In applying new digital technologies in their day-to-day operations, many German companies are still stuck. They do know the relevant digitalization technologies; however, there remains a need to catch up in their implementation. These are central findings of the BME Logistics Study 2025 “Digitisation and Artificial Intelligence in Supply Chains.” It was presented on November 13 as part of the 60th Symposium on Purchasing & Logistics of the German Association for Materials Management, Purchasing and Logistics (BME).
„Diese Erkenntnis überrascht nicht. Denn bereits die BME-Logistikstudien 2019 und 2022 haben ein ähnliches Bild gezeigt“, betonte im Vorfeld BME-Hauptgeschäftsführer Dr. Lars Kleeberg.
Mehr als die Hälfte der Teilnehmenden kennt der Studie zufolge mindestens acht Technologien gut genug, um Entscheidungen über deren Einsatz zu treffen. Besonders Cloud Computing, APIs sowie Robotik und
Automatisierung sind etabliert.
Wissensstand und Unternehmensgröße
Es zeige sich, dass die ausgewählten Digitalisierungstechnologien einen teilweise hohen Beitrag zur Meisterung der aktuellen Herausforderungen im Supply Chain Management leisten können, so die Studienautoren. Das Thema Risikomanagement und Resilienz wird demnach von vielen der Technologien unterstützt, indem mehr Transparenz erzeugt, die Identifikation von Risiken erleichtert oder unmittelbar Resilienz aufgebaut wird.
Ein weiteres Studienergebnis: Lediglich Technologien, deren Einsatz spezifisch ist (beispielsweise in bestimmten Branchen oder für ausgewählte Prozesse) oder deren Begriff weniger geläufig ist, werden nur von einem geringen Anteil der Teilnehmenden als gut bekannt angesehen. Der Kenntnisstand scheint jedoch tendenziell von der Unternehmensgröße abzuhängen: Teilnehmer großer Firmen kennen der Erhebung zufolge durchschnittlich mehr Technologien gut als Teilnehmer von kleinen Betrieben. Das kann Auswirkungen auf die Entscheidungen zum Einsatz von Digitalisierungstechnologien haben: Wenn
mehr Technologien bekannt sind, können Digitalisierungstechnologien mutmaßlich gezielter ausgewählt und eingesetzt werden.
KI-Potenziale bleiben noch oft liegen
„Aufholpotenzial sehen wir bei KI, Big Data Analytics, Advanced Analytics und den sogenannten Digitalen Zwillingen (virtuelle Abbilder physischer Objekte oder Systeme). Hier ist die Zahl der Pilotprojekte hoch“, berichtet Michael Jungk, Leiter der BME-Sektion SCM und Logistik.
Gerade die Künstliche Intelligenz entwickele sich vom Zukunftsthema zu einer praxistauglichen Lösung. Dass die Digitalisierung insbesondere in Einkauf, Beschaffungslogistik und SCM noch großes Potenzial für Effizienzsteigerung, Kostenreduktion und Resilienz bietet, ist den Studienergebnissen in den Köpfen der Entscheider längst angekommen. Doch zwischen Wissen und Anwendung klafft noch immer eine Lücke.
Fehlendes Personal und schlechte Stammdaten bremsen
Die auch in diesem Jahr wieder in Zusammenarbeit mit Prof. Dr. Michael Huth von der Hochschule Fulda durchgeführte BME-Logistikstudie
nennt konkrete Hürden, die eine erfolgreiche Digitalisierung der Geschäftsprozesse in den Unternehmen verzögern. Dazu zählen fehlende Personalressourcen, eine unzureichende Stammdatenqualität und hohe Investitionen. Gerade die Datenqualität ist ein entscheidender Engpass. Ohne klare Verantwortlichkeiten, saubere Stammdaten und Zeiträume für Fachkräfte bleibe Digitalisierung Stückwerk, heißt es.
Die Handlungsempfehlungen der jüngsten BME-Studie sehen die Autoren eindeutig: Unternehmen müssten sich intensiver mit den neuen Technologien befassen, Personalressourcen aufbauen und Verantwortlichkeiten für die Digitalisierung festlegen, Stammdaten konsequent pflegen und die Bandbreite Künstlicher Intelligenz stärker nutzen.
„Der Einsatz von Digitalisierungstechnologien ist mit konkretem Nutzen verbunden: Vor allem die drei klassischen Ziele im SCM – geringere Kosten, höhere Qualität, kürzere Zeitdauern – können damit realisiert werden. Dabei hängen die erreichbaren Ziele allerdings stark von der einzelnen Technologie ab“, sagt Prof. Dr. Michael Huth, einer der Autoren
