläutert die Folgen für den Servicegrad und schlägt andere Werte vor.

Aus Ereignissen Szenarien ableiten

Eine Vorgabe wie „Stresstest gegen eine globale Energiekrise“ wird in ein konkretes Störszenario übersetzt, etwa mit höheren Energie- und Transportkosten, Inflation und sinkender Nachfrage. Das Szenario wird anschließend im Modell durchgespielt.

Mehr Sichtbarkeit jenseits der direkten Lieferanten

Die meisten Unternehmen kennen ihre eigenen Abläufe und ihre Tier-1-Lieferanten gut, über tiefere Lieferstufen wissen sie oft wenig. KI kann helfen, Informationen über das erweiterte Netzwerk zu gewinnen. Die Simulation zeigt dann, was eine Störung dort für die eigene Lieferkette bedeutet.

Wer übernimmt welche Aufgabe?

In der von Ivanov beschriebenen Architektur gehört anyLogistix zur operativen Analyseebene. Die Aufgaben sind klar verteilt:

• Datensysteme wie ERP, TMS oder WMS liefern den aktuellen Zustand.
• KI interpretiert Daten, erkennt Muster und koordiniert.
• Optimierung findet Lösungen unter vorgegebenen Zielen und Restriktionen.
• Simulation prüft diese Lösungen unter realistischen Bedingungen.
• Fachleute bringen Kontext, Prioritäten und Kontrolle ein.

Einordnung für die Praxis

Vieles davon ist heute noch Konzept. Klar ist aber: Wer KI künftig in der Supply-Chain-Planung nutzen will, braucht belastbare Modelle und eine saubere Datenbasis. Ohne beides fehlt die Grundlage, um KI-Empfehlungen zu prüfen.

Häufige Fragen

Ersetzt KI die Supply Chain Simulation?
Nein. KI macht Modelle leichter zugänglich und hilft, Ergebnisse zu verstehen. Ob eine Entscheidung unter realen Bedingungen funktioniert, zeigt weiterhin die Simulation.

Was ist ein agentischer digitaler Zwilling?
Ein digitaler Zwilling verbindet ein Simulationsmodell mit realen Daten. Bei einem agentischen digitalen Zwilling nutzen KI-Agenten das Modell selbst, passen Szenarien an und bewerten Alternativen.

Unterstützung durch SimPlan

SimPlan arbeitet eng mit AnyLogic zusammen und begleitet Unternehmen beim Einsatz von anyLogistix, vom Aufbau belastbarer Supply-Chain-Modelle bis zur Bewertung von Szenarien. Sprechen Sie uns an, wenn Sie Ihre Lieferkette für Simulation und KI vorbereiten möchten.

Quelle: anyLogistix Blog, The future of supply chain simulation: digital twins and agentic AI, 28.09.2026