Da Logistikketten zunehmend komplexer werden, sind sie gleichzeitig immer stärker anfällig für externe Faktoren (Scholz-Reiter et al., 2004). Wie während und nach der Covid-19-Krise deutlich wurde, ist die Abmilderung solcher Verwundbarkeiten äußerst schwierig. Der Ausgangspunkt zur Vermeidung logistischer Anfälligkeiten liegt in der Regel in der Planungsphase, in der Szenarien entwickelt werden, um Aspekte wie Resilienz, Effizienz und Effektivität zu berücksichtigen (Carvalho et al., 2012; Terzi & Cavalieri, 2004). Allerdings könnte man argumentieren, dass in komplexen Logistikstrategien der Betrieb nahezu nie exakt nach Plan verläuft, da in jedem Szenario zahlreiche Abweichungen möglich sind (Dorer & Calisti, 2005).
Um mit diesen Abweichungen umzugehen, ist in der Regel eine Neuplanung erforderlich. Derzeit bedeutet dies jedoch, eine Simulation durchzuführen, die – insbesondere bei komplexen Systemen und unter Einbeziehung der vielen genannten Faktoren – mehrere Stunden dauern kann. Generell scheint eine zentrale Planungsressource der falsche Ansatz für ein stark verteiltes Netzwerk möglicher Abweichungen zu sein. Hinzu kommt, dass die Integration von Echtzeitdaten und adaptive Algorithmen zunehmend unverzichtbar werden, um diese Komplexität effizient zu bewältigen. Die Implementierung dezentraler und autonomer Systeme könnte den Zeitaufwand für die Neuplanung erheblich reduzieren und die Gesamtresilienz des Systems steigern. Darüber hinaus sind kontinuierliches Monitoring und schnelle Reaktionsmechanismen entscheidend, um die Flexibilität und Robustheit von Logistikketten gegenüber unvorhergesehenen Störungen zu gewährleisten.