top of page

Woran arbeite ich gerade?

Masterarbeit: "Developing spatial knowledge graphs for enhanced visualization and analysis of supply chains:

A geoinformatics approach towards sustainability and resilience"

Abbau von Datensilos

Einsatz von Knowledge Graphen und Graphentechnologie, um Abhängigkeiten in Lieferketten und Umweltrisiken umfassend abzubilden und einen ganzheitlichen Ansatz zur Vermeidung von Datensilos zu verfolgen. So kann ein Gesamtbild der Risiken und der Transparenz in der Lieferkette erhalten, analysiert und kommuniziert werden.

Proaktiver Dialog mit Unternehmen

Für meine Arbeit bin ich sehr froh, dass deuter und bluesign sich bereit erklärt haben, neben esri als Technologiepartner mit mir zusammenzuarbeiten, um einen realistischen Einblick in die reale Welt der Lieferketten, der Due Diligence und der Herausforderungen zu bekommen. Außerdem arbeite ich mit dem WWF an Georisiken in Lieferketten.

Kampf im Dickicht der Lieferkettendaten

Welche Lieferkettendaten gibt es derzeit, insbesondere auf räumlicher Ebene? Einbeziehung von externen und internen Unternehmensdaten für ein umfassendes Risikomanagement auf allen Ebenen der Lieferkette. Wie können geopolitische, klimatische und soziale Risiken mit einbezogen werden.

Risikomanagement meiner Masterarbeit

Koordinierung der Kommunikation mit allen Partnern, Ausarbeitung der Herausforderungen und Anforderungen des Projekts. Umsetzung der technischen Lösung, Entwicklung von Datenmodellen und praktischen Anwendungen für die Projektpartner. Verstehen der aktuellen Lieferkettengesetze und natürlich das Verfassen der Forschungsarbeit.

Warum mache ich das?

Als selbsternannter Datennerd liebe ich es, mich logisch-kreativ mit Daten und ihren Strukturen auseinanderzusetzen. Derzeit besteht ein dringender Bedarf an Lösungen zur Verbesserung der Transparenz in Lieferketten, ein Thema, das stark an Aufmerksamkeit und Dringlichkeit gewonnen hat. Graphen, insbesondere räumliche Knowledge Graphen, entwickeln sich zu einem wichtigen Trend in der Data Science, da sie in der Lage sind, komplexe Beziehungen aufzuzeigen, die über bloße Koordinaten hinausgehen.

Ich bin sehr daran interessiert, praktischen Anwendungen und das Potenzial dieser Graphen zu untersuchen, insbesondere im Bereich der Geodaten, wo Beziehungen zwischen geografischen Phänomenen wertvolle Erkenntnisse bieten. Darüber hinaus weckt der historische Kontext des globalen Handels in Augsburg am Beispiel der Familien Fugger und Welser mein Interesse, ebenso wie die Frage, wie wir heute auf globaler Ebene verantwortungsvoller handeln können. Durch den Einsatz fortschrittlicher Geoinformatik möchte ich einen Beitrag zur laufenden Diskussion über die Nachhaltigkeit und Widerstandsfähigkeit von Lieferketten leisten.

Wie habe ich angefangen?

Zu Beginn meines Projekts startete ich mit einer Datensuche online und arbeitete mit Lieferantenlisten, die ich auf Unternehmenswebsites und im Open Supply Hub fand. Anhand dieser Daten habe ich erste Graphen erstellt und sie mit zusätzlichen Risikoinformationen angereichert.

Mit Hilfe meiner Kollegin Daniela nahm ich Kontakt zum WWF auf und sprach mit Liam, der mir unschätzbare Unterstützung bot. Er teilte die umfassende Erfahrung des WWF in der Beratung zu nachhaltigen Lieferketten und leitete mich bei der Verwendung der WWF Risk Filter Suite an. Mit diesem Tool konnte ich die Standorte der Fabriken nicht nur auf Länderebene, sondern auch auf der Ebene der Wassereinzugsgebieten mit Daten anreichern. Liams Einblicke und Anregungen waren entscheidend für die Ermittlung von Schlüsselfaktoren und Überlegungen für mein Projekt.

Wie habe ich das weiter konkertisiert?

Dann begann ich, das Problem, das ich untersuchen wollte, zu konkretisieren und zu überlegen, wie ich dies mit Hilfe von Knowledge Graphen erreichen könnte:

Problem: Unternehmen stehen vor zahlreichen Herausforderungen, darunter die Sicherstellung der Einhaltung internationaler Normen und die Minimierung von Umweltrisiken und geopolitischen Risiken. Herkömmliche Datenmanagementsysteme sind oft nicht in der Lage, die komplexen und dynamischen Beziehungen innerhalb moderner Lieferketten angemessen zu visualisieren und zu analysieren.

 

Lösung: Dieses Projekt implementiert Spatial Knowledge Graphs zur umfassenden, dynamischen und raumbezogenen Visualisierung von Lieferketten. Diese Graphen integrieren detaillierte Geodaten, die weit über einfache Standortinformationen hinausgehen und Umwelteinflüsse, Risiken und Interaktionen zwischen verschiedenen Knotenpunkten in der Lieferkette erfassen.

 

Vorteile: ​

  • Verbessertes Risikomanagement: Durch die Integration und Bereitstellung eines Überblicks über alle Daten der Lieferkette ermöglicht der Ansatz die frühzeitige Erkennung von und Reaktion auf potenzielle Risiken. 

  • Besser informierte Entscheidungsfindung: Die klare Visualisierung der Beziehungen in der Lieferkette ermöglicht eine strategischere und fundiertere Entscheidungsfindung und Kommunikation. 

  • Nachhaltigkeit und Compliance: Das Modell unterstützt Unternehmen bei der Einhaltung gesetzlicher Vorgaben und der Umsetzung nachhaltiger Praktiken, was zu einer verbesserten Marktposition und einer höheren Kundenzufriedenheit führt.

Wie bin ich weiter vorgegangen?

Ich beschloss, mich auf die Textillieferketten zu konzentrieren, da einige Textilunternehmen aufgrund der Nachfrage der Verbraucher und der weltweiten Berichterstattung über die Produktionsbedingungen Informationen über ihre Zulieferer weitergeben. Ich hatte das Glück, dass Fabian von bluesign auf meine E-Mail-Anfrage geantwortet hat. Bluesign, die auch ein Büro in Augsburg haben :), sind bekannt für ihre strengen Nachhaltigkeitsstandards, insbesondere bei chemischen Prozessen in der Produktion. Sie stellen sicher, dass alle Produktionsschritte und Einzelteile bis hin zum fertigen Produkt ihren hohen Standards entsprechen und arbeiten eng mit Unternehmen aus der Outdoor-Modebranche zusammen.

Eine weitere wichtige Entwicklung war die positive Antwort von deuter, von Natalie und Marco, auf meine Anfrage zur Zusammenarbeit. Als langjähriger deuter-Kunde und jemand, der in Gersthofen (Kleinstadt nördlich von Augsburg), dem Sitz von deuter, aufgewachsen ist, hat mich das persönlich sehr gefreut. Da ich mit deuter-Produkten aufgewachsen bin, hat diese Zusammenarbeit für mich eine besondere Bedeutung.

Deuter leistet mit seinem CSR-Team eine großartige Arbeit, um die Sorgfaltspflicht gegenüber seinen Lieferanten in der Lieferkette zu erfüllen. Darüber hinaus ist deuter auch langjähriger bluesign Systempartner.

Wie baue ich jetzt einen Knowledge Graphen aus echten Lieferkettendaten?

Ich erhielt von deuter ausführliche Informationen über ihre Risikobewertungsprozesse, wie sie Informationen über ihre Lieferanten sammeln und wie sie die Risiken für Länder, Produkte und Einrichtungen bewerten. Diese Einblicke waren für mich unglaublich spannend. Außerdem erhielt ich Daten über die Materialien, die in den Produkten von Deuter verwendet werden, über die Produktionsstandorte und weitere Informationen aus den Produktionsstätten. Meine Aufgabe bestand darin, diese Daten zu verstehen und daraus Datenstrukturen und Datensätze zu basteln, vor allem weil sie viele Textblöcke enthielten. Ich musste Beziehungen innerhalb der Daten erkennen und einen Weg finden, sie effektiv zu modellieren.

Zur Anreicherung der Lieferkettendaten habe ich Risikoinformationen aus der WWF Risk Filter Suite, Reisewarnungen des Auswärtigen Amtes, Geodaten über potenzielle Naturkatastrophen, Daten über geopolitische Ereignisse und Angriffe auf den Schiffsverkehr einbezogen. Außerdem wollte ich versuchen, die Nachhaltigkeitsberichte von der deuter Website mit dem Graph Builder von Neo4j zu modellieren, um zusätzliche Informationen zu erhalten und um zu sehen, ob dies auch eine Möglichkeit ist, die Nachhaltigkeitsberichte sehr schnell als Graphen zu modellieren. Zusätzlich habe ich Schlagzeilen aus den Nachrichten einbezogen, um aktuelle Informationen über soziale Risiken zu erhalten. Da es hierfür keine bestehenden Datensätze gab, habe ich Natural Language Processing (NLP) eingesetzt, um Nachrichten als riskant oder nicht riskant zu kategorisieren. Dank der heutigen Technologie kann ich Nachrichten in verschiedenen Sprachen verarbeiten und so Schlagzeilen und Ereignisse erfassen, die uns in Europa möglicherweise nicht erreichen.

Mein neuer Kanal
Video suchen...
Graphbuilder Sustainability Report deuter
01:30
Video abspielen

Graphbuilder Sustainability Report deuter

Graph Country Information with Text Chunks
00:26
Video abspielen

Graph Country Information with Text Chunks

Graph Emissions Information
00:39
Video abspielen

Graph Emissions Information

Wie schaut der Graph aktuell aus?

Die Konstruktion des Knowledge Graph begann bei den Materialien, indem Beziehungen hergestellt wurden, um festzustellen, welche Lieferanten welche Materialien kaufen und welche anderen Fabriken an der Herstellung dieser Materialien beteiligt sind. Jede Fabrik und jeder Lieferant ist geografisch mit einem bestimmten Land, einer Provinz und einer nahe gelegenen Wasserlandschaft verknüpft. Diese Gebiete werden auf Geo-Risiken in Bezug auf Wasser und biologische Vielfalt untersucht. Das Diagramm enthält Informationen von Tier-1-Lieferanten, die deren Standorte und Einkaufsbeziehungen aufzeigen.

 

Sowohl für Tier-1- als auch für Tier-2-Lieferanten führt deuter Risikobewertungen auf Länderebene durch, die in dem Graph integriert und mit Quelleninformationen verknüpft sind. Artikel aus diesen Quellenbewertungen sind ebenfalls enthalten und ermöglichen eine Stichwortsuche innerhalb der Grafik, um Verbindungen und detaillierte Informationen innerhalb der Artikel zu entdecken. Die Grafik veranschaulicht, wie Materialien zur Herstellung von Produkten verwendet werden, die jeweils unterschiedliche Risiken aufweisen, die sich auf vulnerable Gruppen und verschiedene Produktionsstufen auswirken.

Data_Model.png

Darüber hinaus wird der Graph mit Live-Georisikoinformationen angereichert, um Gebiete zu identifizieren, die von aktuellen Naturereignissen wie Überschwemmungen, Erdbeben oder Bränden betroffen sind. Diese dynamische Datenintegration erhöht den Nutzen des Graphen bei der Bereitstellung von Risikobewertungen in Echtzeit.

Was kann ich jetzt mit dem Graphen machen?

Mit dem erstellten Knowledge Graph kann ich eine visuelle Exploration durchführen, um Erkenntnisse über die Lieferkette zu gewinnen. Verschiedene Visualisierungstechniken helfen bei der Erkennung von Hierarchien und Clustern innerhalb des Graphen, was das Verständnis komplexer Beziehungen erleichtert. Ich kann die Zentralität nutzen, um kritische Knoten zu identifizieren, die im Netzwerk eine wichtige Rolle spielen. Darüber hinaus bin ich in der Lage, eingehende Analysen für bestimmte Anwendungsfälle durchzuführen, die detaillierte Einblicke in die Dynamik der Lieferkette und in Risikofaktoren bieten. Dies ermöglicht eine fundiertere Entscheidungsfindung und strategische Planung auf der Grundlage der miteinander verknüpften Daten innerhalb des Graphen.

Was passiert, wenn z. B. ein ganzes Gebiet von einem Erdbeben betroffen ist und die Produktion dort nicht mehr stattfinden kann? Wie wirkt sich dieser Ausfall auf meine Lieferkette aus?

Kleine Analyse der Zentralität der Grafik und der Beziehungen in der Lieferkette

Exkurs: Was denke ich über die Probleme im Zusammenhang mit einer transparenteren Gestaltung der Lieferketten?

Eine der größten Herausforderungen in der Branche ist aus meiner Sicht die Ermittlung des genauen Standorts einer Fabrik. Die Struktur von Adressen ist nicht standardisiert, und kein Geokodierungsalgorithmus funktioniert einheitlich. Oft werden nur große Industrieparks als Standorte angegeben, was in der Regel ausreicht, um Georisiken zu bewerten und die Risiken in dem Gebiet zu verstehen. Außerdem werden die Namen oft unterschiedlich geschrieben, was die Suche weiter erschwert. So war Google Maps beispielsweise aufgrund von Kommentaren zur Arbeitssuche effektiv für die Lokalisierung von Fabriken in Vietnam, aber China und Südkorea erwiesen sich als sehr schwierig für die Identifizierung von Koordinaten auf der Grundlage von Adressen und Firmennamen.

Eine mögliche Lösung könnte Open Supply Hub (OSH) sein, wo Adressen und Koordinaten überprüft werden. Der Suchalgorithmus von OSH ist jedoch unzureichend, da er eine genaue Schreibweise der Namen erfordert, was insbesondere bei asiatischen Quellen aufgrund von Sprachbarrieren problematisch ist. Den meisten Unternehmen fehlt hmen fehlt es an Wissen über die Standorte ihrer Zulieferer, auch über die Ebene der Stufe 1 hinaus. Die verfügbaren Daten werden häufig von den Lieferanten selbst handschriftlich verfasst, was zu Unstimmigkeiten und fehlenden Informationen führt, die vor Ort vielleicht selbstverständlich sind, aber nicht weitergegeben werden.

Auch kulturelle Unterschiede müssen berücksichtigt werden. Zum Beispiel ist die Arbeitnehmervertretung in Europa hoch angesehen, aber in anderen Ländern könnten solche Initiativen korrupt sein und in erster Linie dazu dienen, einigen Leuten Geld zu entlocken und zum nächsten Unternehmen weiterzuziehen.
Der Vorstoß der EU für anonyme Beschwerdesysteme stößt auf Widerstand, da die Arbeitnehmer Konsequenzen fürchten. Es dauert lange, bis Vertrauen zu Lieferanten und lokalen Arbeitnehmern aufgebaut ist. Vor allem in sich schnell verändernden Lieferbeziehungen ist dies ein Problem, das sich aufgrund der Schnelllebigkeit nicht so einfach lösen lässt. Außerdem gibt es oft Sprachbarrieren und das Bildungsniveau ist sehr niedrig. Die betroffenen Menschen vor Ort können manchmal weder lesen noch schreiben und kennen ihre Rechte nicht, noch wissen sie oft, für wen sie eigentlich produzieren.

Die Informationen, die deutschen/europäischen Unternehmen über die Risiken in der Lieferkette oder die lokalen Bedingungen zur Verfügung stehen, beschränken sich oft auf PDFs von Handelsverbänden, denen es an umfassenden Datensätzen fehlt.
Außerdem werden die mittleren Segmente der Lieferketten häufig übersehen. Bei Textilien liegt der Fokus vor allem auf den Näherinnen und Nähern, bei Lebensmitteln auf dem Anbau, ohne die Zwischenstufen zu berücksichtigen. Die verschiedenen Stufen der Lieferketten sind mit unterschiedlichen Risiken behaftet. So sind in den frühen Stufen der Textilindustrie weniger Menschen, aber mehr gefährlichen Chemikalien ausgesetzt, während in den späteren Stufen mehr Menschen betroffen sind, aber die Auswirkungen auf die Umwelt weniger sichtbar sind.


Auch Umwelteinflüsse auf die Produktion, wie Erdbeben, Überschwemmungen und Hitze, sowie vulnerable Gruppen, wie Frauen oder Wanderarbeiter, müssen ebenfalls besonders berücksichtigt werden. Logistikketten werden erheblich von Umweltbedingungen beeinflusst, wie das El-Niño-Phänomen mit seinen Auswirkungen auf den Wasserstand des Panamakanals zeigt.

Umfassende Risiko- und Belastbarkeitsbewertungen für Lieferketten werden in der Praxis selten gut und umfassend durchgeführt. Viele Unternehmen verlassen sich bei der Verwaltung komplexer Lieferketteninformationen auf unzureichende Tools. Unternehmen berichten von Schwierigkeiten bei der genauen Darstellung der von ihnen gesammelten Daten aufgrund ihrer multidimensionalen und vernetzten Natur.

Die Zusammenarbeit zwischen Forschung und Wirtschaft ist begrenzt, insbesondere bei der Bewertung der Widerstandsfähigkeit der Lieferkette anhand realer Daten. Die Umsetzung der EU-Vorschriften ist schwierig, da die Lieferanten aus Angst, umgangen zu werden, nur ungern detaillierte Daten zur Lieferkette offenlegen. Die Absicht, Mängel zu beheben, ohne die Lieferanten einfach auszutauschen, wird oft missverstanden oder mit Misstrauen betrachtet.

Obwohl Graphen als leistungsfähiges Instrument anerkannt sind, gibt es eine allgemeine Abneigung, sich mit ihnen zu beschäftigen oder sie zu verstehen. sie zu verstehen. Die Unternehmen stehen vor großen IT- und Datenherausforderungen und verfügen oft nicht über Fachwissen zur Bewältigung technischer Probleme.

Fazit zum jetzigen Zeitpunkt: Spatial Knowledge Graphs bieten einen vielversprechenden Ansatz zur Bewältigung der komplexen Herausforderungen im Lieferkettenmanagement. Durch den Einsatz von Geodaten und fortschrittlichen Visualisierungstechniken können Unternehmen mehr Nachhaltigkeit und Widerstandsfähigkeit in ihren Lieferketten erreichen, die Einhaltung internationaler Vorschriften gewährleisten und die allgemeine Betriebseffizienz.
Vor allem die Resilienz kann sehr einfach bewertet werden. Auch Datensilos sind ein großes Problem, das durch den Einsatz von Graphen überwunden werden könnte.

Meine Masterarbeit läuft noch bis zum 14. November 2024. Bleib hier also gerne weiterhin auf dem Laufenden und kontaktiere mich, wenn du Fragen hast oder mir deine Gedanken dazu mitteilen möchtest.

bottom of page