Logistik-Prognosen mit künstlicher Intelligenz 04.08.2020, 06:52 Uhr

Wie genau lassen sich Transportketten vorhersagen?

Forscher der TU Berlin haben ein Modell entwickelt, mit dem sie einschätzen wollen, wie lange eine Lieferung voraussichtlich bis zum Ziel braucht. Informationen aus den Logistik-Betrieben beziehen sie dabei genauso ein wie eventuelle Störungen entlang der Strecke.

lkw

Es lässt sich schwer vorhersagen, welche Verkehrsstörungen einen Lkw aufhalten werden. KI soll dabei helfen.

Foto: panthermedia.net / BIG_TAU

Waren legen oftmals lange Strecken zurück, und entlang der Routen kann es zu vielen Unwägbarkeiten kommen. Trotzdem ist der Wunsch nach einer möglichst genauen Vorhersage groß. Das hat viele Gründe. Beispielsweise haben zahlreiche Unternehmen bereits ihre Lagerkapazitäten reduziert und brauchen das Material für ihre Produktion daher just in time. Außerdem könnten gute Prognosen zu einer besseren Auslastung der Verkehrsmittel führen, weil Anschlüsse, etwa der Umstieg vom Schiff auf den Lkw, besser zu planen wären. Wissenschaftler an der TU Berlin haben sich daher mit diesem Thema befasst und im Rahmen des Forschungsprojektes „Smart Event Forecast for Seaports“ (SMECS) ein Simulations-Modell erarbeitet, für das sie künstliche Intelligenz (KI) einsetzen.

Algorithmen lernen aus früheren Transportaufträgen

„Um Prognosen erstellen zu können, wurde die Transportkette in verschiedene Teilabschnitte – Lkw-Transport, Umschlag auf den Zug, Zugtransport – zerlegt, für die jeweils wiederum individuelle IT-Modelle mit unterschiedlichen Algorithmen entwickelt wurden“, sagt Frank Straube, Professor am Fachgebiet Logistik der TU Berlin. Das reicht als Grundlage für eine annähernd richtige Vorhersage allerdings nicht aus. Deswegen haben die Wissenschaftler zusätzlich Prognosemodellen für den Straßen- und Schienentransport entwickelt und die notwendigen Umschlags- und Rangierprozesse entlang der Route einbezogen. Die Datenbasis erhielten sie durch eine enge Kooperation mit Logistik-Unternehmen.

„Die Lernalgorithmen wurden mit historischen Daten von vier Jahren aus insgesamt 15 verschiedenen IT-Systemen der beteiligten Unternehmen gefüttert. Für die drei ausgewählten Transportstrecken von Leipzig, München und Regensburg nach Hamburg umfasste dies unter anderem 50.000 Schienentransporte, 96.000 Straßentransporte sowie 8,6 Millionen containerbezogene Statusmeldungen“, erläutert Peter Poschmann, der als wissenschaftlicher Mitarbeiter am TU-Fachgebiet Logistik am Projekt beteiligt war.

Unternehmen stellten Daten über interne Abläufe zur Verfügung

Für die Simulation war es dabei besonders wichtig, dass die Wissenschaftler die Algorithmen zusätzlich mit Daten zu mehr als 50 Faktoren fütterten, die Abläufe im Prozess beeinflussen können. Beispiele für diese Faktoren sind die Personaleinsatzplanungen der Betriebe, Eigenschaften der jeweiligen Fahrzeuge sowie Strecken- und Infrastrukturauslastungen.

Stellenangebote im Bereich IT/TK-Projektmanagement

IT/TK-Projektmanagement Jobs
Stadt Worms-Firmenlogo
Projektleiter (m/w/d) CAFM Stadt Worms
Die Autobahn GmbH des Bundes-Firmenlogo
Ingenieur (w/m/d) C-ITS Entwicklung Die Autobahn GmbH des Bundes
Frankfurt am Main Zum Job 
Recogizer-Firmenlogo
Projektingenieur (m/w/d) KI-gestützte CO2-Reduktion Recogizer
Recogizer-Firmenlogo
Projektingenieur (m/w/d) KI-gestützte CO2-Reduktion Recogizer
WIRTGEN GmbH-Firmenlogo
System- und Softwarearchitekt (m/w/d) - mobile Arbeitsmaschinen WIRTGEN GmbH
Windhagen (Raum Köln/Bonn) Zum Job 
WIRTGEN GmbH-Firmenlogo
Embedded Anwendungs-Softwareentwickler (m/w/d) - mobile Arbeitsmaschinen WIRTGEN GmbH
Windhagen (Raum Köln/Bonn) Zum Job 
POLYVANTIS GmbH-Firmenlogo
Ingenieur / Techniker Elektrotechnik / Automatisierungstechnik (m/w/d) OT, Messsysteme (m/w/d) POLYVANTIS GmbH
Weiterstadt Zum Job 
B. Braun Melsungen AG-Firmenlogo
Global Lead (w/m/d) Operational Technology (OT) B. Braun Melsungen AG
Melsungen Zum Job 
WIRTGEN GmbH-Firmenlogo
Duales Studium Software Engineering - Bachelor of Engineering (m/w/d) WIRTGEN GmbH
Windhagen, Remagen Zum Job 
DFS Deutsche Flugsicherung GmbH-Firmenlogo
Ingenieur* Site Reliability DFS Deutsche Flugsicherung GmbH
Bundeswehr-Firmenlogo
Ingenieurin / Ingenieur mit Master in Informatik / Elektrotechnik - Beamten - Ausbildung (m/w/d) Bundeswehr
Mannheim Zum Job 
RHEINMETALL AG-Firmenlogo
Verstärkung für unsere technischen Projekte im Bereich Engineering und IT (m/w/d) RHEINMETALL AG
deutschlandweit Zum Job 
VIAVI-Firmenlogo
Senior / Software Engineer (C++, Python & Cloud) (m/w/d) VIAVI
Eningen Zum Job 
Tagueri AG-Firmenlogo
Consultant OTA - Connected Cars (m/w/d)* Tagueri AG
Stuttgart Zum Job 
Die Autobahn GmbH des Bundes-Firmenlogo
Ingenieur Vermessung (m/w/d) Die Autobahn GmbH des Bundes
Montabaur Zum Job 
Die Autobahn GmbH des Bundes-Firmenlogo
Lösungsentwickler (w/m/d) im Digitallabor Geoinformatik Die Autobahn GmbH des Bundes
Die Autobahn GmbH des Bundes-Firmenlogo
Teamleitung (w/m/d) BIM-Management Die Autobahn GmbH des Bundes
Berliner Hochschule für Technik (BHT)-Firmenlogo
Laboringenieur/in mit Schwerpunkt "FPGA- und Mikrocontroller-Technologie" (m/w/d) Berliner Hochschule für Technik (BHT)
HAWK Hochschule Hildesheim/Holzminden/Göttingen-Firmenlogo
Laboringenieur*in für das Digitallabor HAWK Hochschule Hildesheim/Holzminden/Göttingen
Holzminden Zum Job 
CS CLEAN SOLUTIONS GmbH-Firmenlogo
Mitarbeiter für die Steuerungstechnik Software (m/w/d) CS CLEAN SOLUTIONS GmbH
Ismaning bei München Zum Job 

Auch diese Informationen stellten die Partner-Unternehmen den Forschern zur Verfügung. So war es möglich, dass die Algorithmen die bisherigen Erfahrungswerte mit diesen Faktoren einbezogen – inklusive dem Einfluss, den Veränderungen auf die Prozesszeiten hatten. Hinzu kamen externe Komponenten wie aktuelle Baustellen oder schlechtes Wetter. Diese Zusammenhänge flossen natürlich in die Berechnung neuer Lieferzeiten ein.

In vielen Fällen gute Vorhersagegenauigkeit

Im Ergebnis ist ein System entstanden, das den beteiligten Unternehmen zum einen die geschätzte Ankunftszeit mitteilt, also die sogenannte ETA-Information (Estimated Time of Arrival). Zudem werden ineffiziente Prozesse entlang des Transportwegs aufgezeigt sowie Störungen und Vorschläge für geeignete Maßnahmen. Für jeden Auftrag werden Daten von 100 unterschiedlichen Modellen herangezogen, sodass die Genauigkeit nach Angabe der Forscher letztlich sehr hoch ist. Für einen Teilprozess, nämlich Schienentransporte bei Fahrzeiten von über zehn Stunden, soll die Vorhersagegenauigkeit bei 86% liegen. Ein anderes Beispiel sind mehrtägige Transporte vom Hinterland in die Häfen. Hier sollen sich die Abweichungen zwischen Prognose und Realität für viele Aufträge nur im zweistelligen Minutenbereich bewegen.

Das System ist zwar noch nicht so weit, dass es Logistikern für die praktische Anwendung zur Verfügung gestellt werden kann, die Wissenschaftler haben aber eine Art Demoversion erstellt. Hier können Anwender webbasiert testen, wie die KI arbeitet. Für diese interaktiven Tests wurden alte Transportaufträge anonymisiert hinterlegt. „Das Projekt beweist die Machbarkeit KI-basierter Prognosen und zeigt die strategische Bedeutung von Daten für die Logistik“, ist Straube überzeugt.

Mehr lesen zu künstlicher Intelligenz:

Ein Beitrag von:

  • Nicole Lücke

    Nicole Lücke macht Wissenschaftsjournalismus für Forschungszentren und Hochschulen, berichtet von medizinischen Fachkongressen und betreut Kundenmagazine für Energieversorger. Sie ist Gesellschafterin von Content Qualitäten. Ihre Themen: Energie, Technik, Nachhaltigkeit, Medizin/Medizintechnik.

Zu unseren Newslettern anmelden

Das Wichtigste immer im Blick: Mit unseren beiden Newslettern verpassen Sie keine News mehr aus der schönen neuen Technikwelt und erhalten Karrieretipps rund um Jobsuche & Bewerbung. Sie begeistert ein Thema mehr als das andere? Dann wählen Sie einfach Ihren kostenfreien Favoriten.