Vom Dashboard zum digitalen Kollegen im Lager

KI war auf der Manhattan Exchange 2026 in Mailand allgegenwärtig. Doch hinter all dem Thema „Agentic AI“, „Natural Language“ und „Autonomous Decision Making“ verbarg sich eine noch interessantere Botschaft. Supply-Chain-Software sollte den Menschen nicht noch mehr Informationen aufbürden, sondern ihnen vielmehr Komplexität abnehmen. Das bedeutet eine schnellere Implementierung, den Abbau von Silos zwischen den Systemen und, dass Software immer häufiger eigenständig agiert. Die Praxisbeispiele von unter anderem L’Oréal, Nespresso und Bauhaus zeigen, dass dieser Wandel bereits begonnen hat. Gleichzeitig machen sie deutlich, dass Technologie nur ein Teil der Geschichte ist.

Ein Cockpit war vielleicht die beste Metapher für die Manhattan Exchange. CEO Eric Clark verwies in seiner Eröffnungsrede auf die Entwicklung der Luftfahrt. Nicht, weil das Fliegen einfacher geworden wäre – ganz im Gegenteil. Der Luftraum wurde dichter, die Vorschriften komplexer und die Anforderungen höher. Doch die Systeme im Flugzeug übernahmen immer mehr Aufgaben von der Besatzung.

Genau das muss laut Manhattan nun auch in der Lieferkette geschehen. Planer, Lagerarbeiter und Filialteams bekommen heute noch zu oft ein zusätzliches Dashboard, eine Warnmeldung oder eine Anwendung vorgesetzt, mit der sie sich dann selbst auseinandersetzen müssen. Clark fasste es treffend zusammen: “Komplexität auf dem Markt ist eine Chance. Komplexität in der Software ist eine Belastung.”

Schneller zum Wert

Dieses Streben nach Einfachheit schlägt sich in erster Linie in der Geschwindigkeit nieder. Manhattan gibt an, die Standard-Implementierungszeit für seine Warehouse-Lösung um bis zu 50% verkürzt zu haben. KI-Agenten helfen dabei unter anderem dabei, Konfigurationen in natürlicher Sprache zu erstellen, Erweiterungen schneller zu konfigurieren sowie Bezeichnungen und Berichte zu generieren.

Im Bereich Auftrags- und Lagerverwaltung spricht das Unternehmen von Go-Lives ab hundert Tagen. Im Transportwesen können laut Manhattan einzelne Inbound- oder Outbound-Funktionalitäten mittlerweile in vierzehn Wochen eingeführt werden, was etwa 40% schneller ist als noch vor einem Jahr. Auch die Migration älterer Manhattan-Systeme auf die neue Plattform soll in bestimmten Fällen innerhalb von hundert Tagen möglich sein.

Gleichzeitig versucht Manhattan, seine Technologie für Unternehmen zugänglicher zu machen, die nicht zu den allergrößten Logistikunternehmen gehören. ActiveWarehouse, ActiveTransportation, ActiveStore und ActiveOrder sind ab sofort in drei Editionen erhältlich: Essentials, Enterprise und Enterprise Premier. Diese laufen jeweils auf derselben Plattform. Wer wächst, muss laut Angaben des Unternehmens also keine Neuimplementierung vornehmen, sondern kann zusätzliche Funktionen aktivieren.

Von der Erkenntnis zum Handeln

Der zweite Schritt ist grundlegender. KI soll nicht nur analysieren oder beraten, sondern letztendlich auch handeln.

Manhattan entscheidet sich dabei ausdrücklich für KI, die in seine bestehende Plattform eingebettet ist. Agenten dürfen nur die APIs nutzen, für die sie eine Berechtigung erhalten haben. Ein Agent kann beispielsweise Zugriff auf drei bestimmte APIs aus einem viel größeren Gesamtkontext erhalten, ohne direkten Zugriff auf die zugrunde liegende Datenbank zu haben. Auch externe Interaktionen über MCP laufen zunächst über diese kontrollierte Agentenebene. Damit versucht Manhattan, eine der wichtigsten Fragen im Zusammenhang mit autonomer KI zu beantworten: Wie verhindert man, dass ein Agent Handlungen ausführt, die außerhalb seines Auftrags liegen?

Völlige Autonomie ist jedoch (noch) nicht der Ausgangspunkt. Clark betonte, dass menschliche Erfahrung weiterhin unverzichtbar sei. Der beste Superuser erkennt manchmal intuitiv, welcher Kunde gerade Vorrang verdient, welche Einschränkung verhandelbar ist oder welche Regel einst für eine andere Realität geschrieben wurde. “Das sind keine Daten, das ist Instinkt”, erklärte Clark.

L’Oréal: Erst das Problem, dann der Wirkstoff

Der interessanteste Realitätscheck kam von L’Oréal. Das Unternehmen experimentierte zunächst umfassend mit KI-Agenten, stellte jedoch schnell fest, dass das Erkunden von Technologien etwas anderes ist als die Schaffung von operativem Mehrwert. Der Fokus verlagerte sich daher auf konkrete Probleme im Lager: Wave-Readiness, Nachschub und Bestandsentscheidungen. So kann ein Agent im Voraus vorhersagen, wo eine Wave zu scheitern droht, während ein anderer bei einem bestehenden Problem die Ursache analysiert und eine nächste Maßnahme vorschlägt.

Die Zahlen aus dem Pilotprojekt machen die Entwicklung greifbar. Ein Pre-Wave-Agent sorgte an einem Standort für eine zusätzliche Kommissionierproduktivität von 14% und eine berechnete Zeitersparnis von 352 Stunden pro Jahr. Ein Nachschubmonitor verkürzte seinerseits die Zeit zwischen Waving und Verladung um etwa 8%, was 440 Stunden pro Jahr entspricht. Beim Cycle Counting variierten die Ergebnisse stark: Im Durchschnitt sank die Entscheidungsverzögerung um 13%, während am leistungsstärksten Standort ein Rückgang auf 70% gemessen wurde. Genau diese Unterschiede sind interessant. Dieselbe Technologie führte nicht überall zum gleichen Ergebnis.

“Globaler Zugang bedeutet noch keine weltweite Akzeptanz”, lautete eine der Erkenntnisse aus dem Projekt. Es reichte nicht aus, lediglich Zugang zu einem Agenten zu gewähren. Erst als L’Oréal klar festlegte, wer für den Prozess verantwortlich war, welche Mitarbeiter damit arbeiten sollten und welche KPIs verfolgt werden sollten, begann die Akzeptanz wirklich zu wachsen. Die Schlussfolgerung war daher bemerkenswert nüchtern: Man sollte nicht mit der Frage beginnen, wie viele Agenten man installieren kann. Man sollte mit dem Problem beginnen, das man für die Mitarbeiter lösen möchte. Man sollte eine Basislinie definieren, anschließend kontinuierlich messen und für Unterstützung direkt am operativen Geschehen sorgen.

Kunden fragen nach KI, treten aber (manchmal) noch auf die Bremse

Diese Nuance war auch bei Frank Soudan zu hören, der seit kurzem für Manhattan unter anderem in den Benelux-Ländern, Deutschland und Skandinavien verantwortlich ist. Seiner Meinung nach enthält heute jede neue Geschäftsmöglichkeit, die Manhattan in Deutschland erörtert, eine KI-Komponente. Die Nachfrage kommt also durchaus vom Markt.

Aber Fragen zur KI zu stellen und der Technologie autonome Entscheidungen zu überlassen, sind zwei verschiedene Dinge. “Wo ziehen wir die Grenze?”, fasste Soudan die aktuelle Diskussion zusammen. Agenten können Mängel erkennen und Verbesserungen vorschlagen, doch Unternehmen zögern noch, die menschliche Kontrolle vollständig abzugeben.

Für die Benelux-Länder stehen dahinter zudem ganz konkrete logistische Herausforderungen. In den Niederlanden wird verfügbarer Raum immer knapper, sodass Unternehmen mehr aus bestehenden Gebäuden herausholen müssen. In Belgien stehen vor allem die Arbeitskosten ganz oben auf der Tagesordnung. Automatisierung, Robotisierung und KI spielen daher in diesem Zusammenhang eine gemeinsame Rolle: Mit weniger Ressourcen mehr Arbeit zu bewältigen und die Mitarbeiter zunehmend auf Ausnahmen statt auf sich wiederholende Entscheidungen konzentrieren zu lassen.

Nicht mehr auf Lager, aber intelligenter nutzen

Dass Technologie und Kundenerlebnis immer schwerer voneinander zu trennen sind, zeigte sich bei Nespresso. Der Kaffeespezialist arbeitet bereits seit zwanzig Jahren mit Manhattan im Bereich Lagerverwaltung und treibt nun eine umfassendere Umgestaltung des Auftragsmanagements voran, die letztendlich 42 Länder umfassen soll.

Das ist kein einfaches Umfeld. B2C-, B2B-, Marktplatz-, Nachschub- und Transferaufträge laufen in einem Netzwerk aus Produktionsstätten, Distributionszentren, regionalen Lagern und Boutiquen zusammen. Das Ziel ist eine zentrale Auftrags- und Bestandsübersicht. Dabei fiel eine Aussage besonders auf: Ein Kundenversprechen zu hundert Prozent einzuhalten, bedeutet nicht zwangsläufig, mehr Lagerbestände anzulegen. Es geht darum, die Bestände, die irgendwo im Netzwerk verfügbar sind, besser zu nutzen.

Eine Schraube ist kein iPhone

Bauhaus hat dieses Prinzip besonders konkret umgesetzt. Für einen Einzelhändler, der sowohl Zementsäcke als auch lange Holzbalken und einzelne Schrauben verkauft, gibt es keine universelle Fulfillment-Strategie. Das Unternehmen nutzt eine einheitliche Bestandsübersicht über alle seine digitalen Kontaktpunkte hinweg. Eine API liefert laut Bauhaus Bestandsdaten innerhalb von etwa 70 Millisekunden und wird bis zu 40 Millionen Mal aufgerufen. „Click & Collect“ soll Produkte innerhalb von 90 Minuten bereitstellen. Während eine Online-Bestellung früher bis zu 15 Minuten brauchte, um eine Filiale zu erreichen, geschieht dies nun innerhalb weniger Sekunden.

Auch bei der Lieferung bestimmt die Software immer häufiger die Wahl. Verfügt die nächstgelegene Filiale nur über einen Teil einer Bestellung, kann eine etwas weiter entfernte Filiale, die alle Produkte vorrätig hat, interessanter sein. Eine etwas längere Fahrt ist schließlich oft günstiger und kundenfreundlicher als zwei separate Lieferungen.

Jetzt beginnt die eigentliche Prüfung

KI war in Mailand allgegenwärtig. Keynote-Redner Peter Hinssen scherzte, dass man heute, wenn man durch San Francisco läuft, kaum noch etwas anderes sieht als “KI, KI, KI”. Die Geschwindigkeit, mit der sich die Technologie verändert, beschrieb er als eine Achterbahnfahrt. Aber genau deshalb waren die interessantesten Beiträge auf der Exchange nicht die spektakulären Zukunftsvisionen. Es waren die Beispiele, in denen Unternehmen zeigen konnten, was tatsächlich besser und effizienter lief.

Darin liegt vielleicht auch die nächste Phase der agentenbasierten KI in der Logistik. Nicht in einem weiteren Agenten, einem weiteren Modell oder einem weiteren Dashboard, sondern in der Frage, ob Software tatsächlich einen Teil der operativen Komplexität übernehmen kann. Sicher, messbar und vor allem, ohne das Wissen der Mitarbeiter im Lager außer Acht zu lassen. Also vom Einblick zur Handlung. Nur wird der Mensch vorerst wohl noch selbst entscheiden, wie viel Handlungsspielraum er abgeben möchte…