KI in der Logistik: "Wir brauchen einen Denkwandel"

Mitte Juli lud die Arbeitsgruppe für Supply Chain Services des Fraunhofer-Instituts für Integrierte Schaltungen IIS zu einer Vortragsreihe und Get-Together an seinen Standort in München. Dort arbeitet die Gruppe Data Efficient Automated Learning - in enger Zusammenarbeit mit der Ludwig-Maximilians-Universität (LMU) - an mehr Effizienz von Künstlicher Intelligenz (KI) im Lebenszyklus des KI-Systems, um so den Einsatz von KI im Produktions- und Logistikumfeld voranzutreiben. Die VerkehrsRundschau sprach in München mit Prof. Dr. Alexander Pflaum, Bereichsleitung Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS, über den aktuellen Stand der KI-Forschung im Supply Chain Management (SCM) sowie das Potenzial von KI in der Transportlogistik. Wie ist der aktuelle Stand der KI-Forschung im SCM? Im SCM wird KI für Preisprognosen, Bedarfs- und Absatzprognosen, Prognose von Prozessparametern in Transport-, Umschlag-, Lager- und natürlich auch in Produktionsprozessen eingesetzt. In allen diesen Bereichen haben wir in den vergangenen Jahren am Fraunhofer-Institut für Integrierte Schaltungen bzw. im Bereich Supply Chain Services Forschungs- und Entwicklungsprojekte durchgeführt. Im Supply Chain Design und im Supply Chain Risk Management setzen wir zudem GeoAI ein. Wichtig ist, die Ergebnisse der Prognoseprozesse im Anschluss bei der Optimierung von Supply Chain Prozessen zu verwenden und so eine völlig neue Qualität informationstechnischer Unterstützung zu schaffen. Inzwischen existiert eine breite Palette von Anwendungen und Methoden. Die Fortschritte, die in den vergangenen 20 Jahren bezüglich des Einsatzes moderner Informations- und Kommunikationstechnologien gemacht worden sind, sind mehr als beeindruckend. Während wir uns vor der Jahrtausendwende noch mit der Realisierung einfacher barcodebasierter Sendungsverfolgungssysteme beschäftigt haben, geht es heute um die Konzeption und Implementierung komplexer Supply Chain Control Towers. Internet-der-Dinge-Technologien und vor allem auch AI werden hier eingesetzt, um vor allem die Schnittstellen zwischen Unternehmen in der End-2-End Supply Chain besser in den Griff zu bekommen. Was sind die größten Herausforderungen dabei? Herausfordernd ist vor allem, an die für Prognose und Optimierung erforderlichen Daten heranzukommen. AI braucht granulare und qualitativ hochwertige Daten, um zuverlässig hochwertige Ergebnisse zu generieren. Oft scheitert es noch an der Verfügbarkeit solcher Daten. Beispielweise können mit Hilfe von Risk Management-Plattformen und KI nur Störungen bis zur First Tier-Ebene erkannt bzw. prognostiziert werden. Wenn beispielsweise der Zulieferer meines Zulieferers mit seiner Ware im Suez-Kanal stecken bleibt, erkennen das die heute verfügbaren und hochautomatisierten Systeme leider nicht. Hierfür müssten von den Unternehmen Daten in viel größerem Maßstab entlang der gesamten Versorgungskette - idealerweise von der Urproduktion bis hin zum Recycling - geteilt werden. Die technischen Voraussetzungen für das Teilen der Daten werden zwar mit den Gaia-X-Projekten der Bundesregierung bzw. der Europäischen Union geschaffen, in der Praxis fehlt aber letztlich häufig die Bereitschaft. Hier ist ein Denkwandel erforderlich. Die KI wird ihr vollständiges Potenzial erst dann ausspielen können, wenn dieser Denkwandel vollzogen ist. Wie schätzen Sie das Potenzial von KI in der Transportlogistik ein? Im Rahmen der Digitalisierung des Transportgewerbes sind digitale Plattformen für die Vermittlung von Frachtkapazitäten, Plattformen für das Risk Management, Plattformen für die unternehmensübergreifende Integration von Datensilos und IoT-Plattformen für Tracking und Tracing von Containern und anderen Behältern entstanden. Auf allen diesen Plattformen kann auch KI zum Einsatz kommen. Machine-Learning-Verfahren können Vermittlungsprozesse oder die Prognose von Risiken herangezogen werden, welche bei Eintritt die Performance von Transportprozessen empfindlich beeinflussen. Auch hierfür werden allerdings Daten in hoher Granularität und Qualität benötigt. In diesem Zusammenhang sind gerade im Bereich des Tracking und Tracings in der Vergangenheit beachtliche Schritte gemacht worden. Beispielsweise kommen inzwischen auf Seecontainern energieautonome Telematikmodule flächendeckend zum Einsatz, welche in großen Mengen Daten generieren und für Visibility sorgen. Hapag-Lloyd geht hier als Pionier voran. Die Daten, die entlang des gesamten Transportprozesses - auch auf der Straße - generiert werden, sind eine hervorragende Basis für den Einsatz von KI-Algorithmen, z.B. für eine bessere Prognose von Ankunftszeiten beim Empfänger der im Container verpackten Güter. Die gleiche Technologie könnte zukünftig auch bei Wechselbrücken und langfristig auch auf kleineren Behältern zum Einsatz kommen. Bei Transporten, an denen mehrere Unternehmen beteiligt sind, kommt es natürlich wieder auf die Bereitschaft an, Daten zu teilen. Das ist sicher wünschenswert – aber auch realistisch? Durchaus. In der Luftfracht geht das bereits. Die International Air Transport Association IATA hat beispielsweise das Projekt One Record initiiert, bei dem alle Teilnehmer nicht mehr eigene Trackingsysteme nutzen, sondern ein übergreifendes, vollständig dezentralisiertes System, bei dem alle Player ihre Datenhoheit behalten. Das ist sehr beachtenswert. Hier kommt die SOLID-Technologie zum Einsatz. SOLID steht für Social Linked Data. Diese Technologie kann herangezogen werden, um die in den Gaia-X-Projekten entwickelten Konzepte technisch sauber umzusetzen. Grundsätzlich wäre es denkbar, das sehr zukunftsorientierte Konzept der IATA auch für andere Verkehrsträger wie Straße und Schiene umzusetzen. Welche Rolle spielen Sprachmodelle für die Logistik? Große Sprachmodelle wie ChatGPT können zum Beispiel für die Kommunikation zwischen technischen Systemen und dem menschlichen Nutzer herangezogen werden. Mensch-Maschine-Schnittstellen werden also zukünftig in allen Bereichen, nicht nur in der Logistik, völlig anders aussehen. Die Branche muss sich mit diesem Thema auseinandersetzen. Darüber hinaus steht im World Wide Web eine Vielzahl an Logistik-relevanten Informationen zur Verfügung, die für das Training und die domänenspezifische Anpassung großer Sprachmodelle herangezogen werden können. Solche Modelle können dann beispielsweise auch im Rahmen strategischer und taktischer Entscheidungen getroffen werden, um bessere Entscheidungen zu treffen. Wir verwenden solche Modelle beispielsweise bei der Identifikation und Beschreibung von Trends und Entwicklungen in der Welt der Logistik.

DKV Mobility und MFG: Neue Partnerschaft für ultraschnelles Laden in Großbritannien

KEYOU bringt schweren Wasserstoff-Lkw auf den Markt

Transformation des Straßengüterverkehrs: Aiwangers Plan für eine grüne Logistikzukunft

Umstrittenes Personal für neue EU-Kommission

Neue Auto-Strafen in Italien wegen verschärfter Straßenverkehrsordnung

Alle Schlagzeilen

KI in der Logistik: "Wir brauchen einen Denkwandel"

HASHTAG

#VR Plus

Online-Seminar: Achtung Pflichten - Die neue Lkw-Maut für Fahrzeuge über 3,5 Tonnen

Hochwasser: Wie Speditionen die große Flut erlebten

ID Logistics-Chef Hémar: „Deutschland ist strategischer Schlüsselmarkt“

MEISTGELESEN

MSC kann beim Hamburger Hafenlogistiker HHLA einsteigen

E-Rechnungspflicht in Deutschland: Was Unternehmen wissen müssen

Bund und Länder fördern Brennstoffzellen-Lkw von Daimler Truck

STELLENANGEBOTE

Area HR Business Partner

Koordinator (m/w/d) Intralogistik mit Teamleitungsfunktion

Leiter (w/m/d) Logistik Teilbereich Warenausgang

Head of Logistics (w/m/d) mit fundierter Erfahrung im internationalen Versand

Schichtleiter (w/m/d) Logistik - Warenausgang

WEITERLESEN

NEWSLETTER