Zur Hauptnavigation wechseln Zur Suche wechseln Zum Hauptinhalt wechseln

Der Einsatz von Large Language Models in der Unternehmenswelt zur Kostenoptimierung im Supply Chain Management

  • Jacqueline Wipplinger

    Studienabschlussarbeit: Masterarbeit

    Abstract

    Die vorliegende Arbeit untersucht die Integration von Large Language Models (LLMs) in Unternehmensprozesse zur Kostenoptimierung im Supply Chain Management (SCM). Angesichts der wachsenden Bedeutung von Künstlicher Intelligenz (KI) und des steigenden Kostendrucks im SCM zielt die Arbeit darauf ab, die Voraussetzungen und Potenziale von LLMs zur Effizienzsteigerung und Kostensenkung zu analysieren. Die Arbeit ist in mehrere Kapitel unterteilt. Nach der Einführung, die die Forschungsfragen und Ziele definiert, wird im zweiten Kapitel die Technologie der LLMs sowie deren technische und organisatorische Voraussetzungen zur Integration in Unternehmen beschrieben. Das dritte Kapitel widmet sich dem SCM, erläutert dessen Ziele und Kosten und zeigt auf, wie LLMs zur Kostensenkung eingesetzt werden können. Im vierten Kapitel werden spezifische Anwendungsfälle und Auswahlkriterien für LLMs vorgestellt. Das fünfte Kapitel befasst sich mit der Technologieakzeptanz, indem es relevante Modelle und Einflussfaktoren untersucht. Abschließend werden praxisrelevante Handlungsempfehlungen im sechsten Kapitel abgeleitet. Die Methodik umfasst eine umfassende Literaturrecherche, Fallstudien und empirische Untersuchungen mittels Fragebogen. Die vorliegende Arbeit widmete sich der Untersuchung der Integration von LLMs in Unternehmensprozesse zur Kostenoptimierung im SCM. Die zentrale Problemstellung und die daraus abgeleiteten Forschungsfragen werden behandelt und beantwortet. Die erste Forschungsfrage befasst sich mit den technischen und organisatorischen Voraussetzungen für die Integration von LLMs und deren Nutzung zur Kostenoptimierung im SCM. Technisch benötigen LLMs hochwertige, gut aufbereitete Daten, die durch Datenbereinigung, Integration der Datenquellen und Feature Engineering sichergestellt werden. Techniken wie Prompt Engineering, Feintuning und Retrieval Augmented Generation sind notwendig, um die Modelle an Unternehmensbedürfnisse anzupassen. Organisatorisch erfordert die Integration effektives Change-Management, Schulungen und kontinuierliche Weiterbildung der Mitarbeiter*innen sowie die Berücksichtigung rechtlicher Aspekte wie Datenschutz. Die zweite Forschungsfrage beleuchtete die Kriterien für geeignete Anwendungsfälle von LLMs im SCM. Geeignete Problemstellungen zeichnen sich durch Datentypen, Datenverfügbarkeit, Anwendungsgebiete, Prozessautomatisierung, BusinessRelevanz und klare Erfolgskriterien aus. Die dritte Forschungsfrage untersuchte die Faktoren, die die Akzeptanz von LLMs beeinflussen. Modelle wie das Technology Acceptance Model, die Unified Theory of Acceptance and Use of Technology und das AI device use acceptance model identifizieren Faktoren wie wahrgenommene Nützlichkeit, Benutzer*innen-Freundlichkeit, sozialer Einfluss, Erwartung der Leistung und der Anstrengung sowie hedonistische Motivation und Gewohnheit als entscheidend für die Technologieakzeptanz. Abgeleitete Faktoren für die Befragung zeigen, welche Faktoren im Unternehmenskontext entscheidend sind. Die Handlungsempfehlungen der Arbeit umfassen von der Datenqualität bis hin zur Nutzer*innenakzeptanz entscheidende Punkte für eine erfolgreiche Integration von LLMs zur Kostenoptimierung im SCM.
    Datum der Bewilligung2024
    OriginalspracheDeutsch (Österreich)
    Gradverleihende Hochschule
    • FH OÖ
    Betreuer/-inVeit Kohnhauser (Betreuer*in)

    Studiengang

    • Logistik-Engineering und -Management

    Zitieren

    '