Antworten auf Fragen zu Blue Yonders KI-gestützter Lagerverwaltung, SaaS-Migration, Sicherheit und Benutzererfahrung finden Sie an einem Ort.
This resource provides clear answers to the most common questions about our next-generation, AI-driven warehouse management solution. Learn how AI-powered WMS enhances efficiency through machine learning, supports seamless migration to SaaS, ensures data security, and delivers an intuitive user experience. Whether you’re exploring advanced slotting, robotics integration, or planning your upgrade path, this FAQ is your go-to guide for understanding the future of warehouse operations.
Komponente wird geladen...
Sicherheit und Datenschutz
Die Daten innerhalb von Blue Yonder WMS und anderen Blue Yonder-Angeboten bleiben vollständig innerhalb der sicheren Grenzen der Blue Yonder-Plattform. Sowohl Schema als auch Metadaten sind Teil unseres geschützten geistigen Eigentums und werden unter strikter Einhaltung der IP-Schutzstandards behandelt.
Nein. Ihre Daten sind innerhalb der Blue Yonder Plattform sicher und werden nicht weitergegeben. Die Daten jedes Kunden sind vollständig isoliert und nur für diesen Kunden zugänglich. Beim Training von Modellen und Agenten des maschinellen Lernens (ML) erfolgt das Training kundenindividuell und ausschließlich unter Verwendung der in Ihrer spezifischen Umgebung verfügbaren Daten.
Wir verwenden die Daten eines einzelnen Kunden nicht ohne dessen ausdrückliche Genehmigung, um ein globales Modell zu trainieren. Wenn Sie sich für ein Konsortiumsmodell entscheiden, werden nur Daten von einwilligenden Kunden sicher zusammengeführt, um ein gemeinsames, anonymisiertes globales Modell zu erstellen. Dieser Prozess gewährleistet die uneingeschränkte Einhaltung der Grundsätze des Datenschutzes, des Eigentumsrechts und des Schutzes geistigen Eigentums. Wenn Sie nicht zustimmen, bleiben Ihre Daten isoliert und stehen nur Ihnen zur Verfügung.
Wir halten strenge Sicherheitsstandards ein. Die Daten verbleiben ausschließlich innerhalb der „vier Wände“ der Blue Yonder Plattform für WMS und andere Angebote. Unsere Sicherheitsmaßnahmen gewährleisten, dass nur Sie als Kunde Zugriff auf Ihre Daten haben. Für detaillierte Informationen zu spezifischen Sicherheitsprotokollen und Zertifizierungen wenden Sie sich bitte an Ihr Account-Team, um eine ausführliche Sicherheitsbeschreibung von unserem Sicherheitsteam zu erhalten.
Komponente wird geladen...
Komponente wird geladen...
Komponente wird geladen...
Komponente wird geladen...
Haben Sie weitere Fragen? Kontaktieren Sie uns , und wir begleiten Sie gerne auf Ihrem Weg.
Accelerate Informed Decisions With AI Built for Supply Chain
Unsere prädiktiven und generativen agentischen KI-Lösungen basieren auf jahrzehntelanger Innovation und KI-Erfahrung in der Lieferkette und verwandeln Ihre Rohdaten in Vorhersagen und Anleitungen, die Ihren Teams helfen, diese Komplexität zu bewältigen.
Demystifying AI for Supply Chain Leaders
The benefits of artificial intelligence for supply chain leaders are obvious, but the implementation isn't always as straightforward. Learn why (and how) your company should prioritize AI solutions now.
Reorganisation für KI: Wie sich Supply-Chain-Führungskräfte anpassen müssen
90 % der Führungskräfte in der Lieferkette führen derzeit eine Umstrukturierung durch oder werden dies in den nächsten 12 Monaten tun. Viele bereiten ihre Teams auf KI-gesteuerte Lieferkettentechnologie vor, aber wie sollten sie sich für eine KI-zentrierte Zukunft anpassen und umorganisieren?
DHL spart 7 % der Transportkosten durch bessere Optimierung von Fahrzeugen und Stopps mit Blue Yonder Network Design
Carlsberg Group
Carlsberg berichtet, wie sie den digital Wandel mithilfe vom Blue Yonder Transportmanagement, der „Zero & Beyond“-Strategie des Unternehmens und weiteren Initiativen vorantreiben.
Walgreens
Das KI-basierte Auftragsmanagement von Blue Yonder sorgt für die „Magie“ hinter dem 30-Minuten-Versprechen für Kundenaufträge von Walgreen.
So wird KI-gestützte Planung die Leistung Ihrer Lieferkette verbessern
Extreme Volatilität, Engpässe bei den Lagerbeständen und Datenflut sind die Herausforderungen, denen sich Unternehmen bei der Lieferkettenplanung stellen müssen. Mit KI-gestützten Planungsfunktionen können diese Herausforderungen durch eine verbesserte Entscheidungsfindung, Agilität und Zusammenarbeit in allen Bereichen der Lieferkette bewältigt werden.
Supply Chain Compass 2025: Wie Supply-Chain-Führungskräfte mit Komplexität umgehen
In dieser Umfrage unter fast 700 Unternehmen haben wir die Führungskräfte der Lieferkette nach ihren Ambitionen, Ängsten, Zielen und Strategien gefragt. Erfahren Sie, in welche Richtung sich die Branche insgesamt entwickelt, wie der Stand der Technik im Lieferkettenmanagement ist, warum der Optimismus ungebrochen ist und welche Maßnahmen vorrangig ergriffen werden, um strategische Ziele wie die Stärkung der Widerstandsfähigkeit, die Einführung neuer Technologien und mehr Nachhaltigkeit zu erreichen.
Über Silos hinaus: Entwicklung zu einer unternehmensweiten Lieferkette
Incisiv untersucht den bedeutenden Wandel, der sich in modernen Lieferketten vollzieht, und geht auf die zunehmende Abkehr von fragmentierten Prozessen und Einzellösungen hin zu flexibleren Plattformen und kollaborativen Arbeitsabläufen ein. Diese Entwicklung befasst sich mit systemischen Problemen wie Inflexibilität und unzusammenhängender Kommunikation und verbessert die Reaktionsfähigkeit, Nachhaltigkeit und Rentabilität der Lieferkette.
We designed AI-powered WMS as our next-generation warehouse management solution (WMS). It leverages artificial intelligence (AI) and machine learning (ML) to optimize warehouse operations, improve decision-making, and enhance overall efficiency. Unlike traditional systems that rely solely on static rules, our AI-powered WMS learns from your data to predict demand, optimize slotting, and orchestrate resources in real-time. It represents a shift from reactive execution to proactive, autonomous supply chain management.
AI-powered WMS is a SaaS-only solution. The advanced AI and machine learning capabilities require the computational power and scalability of the cloud to function effectively. If you choose to remain on-premise, we will continue to support your operations with technical stack updates, security patches, and bug fixes. However, the AI-native features, such as advanced slotting agents and predictive resource orchestration, are exclusive to the SaaS environment. The only exception is the Warehouse Ops Agent (specifically for briefs and analysis), which is available for on-premise use.
When you invest in AI-powered WMS, we deploy the full WMS stack. This includes:
Bewährte Funktionalität: Alle robusten WMS-Funktionen, auf die Sie sich seit Jahren verlassen.
Eingebettetes WES: Unser Warehouse Execution System (WES), das den Tasking and Robotics Hub umfasst.
Ressourcenorchestrierung: Werkzeuge zur effizienten Verwaltung von menschlichen und maschinellen Ressourcen.
Arbeitsoptimierung: Logik zur Steigerung des Durchsatzes und Reduzierung der Fahrzeiten.
Wir setzen außerdem optionale Funktionalitäten ein, wie zum Beispiel Lagerarbeitsmanagement und KI-basierte Funktionen. Sie nutzen diese optionalen Dienste mit monatlichen Guthaben, die für alle Dienste austauschbar sind. Dadurch können Sie den Wert genau dort einsetzen, wo Ihr spezifisches Lager ihn am dringendsten benötigt.
We built AI-powered WMS to drive interoperability. The platform integrates seamlessly with various automation providers, allowing us to orchestrate both human and machine resources toward single service level agreements (SLAs). The embedded WES moves beyond simple integration to true orchestration. It improves throughput by leveraging automatic interleaving and consolidation opportunities. Furthermore, the platform connects easily with other Blue Yonder solutions—such as Yard Management and Transportation Management—to ensure end-to-end visibility and synchronized execution across your network.
No, the AI-native functionality in AI-powered WMS is additive. We have not removed any of the functionality or hard rules that your operations depend on today. This approach puts you in control of your own pace of change. For example, you can choose to use the AI slotting agent in just one zone of a warehouse to test it, while maintaining standard rules elsewhere. Different warehouses in your network can move at different speeds based on their specific needs and complexity.
The majority of the agentic AI and AI-powered features are available starting with the 2025.2 release of the SaaS WMS. If you are migrating from an older version, our upgrade scripts will guide your environment sequentially to this version to ensure data integrity and configuration retention.
Benutzererfahrung (UX/UI)
Customers moving from heritage WMS to AI-powered WMS will enjoy the same familiar user experience they are accustomed to, ensuring a smooth transition with minimal retraining. However, we are introducing significant enhancements to drive efficiency. The WebUI will feature a new agentic experience that allows users to interact with the WMS like never before, providing real-time answers to questions through both text and visual elements.
Ja. Wir entwickeln ein neues mobiles Nutzererlebnis, das auf unserer robusten neuen mobilen Plattform basiert. Ein wesentlicher Bestandteil ist die Einführung einer Supervisor-App, die Führungskräften ein selbstbestimmtes Erlebnis bieten soll. Diese App wird Vorgesetzten dabei helfen, in Echtzeit Einblick in die Lagerleistung zu erhalten, auf KI-gestützte Erkenntnisse zuzugreifen und proaktive Warnmeldungen zu bekommen, um unterwegs intelligentere, datengestützte Entscheidungen zu treffen.
Ja. Über die Web-Benutzeroberfläche können Sie direkt mit den Mitarbeitern in der Lagerhalle kommunizieren. Diese Funktion ist über Geräte wie Tablets oder Mobiltelefone über die Menüoption „RF-Nachricht senden“ zugänglich und ermöglicht Ihnen die Echtzeit-Abstimmung mit Ihren Mitarbeitern.
Yes. We recognize that navigating multiple tabs to view critical inventory data is inefficient. Our AI-powered WMS offers an improved user experience that consolidates LPN, location, status, and lot/batch codes into a single, unified inventory view to streamline your operations.
Schulung und Änderungsmanagement
We are actively building comprehensive education courseware on the new capabilities. Since ML and AI is new to WMS, we are still learning what information is most useful to you. Please share your learning interests and feedback with us so we can deliver the most relevant training, enablement and certifications.
Die Einführung selbstlernender Systeme stellt einen Paradigmenwechsel gegenüber traditionellen, regelbasierten Systemen dar. Ihr Betriebsteam muss die Funktionsweise der Modelle nicht im Detail verstehen, aber es muss lernen, mit Systemen zusammenzuarbeiten, die sich im Laufe der Zeit anpassen. Wenn Sie beispielsweise einen E-Commerce-Kommissionierbereich zu einem Paletten-/Kistenlager hinzufügen, benötigt der Slotting-Solver 4-6 Wochen, um mit der Bereitstellung optimaler Lagerbewegungen zu beginnen. In der Zwischenzeit muss Ihr Betriebsteam die Ergebnisse der Lagerplatzbelegung prüfen und korrigieren, indem es Artikelnummern (SKUs) Standorten zuordnet, so wie es dies schon seit Jahren tut. Dieses Bewusstsein dafür, wie Systeme lernen und sich anpassen, ist der Kern des erforderlichen Veränderungsmanagements.
Die Datenqualität gewinnt mit dem Einsatz selbstlernender Technologien zunehmend an Bedeutung. Das alte Konzept „Wir räumen alles am Dock auf, bevor die Ware im Lager ankommt“ ist nicht mehr praktikabel. Die Einhaltung der Lieferantenrichtlinien und die Stammdatenverwaltung (MDM) gewinnen an Bedeutung, da ML und KI nur so intelligent sind wie die Daten, die man ihnen zur Verfügung stellt. Die Systeme können zwar ein gewisses Maß an Störungen verkraften, aber der Grundsatz „Müll rein, Müll raus“ gilt weiterhin.
Sie benötigen keine Data Scientists oder ML-Experten, um unsere WMS-KI- und ML-Funktionen zu nutzen. Wir übernehmen die gesamte komplexe ML-Arbeit, die in unsere Angebote einfließt. Wir beobachten jedoch, dass einige Kunden Interesse daran zeigen, eigene Modelle auf Basis ihrer Daten zu erstellen, und unsere Plattform unterstützt dies. Die wichtigste Veränderung besteht in einem Mentalitätswandel innerhalb Ihres bestehenden Betriebsteams hin zur kollaborativen Zusammenarbeit mit selbstlernenden Systemen.
Migration und Versionierung
Ja. Wir verfügen über eine spezielle Migrationsstrategie, die professionelle Dienstleistungen mit KI-gestützten Tools kombiniert, um reibungslosere und beschleunigte Migrationen zu gewährleisten. Unser datenbankunabhängiges Datenmigrationstool unterstützt jede Blue Yonder WMS-Migration und bietet beschleunigte Integrationen auf Basis großer Sprachmodelle (LLM) für Schema-Mapping und automatische Codegenerierung. Das Cloud-native WMS unterstützt alle bestehenden Konfigurationen, und bestehende Erweiterungen können mit geringfügigen Anpassungen migriert werden, um mit der updatesicheren Architektur kompatibel zu sein.
The migration path depends on your current version, but it is a straightforward process. You run the standard upgrade scripts to bring your environment to the 2024 version, and from there, another script transitions you to AI-powered WMS. We rearchitected the solution while keeping the core schema and business logic intact, allowing us to port forward your configuration, setup, and data. The main effort focuses on two areas: integration and extensions, and we have tooling to support both.
No, you can go straight to AI-powered WMS. While our upgrade scripts are iterative and will step your environment through each version sequentially in the background (e.g., from 2023 to 2024, then to 2025), your user experience will be a direct transition from your current version to AI-powered WMS. For example, the 2024 version will only exist for the few hours it takes to run the 2025 conversion scripts.
Es gibt keine spezifische Versionsbeschränkung. Sie sollten jedoch damit rechnen, dass die Komplexität und der Aufwand für das Änderungsmanagement mit dem Alter Ihrer aktuellen Version zunehmen. Die Migration von einer Version, die älter als 10 Jahre ist (vor Version 9.2), erfordert mehr Service und Aufwand. Dies ist eine Folge der angehäuften technischen Schulden und der signifikanten architektonischen Veränderungen, die in dieser Zeit stattgefunden haben.
Dispatcher functionality is converging into the AI-powered WMS, which will be our single WMS of the future across all industries, complexities, and warehouse sizes. We will continue to support Dispatcher with tech stack updates, bug fixes, security patches, and customer-funded innovation. We are also developing migration tooling to simplify your conversion to AI-powered WMS.
KI- und ML-Funktionen
The AI-native functionality in our AI-powered WMS is additive, meaning we haven't removed any of the rules-based functionality you depend on. This allows you to control your pace of innovation. For example, you can test the AI slotting agent in one warehouse zone while using existing rules elsewhere. The AI and ML capabilities enhance operations by:
Optimierung der Belegschaft
Automatisierungsmöglichkeiten zur Massenkonsolidierung
Durchsatzverbesserung durch automatisches Interleaving
Bereitstellung erweiterter Slotting-Empfehlungen
Unterstützung der Aufgabenabschätzung und Agentennutzung
Unsere Modelle für maschinelles Lernen (ML) werden anhand historischer Betriebsdaten trainiert und mit zeitlichen Merkmalen wie Tag, Woche, Jahreszeit und Feiertagen angereichert. Für Anwendungsfälle, in denen Saisonalität eine Rolle spielt, bevorzugen wir mindestens zwei Jahre an historischen Daten. Dadurch können die Modelle einen saisonalen Zyklus analysieren und die gewonnenen Erkenntnisse im nächsten Zyklus überprüfen. Dies hilft, zwischen einmaligen Ereignissen und wiederkehrenden Nachfragemustern zu unterscheiden. Auch wenn Sie über weniger als sechs Monate an historischen Daten verfügen, können die Modelle Vorhersagen generieren. Die Genauigkeit verbessert sich jedoch im Laufe der Zeit, da mehr Daten gesammelt werden und die Modelle aus Ihrer aktuellen Transaktionshistorie lernen.
Nein, Sie benötigen keinerlei ML- oder KI-Kenntnisse, um unsere WMS-KI- oder ML-Funktionen einzusetzen. Auf Unternehmensebene kümmern wir uns um das gesamte maschinelle Lernen, das in unsere Angebote einfließt. Sie können zwar Ihre eigenen Modelle auf Basis Ihrer Daten erstellen, es besteht jedoch keine Notwendigkeit, mit den von uns erstellten Modellen zu arbeiten. Ihr Betriebsteam muss verstehen, wie es mit diesen selbstlernenden Systemen umgehen kann, jedoch nicht die Funktionsweise der Modelle selbst kennen.
Die Steckplatzlösung optimiert nicht nur den Standort, sondern auch die Zuordnung zum passenden Behälter oder Lagerplatz. Dabei werden die erwarteten Belegmengen, die Beleghäufigkeit und Parameter der Raumausnutzung berücksichtigt, um die effizienteste Behältergröße und -platzierung zu bestimmen. Es ist außerdem für die Unterstützung von Massenkonsolidierungsszenarien ausgelegt. Sie können regelbasierte Prozentsätze oder andere betriebliche Bedingungen konfigurieren, um festzulegen, wie und wann Elemente konsolidiert werden, und das System generiert automatisch die entsprechenden Arbeitsaufgaben.
Der Großteil der agentenbasierten KI ist nur mit der neuesten SaaS WMS-Version (2025.2 und höher) verfügbar. Der Warehouse Ops-Agent, der Kurzberichte und Analysen bereitstellt, ist jedoch auch mit On-Premise-Versionen nutzbar. Wir verfügen außerdem über ein Team, das im Rahmen eines professionellen Dienstleistungsvertrags Agenten für Ihr lokales WMS nachrüsten und individuell entwickeln kann.
Nein, Warehouse Labor Management (WLM) ist für das Training unserer ML-Modelle nicht zwingend erforderlich. Allerdings benötigen die Modelle bestimmte standortspezifische Daten, um genaue Vorhersagen treffen zu können. Dies umfasst X-, Y- und Z-Koordinaten, Reiseabläufe und die Kartierung von Kreuzungen innerhalb Ihrer Einrichtung. Sie müssen uns diese Datenpunkte zur Verfügung stellen, damit wir die ML-Modelle für Ihre Website ordnungsgemäß trainieren können.
