Artikel präsentiert von Intelligent Audit

Als FreightWaves die AI Excellence in Supply Chain Awards ins Leben rief, war das Ziel, den Lärm einer Branche zu durchdringen, in der „KI“ zu einem Marketing-Schlagwort geworden ist, das auf nahezu jede Pressemitteilung geklebt wird, und stattdessen Unternehmen hervorzuheben, die KI auf wirklich transformative Weise einsetzen.

Die Auszeichnungen sind darauf ausgelegt, reale Implementierungen und messbare Ergebnisse zu würdigen, nicht bloß auffällige Ankündigungen. Eingereichte Beiträge werden nach der Stärke der KI-Anwendung, ihrer tiefen Integration in bestehende Arbeitsabläufe und den erzielten greifbaren Ergebnissen bewertet.

In diesem Jahr wurde Intelligent Audit als einer der Preisträger in der Kategorie AI Solution Provider genannt. Die Auszeichnung ging an DeepDetectAI, ein proprietäres Machine-Learning-System, das von Chief Product Officer Brian Pollack entwickelt wurde, um Versandfehler und Betrug aufzuspüren, die tief in Millionen von Transporttransaktionen verborgen sind und oft unentdeckt bleiben, bis bereits erheblicher finanzieller Schaden entstanden ist.

Fracht- und Paketrechnungen gehören zu den datenintensivsten und volumenstärksten Datensätzen, mit denen ein Versender zu tun hat. Ein einzelnes Unternehmenskonto kann jede Woche Tausende von Einzelpositionen über Carrier, Services, Accessorials und Abrechnungszyklen hinweg erzeugen. Laut Intelligent Audit ist genau dieses Volumen der Ort, an dem sich kostspielige Fehler und absichtlicher Betrug gern verbergen: eine subtile Abweichung, die in einer Tabelle leicht übersehen wird, ein geänderter Service-Level, den niemand markiert hat, oder ein Rücksendeverlauf, der normal wirkt, bis er es nicht mehr ist.

Der Ansatz von DeepDetectAI beginnt mit der Historie. Das System nimmt den vollständigen Transportdatensatz eines Versenders auf und verwendet proprietäres Machine Learning, um eine Basislinie dafür zu erstellen, wie normale Versandaktivität für dieses spezifische Unternehmen aussieht, bis auf Konto-, Service- und Geografieebene. Von dort aus überwacht es neue Aktivitäten fortlaufend und achtet auf Kostenabweichungen, ungewöhnliche Service-Nutzung, doppelte oder scheinbar betrügerische Gebühren sowie andere Abweichungen von dieser Basislinie.

Was DeepDetectAI von einem Standard-Warnwerkzeug unterscheidet, ist die Erklärbarkeitsschicht, die über der Erkennung liegt. Jede Anomalie wird mit Daten versehen, die zeigen, was passiert ist, wo es passiert ist und warum, unterstützt durch einen Analysten von Intelligent Audit. Diese Kombination soll Logistik-, Finanz- und Betriebsteams dabei helfen, von einer reaktiven Analyse nachträglich auf ein proaktives Lösen von Ausnahmen überzugehen, sobald sie auftreten.

Kleine Signale, sich verstärkende Folgen

Was sich in den DeepDetectAI-Fallstudien von Intelligent Audit durchgängig zeigt, ist, wie konsequent kleine, leicht übersehbare Abweichungen zu sechs- oder siebenstelligen Problemen anwachsen können, wenn sie nicht rasch erkannt und behoben werden.

Dieses Muster äußert sich je nach Konto unterschiedlich.

Bei einem globalen Brillenhersteller begann es mit einem Anstieg von 10.000 $ bei einem Rücksende-Service, den das Unternehmen zuvor nie genutzt hatte. Das stellte sich als erstes Anzeichen eines organisierten Betrugsrings heraus, der Brillen kaufte, Rücksende-Barcodes manipulierte und schließlich die UPS-Konten des Unternehmens kompromittierte, um Produkte von Mexiko in die U.S. umzuleiten. Als das gesamte System aufgedeckt war, waren mehr als 1 Million $ an betrügerischer Aktivität identifiziert worden, was eine FBI-Ermittlung auslöste.

Bei einem nationalen Fachhändler war es ein Fehler bei der Auswahl des Services. Teams buchten unwissentlich FedEx Home Delivery statt Ground über mehrere Konten hinweg, ein Fehler, der zu Millionen an vermeidbaren Ausgaben geführt hätte, bevor das Muster erkannt wurde.

Bei einem globalen Hersteller mit mehreren Marken war es eine einzelne neue „Additional Classification Fee“, die einem nicht autorisierten Brokerage-Konto belastet wurde. Sie wurde markiert, bevor sie sich zu mehr als 200.000 $ an ungeplanten wöchentlichen Ausgaben summieren konnte.

In einigen Fällen häuften sich mehrere kleine Anomalien innerhalb eines einzigen Prüfzeitraums, statt sich als ein einzelner eskalierender Vorfall zu entwickeln. Ein hochwertiger Modehändler verzeichnete drei getrennte Signale – einen Anstieg der Verzugsgebühren, die erstmalige Nutzung eines Premium-Expedited-Services und eine falsche Auswahl für internationale Fracht. Zusammen standen sie für 143.100 $ an festgestellten Problemen und ein geschätztes jährliches Risiko von 2,8 Millionen $, wenn das Muster der Verzugsgebühren unadressiert geblieben wäre.

In einem anderen Fall mit einem anderen Händler wirkte die Abrechnung auf dem Papier korrekt, während sich darunter ein Betrugsschema abspielte. Das unterstreicht, dass Anomalieerkennung über die Frage hinausgehen muss, ob eine Rechnung rechnerisch stimmt, und prüfen muss, ob die zugrunde liegende Aktivität tatsächlich plausibel ist.

Zu den breiteren Fallakten von DeepDetectAI gehören außerdem Adress-Spoofing, das sich als unerklärlicher Anstieg bei Hauszustellungen zeigte, ein Vendor-Impersonation-Schema, bei dem ein kleines Unternehmen nicht autorisierte Waren unter der Identität eines Kunden bewegte, ein Breakdown in einer Closed-Loop-Abrechnung, der UPS dazu brachte, nicht autorisierte Nutzung anzuerkennen und mehr als 1 Million $ zurückzuerstatten, ein interner Fall von Mitarbeiter-Missbrauch, der durch ein unerwartetes Versandmuster an einem Low-Volume-Distributionszentrum erkannt wurde, sowie ein internationaler Rücksendeschemata-Fall im Zusammenhang mit organisierter Kriminalität, der gestoppt wurde, bevor er zu geschätzten 500.000 $ jährlichen Verlusten führen konnte.

„Was den Beitrag von DeepDetectAI hervorhebt, ist, wie oft die beteiligten Geldbeträge weiter steigen, je länger ein Problem unentdeckt bleibt“, sagte Adam Wingfield, Editorial Director von FreightWaves. „Viele Fälle wirken anfangs nicht dringlich. Ein Rücksendeanstieg um 10.000 $, ein einzelner neuer Gebührencode oder ein falscher Service-Level lesen sich auf dem Papier nicht unbedingt wie Krisen. Der Punkt von DeepDetectAI ist, Dinge zu bemerken, die noch nicht wie eine Krise aussehen“, sagte er.

Aufgebaut auf nahezu drei Jahrzehnten Frachtaudit-Expertise

Intelligent Audit ist seit 1996 als Frachtaudit- und Zahlungsunternehmen tätig und zählt heute wachsende E-Commerce-Marken ebenso wie mindestens 20% der Fortune 50 zu seinen Kunden; im vergangenen Jahr wurden allein mehr als 2,1 Milliarden Sendungen geprüft. Diese Historie ist speziell für DeepDetectAI wichtig: Die Machine-Learning-Basislinie des Systems ist nur so stark wie die Expertise dahinter, und die Größe von Intelligent Audit verschafft dem Unternehmen eine breite, volumenstarke Sicht darauf, wie normales und anormales Versandverhalten branchenübergreifend aussieht.

Versteckte Daten in ein Frühwarnsystem verwandeln

Lieferketten erzeugen weit mehr Transportdaten, als ein Team manuell prüfen kann, und genau dieses Volumen ist der Grund, warum kostspielige Fehler und Betrug so oft unentdeckt bleiben, bis sie bereits Budgets oder Servicelevels beeinträchtigt haben. DeepDetectAI ist darauf ausgelegt, diese Lücke zu schließen: durch fortlaufende Überwachung von Versandmustern, die Anzeige von Ausnahmen in Echtzeit und die Kombination von Machine Learning mit erklärbaren Erkenntnissen und Analystenunterstützung, sodass Teams nicht nur verstehen, dass etwas nicht stimmt, sondern auch wo es passiert, warum es passiert und was als Nächstes zu tun ist.

Der Beitrag von DeepDetectAI stützte sich nicht auf einen einzigen spektakulären Fund. Er wurde durch eine fortlaufende Fallakte mit Betrugsschemata, Vendor-Impersonationen, Abrechnungsproblemen und internen Fehlern untermauert, jeweils mit einem konkreten Dollarbetrag und einer dokumentierten Lösung. Genau diese Art von Präzision sollten die AI Excellence in Supply Chain Awards würdigen.

Glückwunsch an Intelligent Audit zu einem wohlverdienten Platz unter den Preisträgern und dafür, dass das Unternehmen gezeigt hat, wie Echtzeiterkennung in einem Bereich der Lieferkette aussieht, der fast vollständig auf Vertrauen basiert.

Klicken Sie hier, um mehr über Intelligent Audit zu erfahren.

Der Beitrag „How Intelligent Audit Turned Three Decades of Freight Expertise Into an AI Early Warning System“ erschien zuerst auf FreightWaves.