In den letzten fünf Jahren hat sich das Supply Chain Management (SCM) stark weiterentwickelt – insbesondere getrieben durch technologische Innovationen, globale Krisen wie die COVID-19-Pandemie, wachsende geopolitische Spannungen und steigende Nachhaltigkeitsanforderungen. Unternehmen mussten ihre Lieferketten neu denken, digitalisieren und widerstandsfähiger gestalten. Die massiven Veränderungen in den relevanten Entwicklungsstufen von 2020 bis 2025 stellen sich wie folgt dar:
Auslöser für die krisengetriebene Resilienz waren u.a. die COVID-19-Pandemie, die daraus resultierende Lockdowns, Grenzschließungen und die entsprechenden Lieferengpässe. In dieser Zeit bestand das Hauptziel des SCM in der Aufrechterhaltung der Lieferfähigkeit, trotz parallel auftretender gravierender externer Störungen. Es wurde versucht diese Versorgungsstörungen über folgende Maßnahmen zu mitigieren:
- Aufbau von Redundanzen (z. Second-Source-Strategien).
- Nearshoring / Regionalisierung zur Reduktion globaler Abhängigkeiten.
- Einführung von Krisenmanagement-Teams in der Supply Chain.
- Steigerung der Lagerbestände („Safety Stock“) zur Absicherung von Risiken.
Beispiele aus der Praxis:
- Die Firma Bosch baut in dieser Zeit verstärkt regionale Liefernetzwerke auf.
- Bei Adidas wurden die Lagerbestände innerhalb der EU signifikant erhöht.
In den darauffolgenden Jahren stieg der Bedarf an Echtzeitinformationen und Planungssicherheit immer rasanter an. Es bestand die Notwendigkeit eine deutlich höhere Transparenz in Verbindung mit Automatisierung und Datenintegration zu erlangen. Dieser Notwendigkeit wurde über die Einführung folgender Tools Rechnung getragen:
- Einführung von Supply Chain Visibility Tools (z.B. Echtzeit-Tracking).
- Einsatz von Künstlicher Intelligenz (KI) – Machine Learning für bessere Bedarfsprognosen.
- Ausbau von Cloud-Plattformen und API-basierten Integrationen.
- Aufbau von digitalen Zwillingen („Digital Twins“) in den Lieferketten.
Beispiele aus der Praxis:
- DHL setzt vermehrt auf Supply Chain Visibility-Plattformen.
- Siemens führt den „Digital Twin“ für eine verbesserte operative Transparenz ein.
In den Jahren 2022-2023 wurden die Umsetzung der ESG-Vorgaben und der Lieferkettengesetze (z. B. deutsches LkSG) immer wichtiger für die Unternehmen – dies war eine Reaktion auf den steigenden gesellschaftlichen Druck, bei dem die Kunden immer mehr auf nachhaltige, faire und transparente Lieferketten geachtet haben. Diesen neuen Anforderungen und dem gestiegenen Kundendruck begegneten Unternehmen mit folgenden Maßnahmen:
- Einführung von Sustainability Scorecards für Lieferanten.
- CO₂-Tracking entlang der (gesamten) Lieferkette.
- Integration sozialer und ökologischer Kriterien bei der Auswahl der Lieferanten.
- Entwicklung von neuen Kreislaufwirtschaftsstrategien (Circular Supply Chains).
Beispiele aus der Praxis:
- BMW bewertet seine Lieferanten konsequent nach ESG-Kriterien.
- Unilever verfolgt seine CO₂-Emission über die Gesamte Wertschöpfungskette hinweg.
Aufgrund der anhaltenden volatilen Märkte und weiter steigenden geopolitischen Risiken (Ukraine-Krieg, Handelskonflikte etc.), wurde es für Unternehmen existenziell, eine sehr hohe Flexibilität – gepaart mit einer schnellen Reaktionsfähigkeit – zu erlangen.
- Aufbau dynamischer Liefernetzwerke anstatt linearer Lieferketten.
- Szenarioplanung und simulationsgestützte Entscheidungsmodelle.
- Nutzung von Echtzeitdaten zur kurzfristigen Routen- und Lieferanpassung.
- Verstärkte Integration von Logistikdienstleistern in digitale Systeme.
Beispiele aus der Praxis:
- Zalando begann ein dynamisches Carrier-Management System zu nutzen.
- Bei BASF wurden unterschiedliche Simulationsmodelle getestet.
Aufgrund der Tatsache, dass der Reifegrad von digitalen Technologien im Laufe der Zeit immer besser wurde, der Kostendruck stetig wuchs und der Fachkräftemangel immer deutlicher wurde, setzten Unternehmen zu dieser Zeit vermehrt auf die Automatisierung ihrer Produktion, um die Effizienz zu steigern. Darüber hinaus wurden folgende digitale Technologien vermehrt als Entscheidungsunterstützung bei operativen Arbeiten eingesetzt.
- Einsatz generativer KI für automatische Nachfrageplanung + Einkaufsentscheidungen.
- Autonome Lagersysteme und Robotik in der Logistik.
- Self-Healing Supply Chains (automatische Reaktion auf Störungen).
- Vorausschauende Wartung & Lieferantenbewertung durch Predictive Analytics.
Beispiele aus der Praxis:
- Amazon arbeitet verstärkt mit KI-gesteuerten Lagern.
- Schneider Electric nutzt generative KI für ihre Planung.
Unser Fazit.
In den letzten fünf Jahren hat sich das Supply Chain Management von einer reaktiven operativen Funktion hin zu einem strategischen, datengetriebenen und nachhaltigen Wertschöpfungstreiber entwickelt. Die Schwerpunkte der Entwicklung lagen in den letzten fünf Jahren insbesondere auf den Themen Resilienz, Digitalisierung, Nachhaltigkeit, Agilität und Autonomie – oft in überlappenden Phasen. Zukunftsplanungen zeigen bereits heute, dass die Entwicklung des Supply Chain Managements mit den zukünftigen Möglichkeiten jedoch erst am Anfang steht.
Downloaden Sie sich den Artikel als PDF >>HIER<<.
*Hinweis*: Aus Gründen der Lesbarkeit wird in diesem Text auf eine durchgehende Genderung verzichtet. Sämtliche Personenbezeichnungen gelten gleichermaßen für alle Geschlechter.