Steigende Volatilität der globalen Absatzmärkte und zunehmende regulatorische und geopolitische Veränderungen wirken zeitgleich auf globale Wertschöpfungsketten und steigern Komplexität und Aufwand im Supply Chain Management (SCM). Wesentlicher Treiber ist hierbei die Verlagerung des SCM zu stärker operativen Fragenstellungen. Während historisch die strategische, taktische Optimierung mit stabilen Parametern und Rahmenbedingungen im Fokus stand, stehen heutzutage vor allem die Lösung kurzfristiger Probleme und die fortlaufende Optimierung im „Tagesgeschäft“ im Vordergrund. KI bietet im SCM das Potenzial der zunehmenden Komplexität und dem steigenden Aufwand effizient zu begegnen. Bereits heute wird KI daher in einer Vielzahl von Use Cases angewendet. Charakteristisch ist dabei, dass für nahezu alle Use Cases eine Korrelation zwischen Mehrwert und Anforderungen an die KI Readiness der SCM-Organisation besteht. KI-Use-Cases, welche eine Optimierung der gesamten E2E Supply Chain vorsehen, besitzen so häufig das größte Potenzial, haben aber auch die höchsten Anforderungen an Daten, Prozesse, Organisation und Governance im Zusammenhang mit KI. Bei der Umsetzung von KI Use Cases im SCM ist daher besonders darauf zu achten, dass der Mehrwert den Aufwand zur Umsetzung der Anforderungen rechtfertigt. Use Cases, die dieses Paradigma in der Praxis erfüllt haben, finden sich zum Beispiel in der Szenario-basierten Netzwerkoptimierung oder der Slotting-Optimierung in Lagern.