Neviditelné úzké hrdlo: Proč poslední míle začíná u regálu ve skladu

Nejdražší manuální úkol ve skladu: Proč bude logistika brzy nemožná bez umělé inteligence

Doručení v tentýž den již není luxusem, ale absolutním standardem. Zatímco zákazníci očekávají, že jejich objednávky dorazí k jejich dveřím v rekordním čase, logistický průmysl se v zákulisí potýká s bezprecedentním strukturálním nedostatkem kvalifikovaných pracovníků. Úzké hrdlo v tomto střetu cílů často spočívá v tom, kde automatizace dříve dosáhla svých limitů: vychystávání objednávek, slavný „poslední krok“. Právě zde slibuje průlom nová generace učících se robotů poháněných umělou inteligencí. Místo drahých kompletních rekonstrukcí se tyto inteligentní systémy přizpůsobují stávající skladové infrastruktuře, učí se samostatně s každou vychystávanou položkou a zmírňují nedostatek personálu, aniž by zbavovaly lidi potřebných. Zjistěte, proč jsou rigidní systémy zastaralé, jak se tato technologie v praxi vyplácí a proč chytří vychystávací roboti určí konkurenceschopnost v oblasti vyřizování objednávek zítřka.

Dokáže váš proces vychystávání objednávek držet krok s rostoucí poptávkou?

Do roku 2026 už doručení v ten samý den nebude rozlišovacím prvkem, ale novým očekáváním. Ve Spojených státech se nyní více než 80 procent všech dodávek potravin prostřednictvím internetu uskutečňuje ve stejný den a v tomto segmentu se podíl objednávek doručených za méně než tři hodiny zvýšil z něco málo přes polovinu na téměř dvě třetiny celkového počtu doručení v jednom čtvrtletí. Veškerý tento růst trhu v tomto období pocházel z objednávek vyřízených do jedné hodiny. Zároveň ultrarychlé doručení za méně než jednu hodinu již tvořilo 18 procent všech objednávek doručení a 10 procent objednávek doručení domů.

Toto zrychlení posouvá úzké hrdlo v hodnotovém řetězci tam, kde je nejméně viditelné, ale má největší dopad: do zóny vychystávání. Každé zkrácení dodací lhůty na straně front-end okamžitě vytváří větší tlak na procesy ve skladu, zejména na tzv. „poslední krok“, tj. vyjímání jednotlivých položek z kontejnerů a jejich balení k přepravě. Pro společnosti zabývající se elektronickým prodejem potravin a fulfillmentem to současně znamená více objednávek, více variant produktů a stále kratší dodací lhůty, zatímco prostor pro chybu se blíží nule.

Strukturální zatížení místo dočasného úzkého hrdla

Nedostatek kvalifikovaných pracovníků ve skladové logistice již není sezónním jevem, ale strukturálním stavem odvětví. Podle statistik IAB zůstalo v Německu v roce 2025 neobsazeno přes 60 000 pozic ve skladové logistice, což je oproti předchozím letům výrazný nárůst. Pro srovnání, ve čtvrtém čtvrtletí roku 2024 přibližně 45 procent dotázaných skladovacích společností uvedlo, že jejich obchodní operace jsou v současné době brzděny nedostatkem kvalifikovaných pracovníků, zatímco na začátku průzkumu v roce 2009 bylo toto číslo pod deseti procenty. I když se nedostatek mírně zmírnil oproti nedávnému vrcholu, zůstává na historicky vysoké úrovni.

To je způsobeno kombinací faktorů, které je obtížné v krátkodobém horizontu vyřešit. Přibližně třetina logistických pracovníků je již starší 50 let, zatímco mladší pracovníci se stále častěji rozhodují pro akademickou kariéru před odborným vzděláváním ve skladování nebo spedice. K tomu se přidávají fyzicky náročné úkoly, práce na směny a nižší mzdy ve srovnání s jinými odvětvími, což dále snižuje atraktivitu práce ve skladu. Zatímco většina 63,3 procenta logistických profesionálů se domnívá, že změna kariéry z jiných odvětví by mohla alespoň částečně zmírnit tento nedostatek, tento efekt sám o sobě nestačí k odstranění strukturální mezery.

Tato kombinace rostoucí poptávky a klesající dostupnosti personálu vytváří přesně ten konflikt cílů, který mnoho provozních manažerů zná z vlastní zkušenosti: očekává se zvýšení produktivity a přesnosti, zatímco zdroje pro dosažení těchto cílů jsou stále vzácnější. Kolísavé výsledky vychystávání objednávek, například v důsledku nemocenské, vysoké fluktuace zaměstnanců nebo sezónních špiček, následně vedou ke zpožděním, která přímo ovlivňují vnímání zákazníků.

Robotika jako řešení problému procesu, nikoli jako samoúčel

A právě zde přichází na řadu nová generace vychystávacích robotů poháněných umělou inteligencí, která se zásadně liší od starších, rigidních automatizačních řešení. Předchozí vychystávací roboti vyžadovali složité programování a pevné body úchopu pro každý nový produkt, což je činilo nepraktickými pro sortiment s vysokou mírou rozmanitosti, typickou pro sektor elektronického obchodování s potravinami. Moderní systémy naopak využívají trojrozměrné zpracování obrazu v kombinaci s předem natrénovanými algoritmy hlubokého učení k rozpoznávání a uchopení položek bez ohledu na tvar, velikost, průhlednost nebo texturu povrchu, aniž by vyžadovaly samostatné školení pro každý jednotlivý produkt.

Výrazným příkladem je švýcarský specialista na kování OPO Oeschger, který při integraci řešení vychystávání s podporou umělé inteligence záměrně zvolil opačný přístup: Místo přizpůsobení skladu robotovi byl robot přizpůsoben stávajícímu skladu. Vychystávací robot byl integrován přímo do stávajícího vychystávacího pracoviště a přebírá přesně ty pracovní kroky, které byly dříve prováděny ručně: odstraňování protiskluzových rohoží z cílových kontejnerů, vyzvedávání požadovaných položek ze zdrojových kontejnerů a jejich umisťování do přepravního kartonu, než stávající dopravníkový systém převezme další tok materiálu. Umělá inteligence samostatně rozpozná položky a rozhoduje o tom, jak bude produkt umístěn a stohován v cílovém kontejneru.

Tento integrační přístup je ekonomicky klíčový, protože vyvrací rozšířený předpoklad, že automatizace nevyhnutelně vyžaduje kompletní přepracování skladové infrastruktury. Robotické systémy lze stále častěji integrovat do stávajících vychystávacích pracovišť, dopravníkové technologie a skladovacích systémů, jako je AutoStore, namísto nutnosti kompletní rekonstrukce zařízení. To výrazně snižuje investiční bariéru a umožňuje provozovatelům zavádět automatizaci postupně, nikoli rušivě.

Jak se technologie osvědčila v praxi

Výhody těchto systémů jsou nejvíce patrné při rozsáhlém provozním nasazení. Skupina Rohlik, která provozuje online platformy pro potraviny Knuspr a Gurkerl, rozšířila své nasazení na 24 vychystávacích robotů řízených umělou inteligencí ve svém logistickém centru v Schönefeldu, a to po počátečním zavedení jednoho robota v závodě v Schönefeldu. Tito roboti nyní kompletují objednávky v expedičních centrech v Berlíně a Vídni, přičemž v nadcházejících měsících by měly následovat i další lokality, například Frankfurt. Společnost dokonce plánuje v dlouhodobém horizontu navýšit počet robotů na trojciferný počet. Roboti přebírají jeden z posledních zbývajících manuálních kroků ve skladových operacích: přesné uchopení a balení jednotlivých produktů v chladicím i nechlazeném prostředí.

Vedoucí oddělení automatizace a expanze ve společnosti Rohlik zdůrazňuje, že tento robotický program byl vyvinut od základů s cílem zásadně transformovat dodávky potravin. Jeho rozšíření na více trhů současně položilo základy pro budoucnost automatizované logistiky v sektoru elektronického obchodování s potravinami. Podobné efekty lze pozorovat i mimo potravinářský sektor. Ve výrobním závodě konfigurovatelném na zakázku, který přešel na procesní disciplínu v intralogistice řízenou umělou inteligencí, se celková dodací lhůta snížila o 84 procent a dodací lhůta od objednávky k odeslání o 77 procent. V jiném zdokumentovaném případě se míra chyb snížila o 68 procent a produktivita se zvýšila dvojciferně, přičemž celý proces vychystávání byl převeden během jediného týdne.

V této oblasti se etablují i ​​zavedení poskytovatelé automatizace ze sektoru strojírenství. Společnost Siemens společně se specialistou na intralogistiku, společností Mecalux, vyvinula software pro zpracování obrazu s podporou umělé inteligence s názvem Simatic Robot Pick AI, který umožňuje robotům uchopit jakoukoli položku bez ohledu na její tvar a velikost, a tím realizovat vysoce výkonné systémy s až 1 000 vychystávacími operacemi za hodinu v nepřetržitém provozu. V rámci další spolupráce společnosti Siemens, Universal Robots a výrobce kamer Zivid spojily své technologie, aby spolehlivě detekovaly i průhledné a průhledné předměty, což dříve představovalo značnou technickou výzvu, zejména u obalů ze skla nebo průhledné fólie.

LTW Intralogistics – Inženýři toku - Obrázek: LTW Intralogistics GmbH

Společnost LTW svým zákazníkům nenabízí jednotlivé komponenty, ale integrovaná kompletní řešení. Poradenství, plánování, mechanické a elektrotechnické komponenty, řídicí a automatizační technika, stejně jako software a servis – vše je propojeno a přesně koordinováno.

Obzvláště výhodná je vlastní výroba klíčových komponentů. To umožňuje optimální kontrolu kvality, dodavatelských řetězců a rozhraní.

LTW je synonymem pro spolehlivost, transparentnost a partnerskou spolupráci. Loajalita a poctivost jsou pevně zakotveny ve filozofii společnosti – podání ruky zde stále něco znamená.

Souvisí s tím:

• Řešení LTW

Od rigidního automatu k učícímu se systému

Z ekonomického hlediska není rozhodujícím pokrokem této technologické generace pouze samotná automatizace, ale přechod od automatizace založené na pravidlech k automatizaci založené na učení. Průmyslové klasifikace nyní rozlišují několik vývojových fází automatizace vychystávání objednávek, od jednoduchých poloautomatických systémů s pevným zpracováním obrazu a skenováním čárových kódů, přes převážně autonomní roboty, až po inteligentní, učící se robotické vychystávání, které je v současnosti považováno za nejpokročilejší fázi. Na této nejvyšší úrovni je klíčová schopnost robota k neustálému sebezdokonalování, což umožňuje systému fungovat nejen autonomně, ale také adaptivně a samooptimalizovat se.

Tato učící složka řeší klíčový ekonomický problém předchozích generací automatizace: jejich nedostatečnou škálovatelnost při změně nebo růstu sortimentu produktů. U systémů, které již mají předem natrénované funkce umělé inteligence, již není nutné nové produkty individuálně trénovat, protože základní funkce již pokrývají široké spektrum objektů. To je obzvláště důležité pro odvětví s vysoce dynamickým sortimentem produktů, jako je farmaceutický průmysl, móda, elektronický obchod a zpracování vráceného zboží. Autonomní mobilní robot, který se pohybuje ve skladu s nákupním vozíkem jako člověk, vychystává a konsoliduje objednávky, byl již natrénován na více než miliardě vychystávání. Strojové učení zvyšuje přesnost při každém dalším vychystávání, zatímco doplňková stanice „zboží k člověku“ pro těžké nebo těžko dostupné položky zajišťuje konzistentní spolehlivost vychystávání na 100 procent.

Tyto systémy navíc nevyžadují pevnou infrastrukturu, jako jsou regály nebo dopravníkové pásy, a fungují se standardními policemi a kontejnery, což umožňuje rychlé nasazení a automatizaci dodavatelského řetězce od začátku do konce, aniž by se zásadně měnily stávající logistické procesy. Tento přístup k odlehčené infrastruktuře se výrazně liší od systémů krychlového skladování nebo kyvadlových řešení, která vyžadují pevné mřížkové struktury, a poskytuje tak provozovatelům podstatně větší flexibilitu při postupné automatizaci jejich stávajících zařízení.

Lidský faktor zůstává ústředním

Navzdory působivému technologickému pokroku využití robotiky s umělou inteligencí v žádném případě neznamená úplné vytěsnění lidské práce ze skladu. Spíše se stále častěji objevuje hybridní model, v němž roboti spolehlivě a bez námahy zvládají standardizované, opakující se nebo ergonomicky náročné úkoly vychystávání, zatímco zaměstnanci jsou těchto povinností zbaveni a mohou se soustředit na výjimečné případy, kontrolu kvality nebo celkové řízení procesů. Toto rozdělení práce se ukazuje jako obzvláště cenné s ohledem na přetrvávající nedostatek kvalifikované pracovní síly, protože směruje stávající personální zdroje konkrétně na ty úkoly, které skutečně vyžadují lidský úsudek.

Z ekonomického hlediska lze tento vývoj vnímat také jako reakci na demografické změny. Vzhledem k tomu, že třetina zaměstnanců je již starší 50 let a počet mladých lidí vstupujících na trh práce stále více klesá, jeví se automatizace fyzicky náročných, opakujících se úkolů méně jako hrozba pro pracovní místa a spíše jako nezbytná kompenzace strukturálního úzkého hrdla, které nelze vyřešit pouze náborem. Tato souvislost je výslovně uznávána i z pohledu dodavatele: dopady nedostatku pracovních sil by mohly být zmírněny vychystávacími roboty řízenými umělou inteligencí a zároveň by se zvýšila provozní efektivita ve skladech.

Ekonomické posouzení investice versus přínos

Ústřední obchodní otázka při zavádění takových systémů se netýká ani tak technické proveditelnosti, kterou lze nyní považovat za z velké části vyřešenou, jako spíše ekonomického výpočtu v každém jednotlivém případě. Důležité je, že moderní robotická řešení s umělou inteligencí lze integrovat do stávajících vychystávacích pracovišť, místo aby vyžadovala zcela nový systém, což výrazně zkracuje dobu amortizace ve srovnání s tradičními rozsáhlými investicemi do automatizovaných skladovacích systémů. Pro provozovatele se stávající dopravníkovou technologií nebo systémy AutoStore to znamená, že poslední, dříve manuální krok lze dodatečně vybavit bez přerušení stávajícího toku materiálu.

Zároveň zdokumentované zvýšení efektivity prokazuje významný ekonomický přínos. Snížení chybovosti o 68 procent spolu s dvojciferným nárůstem produktivity během jediného týdne od implementace představuje rozsah, kterého by bylo prakticky nemožné dosáhnout tradiční optimalizací procesů. Navíc propustnost až 1 000 vychystávání objednávek za hodinu v nepřetržitém provozu 24 hodin denně, 7 dní v týdnu ukazuje, že tyto systémy nejen kompenzují nedostatek personálu, ale mohou také vytvořit dodatečnou kapacitu, která je nezbytná pro zvládání špičkové poptávky po dodání v tentýž den a ultrarychlém dodání.

Je však důležité vzít v úvahu, že ne každý sortiment produktů a ne každá skladová struktura je pro robotizaci stejně vhodná. Systémy, které se spoléhají na pevné úchopné body a předem strukturované objekty, nabízejí menší flexibilitu než adaptivní, učící se řešení. Volba vhodné úrovně automatizace proto závisí na konkrétním sortimentu produktů, objemu objednávek a stávající infrastruktuře. Společnosti, které předčasně investují do nevhodných systémů, riskují, že nedosáhnou očekávaného zvýšení efektivity a místo toho do svých procesů zavedou další složitost.

Krajina plnění v nadcházejících letech

Kombinace strukturálního nedostatku kvalifikovaných pracovníků, rostoucích provozních nákladů a očekávání zákazníků, která se neúprosně posouvají směrem k doručování v tentýž den, a dokonce i méně než tentýž den, činí z automatizace vychystávání objednávek jedno z nejnaléhavějších investičních rozhodnutí v odvětví vyřizování objednávek v nadcházejících letech. Umělá inteligence v logistice se stále více vyvíjí z čistě automatizačního projektu do komplexní procesní disciplíny řízené umělou inteligencí, která integruje bezpečnost, kvalitu dat a dodržování předpisů v procesech do automatizace, spíše než aby provozovala izolovaná, samostatná řešení. Výzkumné instituce, jako je Fraunhoferův institut pro materiálový tok a logistiku, také zdůrazňují, že optimalizace skladovacích míst založená na umělé inteligenci, automatická identifikace nosičů nákladu a přenos simulovaných robotických procesů do reálného prostředí jdou stále více ruku v ruce, aby umožnily proaktivní plánování a uvolnily další potenciál efektivity.

Pro operátory, kteří se v současné době rozhodují, zda investovat do vychystávací robotiky s umělou inteligencí, trh již poskytuje spolehlivá kritéria: od cílené integrace do jediné vychystávací stanice až po škálování na flotily více robotů, potenciálně stovek, v několika zemích. Klíčovou otázkou tedy již není, zda umělá inteligence změní vychystávání objednávek, ale jak rychle mohou jednotlivé společnosti tuto změnu využít, než se rozdíl oproti již automatizované konkurenci stane příliš velkým.

Konrad Wolfenstein

Rád/a bych sloužil/a jako váš osobní poradce.

Můžete mě kontaktovat na adrese wolfenstein∂xpert.digital nebo

Zavolejte mi na +49 7348 4088 965 .

LinkedIn
 

Konzultace, plánování a implementace kompletních řešení pro výškové sklady a automatizované skladovací systémy - Obrázek: Xpert.Digital

Více informací zde:

• Konzultace a plánování výškových skladů: Automatizovaný výškový sklad – Plně automatická optimalizace skladování palet – Optimalizace skladu