Strategisches Supply-Chain-Risikomanagement: Einsatz von Künstlicher Intelligenz und Big Data zur Unterstützung des strategischen Supply-Chain-Risikomanagements

Kathrin Kramer; Danial Mousavi; Matthias Schmidt

doi:10.1515/zwf-2022-1055

Strategisches Supply-Chain-Risikomanagement: Einsatz von Künstlicher Intelligenz und Big Data zur Unterstützung des strategischen Supply-Chain-Risikomanagements

Translated title of the contribution: Strategic Supply Chain Risk Management : Artificial Intelligence and Big Data to Support Strategic Supply Chain Risk Management

Kathrin Kramer
, Danial Mousavi
, Matthias Schmidt

Leuphana University of Lüneburg

Research output: Journal contributions › Journal articles › Research › peer-review

2 Citations (Scopus)

Abstract

Complexity and uncertainty along supply chains can be made more manageable through data-driven processes. Artificial intelligence (AI) methods in particular can be used to analyse large amounts of data from companies. As a result, a strategic supply chain risk management can be set up to monitor various sources of risk. In this context, this article provides a systematic overview of the possible applications of AI methods.

Translated title of the contribution	Strategic Supply Chain Risk Management : Artificial Intelligence and Big Data to Support Strategic Supply Chain Risk Management
Original language	German
Journal	ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb
Volume	117
Issue number	5
Pages (from-to)	349-353
Number of pages	5
ISSN	0947-0085
DOIs	https://doi.org/10.1515/zwf-2022-1055
Publication status	Published - 30.05.2022

Bibliographical note

Publisher Copyright:
© 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany.

Research areas and keywords

Engineering

ASJC Scopus Subject Areas

Strategy and Management
Engineering(all)
Management Science and Operations Research

Access to Document

10.1515/zwf-2022-1055

Cite this

@article{c496e2da625043f499586fb19f2c0c59,

title = "Strategisches Supply-Chain-Risikomanagement: Einsatz von K{\"u}nstlicher Intelligenz und Big Data zur Unterst{\"u}tzung des strategischen Supply-Chain-Risikomanagements",

abstract = "Komplexit{\"a}t und Unsicherheit entlang Lieferketten kann durch datengest{\"u}tzte Verfahren beherrschbarer gemacht werden. Besonders Verfahren der K{\"u}nstlichen Intelligenz (KI) k{\"o}nnen zur Analyse gro{\ss}er Datenmengen von Unternehmen herangezogen werden. Als Ergebnis l{\"a}sst sich ein strategisches Supply-Chain-Risikomanagement zum Monitoring verschiedener Risikoquellen aufsetzen. In diesem Kontext liefert dieser Beitrag einen systematischen {\"U}berblick {\"u}ber die Anwendungsm{\"o}glichkeiten von KI-Verfahren.",

keywords = "Ingenieurwissenschaften, Analytics, Artificial Intelligence, Big Data, Machine Learning, Resilience, Strategic Risk Management, Supply Chain Risk Management",

author = "Kathrin Kramer and Danial Mousavi and Matthias Schmidt",

note = "Publisher Copyright: {\textcopyright} 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany.",

year = "2022",

month = may,

day = "30",

doi = "10.1515/zwf-2022-1055",

language = "Deutsch",

volume = "117",

pages = "349--353",

journal = "ZWF Zeitschrift f{\"u}r wirtschaftlichen Fabrikbetrieb",

issn = "0947-0085",

publisher = "Walter de Gruyter GmbH",

number = "5",

}

Strategisches Supply-Chain-Risikomanagement: Einsatz von Künstlicher Intelligenz und Big Data zur Unterstützung des strategischen Supply-Chain-Risikomanagements. / Kramer, Kathrin; Mousavi, Danial; Schmidt, Matthias.
In: ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb, Vol. 117, No. 5, 30.05.2022, p. 349-353.

Research output: Journal contributions › Journal articles › Research › peer-review

TY - JOUR

T1 - Strategisches Supply-Chain-Risikomanagement

T2 - Einsatz von Künstlicher Intelligenz und Big Data zur Unterstützung des strategischen Supply-Chain-Risikomanagements

AU - Kramer, Kathrin

AU - Mousavi, Danial

AU - Schmidt, Matthias

PY - 2022/5/30

Y1 - 2022/5/30

N2 - Komplexität und Unsicherheit entlang Lieferketten kann durch datengestützte Verfahren beherrschbarer gemacht werden. Besonders Verfahren der Künstlichen Intelligenz (KI) können zur Analyse großer Datenmengen von Unternehmen herangezogen werden. Als Ergebnis lässt sich ein strategisches Supply-Chain-Risikomanagement zum Monitoring verschiedener Risikoquellen aufsetzen. In diesem Kontext liefert dieser Beitrag einen systematischen Überblick über die Anwendungsmöglichkeiten von KI-Verfahren.

AB - Komplexität und Unsicherheit entlang Lieferketten kann durch datengestützte Verfahren beherrschbarer gemacht werden. Besonders Verfahren der Künstlichen Intelligenz (KI) können zur Analyse großer Datenmengen von Unternehmen herangezogen werden. Als Ergebnis lässt sich ein strategisches Supply-Chain-Risikomanagement zum Monitoring verschiedener Risikoquellen aufsetzen. In diesem Kontext liefert dieser Beitrag einen systematischen Überblick über die Anwendungsmöglichkeiten von KI-Verfahren.

KW - Ingenieurwissenschaften

KW - Analytics

KW - Artificial Intelligence

KW - Big Data

KW - Machine Learning

KW - Resilience

KW - Strategic Risk Management

KW - Supply Chain Risk Management

UR - https://www.degruyter.com/document/doi/10.1515/zwf-2022-1055/html

UR - https://www.scopus.com/pages/publications/85130330767

UR - https://www.mendeley.com/catalogue/3259de9d-46d6-317d-bbc7-65398f99928d/

U2 - 10.1515/zwf-2022-1055

DO - 10.1515/zwf-2022-1055

M3 - Zeitschriftenaufsätze

SN - 0947-0085

VL - 117

SP - 349

EP - 353

JO - ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb

JF - ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb

IS - 5

ER -

Strategisches Supply-Chain-Risikomanagement: Einsatz von Künstlicher Intelligenz und Big Data zur Unterstützung des strategischen Supply-Chain-Risikomanagements

Abstract

Bibliographical note

Research areas and keywords

ASJC Scopus Subject Areas

Access to Document

Fingerprint

Cite this