Brylowski, MartinMartinBrylowskiSchröder, MeikeMeikeSchröderKersten, WolfgangWolfgangKersten2021-11-082021-11-082021-11-08Technische Universität Hamburg (2021)http://hdl.handle.net/11420/10799Aktuelle Ereignisse, wie die Ausbreitung der Corona-Pandemie, die ganze Lieferketten zum Erliegen gebracht hat, zeigen einmal mehr, wie wichtig ein Supply Chain Risikomanagement (SCRM) ist. Eine der größten Herausforderungen beim SCRM besteht darin, frühestmöglich Informationen über Abweichungen vom geplanten Prozess zu erhalten, um die Pünktlichkeit der logistischen Prozesse innerhalb der Lieferkette zu gewährleisten. So können z. B. Lieferanten- und Umsatzausfälle sowie Notfallkosten vermieden werden. Des Weiteren bietet ein gutes SCRM die Möglichkeit, Reputationsschäden abzuwenden und schneller als der Wettbewerb auf externe Störungen in der Supply Chain reagieren zu können. Die zunehmende digitale Transformation in Unternehmen und Lieferketten und die damit verbundene größere Verfügbarkeit von auswertbaren Echtzeitdaten eröffnen durch die Einbindung von Maschinellem Lernen in das SCRM neue Potenziale für eine proaktive Ausrichtung. Vor diesem Hintergrund führte das Institut für Logistik und Unternehmensführung (LogU) an der Technischen Universität Hamburg (TUHH) in Kooperation mit riskmethods im Sommer 2021 eine Befragung durch, in welcher der Einsatz von Maschinellem Lernen im Supply Chain Risikomanagement näher untersucht wurde. An der Befragung nahmen 353 Personen aus unterschiedlichen Branchen teil, von denen 114 den Fragebogen vollständig ausfüllten.dehttp://rightsstatements.org/vocab/InC/1.0/Supply Chain ManagementSupply Chain Risk ManagementArtificial Intelligencemachine learningKünstliche IntelligenzMaschinelles LernenWirtschaftHandel, Kommunikation, VerkehrResearch Report10.15480/882.387510.15480/882.3875Research Report