Zukunft gestalten: Interviews aus unserem Netzwerk – Otto ID Solutions

Karsten Otto

Geschäftsführer
Otto ID Solutions

Welche Rolle spielt Künstliche Intelligenz bei Otto ID Solutions beziehungsweise Leanwave im Zusammenspiel mit RFID-basierten Echtzeitdaten?

Künstliche Intelligenz ist für uns der entscheidende Hebel, um aus reinen RFID-Daten echten Mehrwert zu generieren. RFID liefert zunächst „nur“ Ereignisse – also wann sich ein Objekt wo befindet. Der eigentliche Nutzen entsteht aber erst, wenn diese Daten in einen Kontext gesetzt und interpretiert werden.

Genau hier kommt KI ins Spiel: Sie hilft uns, aus einer vielzahl von Bewegungsdaten Muster zu erkennen, Prozesse zu verstehen und vor allem zukünftige Entwicklungen vorherzusagen. Während RFID Transparenz schafft, sorgt KI dafür, dass diese Transparenz auch handlungsrelevant wird.

Bei Otto ID denken wir daher nicht in Tracking, sondern in Process Intelligence: Wir verbinden Echtzeitdaten mit Algorithmen, um operative Prozesse nicht nur sichtbar, sondern aktiv steuerbar zu machen.

Wie nutzen Sie KI konkret, um aus Tracking-Daten ein tieferes Prozessverständnis zu entwickeln und operative Abläufe zu optimieren?

Wir nutzen KI vor allem, um aus fragmentierten Einzeldaten ein konsistentes Bild von Prozessen zu erzeugen. In der Praxis bedeutet das:

• Automatische Prozessrekonstruktion: KI erkennt typische Abläufe – z. B. wie Textilien durch eine Wäscherei oder einen Logistikprozess laufen.
• Identifikation von Engpässen: Durch Mustererkennung sehen wir, wo sich Prozesse stauen oder unnötige Schleifen entstehen.
• Zeit- und Durchlaufanalysen: Wir verstehen nicht nur was passiert, sondern auch wie effizient.

Ein wichtiger Punkt ist: Viele Unternehmen wissen gar nicht genau, wie ihre realen Prozesse tatsächlich ablaufen – sie kennen nur das Soll. Unsere Kombination aus RFID und KI macht das Ist sichtbar.

Darauf aufbauend können wir gezielt optimieren, zum Beispiel durch:

• bessere Ressourcenzuteilung
• reduzierte Umlaufzeiten
• Vermeidung von Verlusten

Welche praktischen Einsatzmöglichkeiten sehen Sie besonders in Bereichen wie Predictive Analytics, Anomalieerkennung oder automatisierter Entscheidungsunterstützung?

Hier sehen wir aktuell die größten Hebel:

Predictive Analytics

• Vorhersage von Engpässen in Produktions- oder Logistikprozessen
• Prognosen zu Beständen, Umlaufmengen oder Bedarf
• Frühzeitige Erkennung von Über- oder Unterversorgung

Anomalieerkennung

• Identifikation von Verlusten oder Diebstahl
• Auffällige Prozessabweichungen (z. B. ungewöhnlich lange Liegezeiten)
• Fehler in Abläufen, die sonst unbemerkt bleiben

Automatisierte Entscheidungsunterstützung

• Handlungsempfehlungen in Echtzeit (z. B. Umlagerungen)
• Priorisierung von Aufgaben basierend auf Prozesszustand
• Grundlage für (teil-)automatisierte Steuerung von Abläufen

Der entscheidende Punkt: Es geht nicht darum, nur Daten zu analysieren, sondern konkrete Entscheidungen besser und schneller zu machen.

Wo liegen aktuell die größten Herausforderungen beim Einsatz von KI – etwa im Hinblick auf Datenqualität, Integration, Akzeptanz oder Datenschutz?

Die größten Herausforderungen sind weniger technischer Natur, sondern liegen in der Umsetzung:

1. Datenqualität und Kontext
   RFID-Daten sind sehr granular, aber nicht automatisch „intelligent“. Ohne sauberen Kontext – also Prozesswissen – bleibt der Mehrwert begrenzt.
2. Integration in bestehende Systeme
   Viele Unternehmen haben gewachsene IT-Strukturen. KI-Lösungen müssen sich nahtlos integrieren, sonst entstehen Insellösungen ohne echten Nutzen.
3. Akzeptanz im operativen Umfeld
   Mitarbeitende müssen verstehen, dass KI sie unterstützt und nicht ersetzt. Transparenz und einfache Nutzbarkeit sind hier entscheidend.
4. Datenschutz und Governance
   Gerade bei personenbezogenen oder sensiblen Betriebsdaten ist ein sauberer Umgang essenziell. Das Thema wird oft unterschätzt, ist aber zentral für Skalierung.

Unser Ansatz ist daher immer: erst echten operativen Nutzen schaffen, dann skalieren – nicht umgekehrt.