Mit KI gegen Verspätungen

Im B2C-Bereich ist eine möglichst genaue Prognose der Ankunftszeit in so manchem Bereich nicht mehr wegzudenken. Man nehme beispielsweise die Pizzadienst-App, die minutiös dokumentiert, wann der Bote an der Haustür klingeln wird. Praktisch, wenn man später noch etwas vorhat. Nicht nur praktisch, sondern für den reibungslosen Ablauf von Prozessen innerhalb einer Supply Chain grundlegend, ist die Estimated time of arrival (ETA, englisch für voraussichtliche Ankunftszeit) dagegen für die Transportbranche. Erreicht der Lkw noch das enge Zeitfenster beim Verlader? Kommt die Just-in-time-Lieferung rechtzeitig im Produktionswerk an? Die Integration der ETA ist in vielen Telematik- und Transport-Management-Systemen daher nicht mehr wegzudenken. Dabei wird mittlerweile auf Lösungen zurückgegriffen, die viel mehr bieten als Verkehrsdaten. Herzstück des ETA-Moduls Drive&Arrive von PTV etwa ist ein Algorithmus, der die ETA unter Berücksichtigung vieler Lkw-relevanter Variablen berechnet. Neben Positionsdaten und Lenk- und Ruhezeiten sind dies unter anderem Gewichts- und Höhenbeschränkungen, Fahrverbote in Innenstädten oder Wartezeiten an Mautstellen. Lernende Algorithmen Auch Start-ups beschäftigen sich mit der ETA, das Ziel ist hier vor allem die vorausschauende Prognose. "Sinn und Zweck eines guten ETA-Tools ist, dem Disponenten und allen anderen in der Logistikkette vorherzusagen, was während eines Transportes passieren wird, und ihnen damit die Möglichkeit zu geben, rechtzeitig zu handeln", sagt Marian Pufahl, CEO Synfioo. Für die Prognosen wertet das Berliner Start-up mittels Machine Learning historische, aber auch aktuelle Daten aus. Ebenfalls auf vorausschauende und Echtzeitinformationen hat sich das Pariser Start-up Shippeo spezialisiert, das Daten von Spediteuren und deren Systemen in mehr als 20 Ländern sammelt. Als neueste Partner sind kürzlich Trimble und Volvo Trucks Frankreich hinzugekommen. Synfioo hat sein Netzwerk von Partnern aus der Logistik-Softwarelandschaft jüngst ebenfalls ausgeweitet. Neben den bestehenden Partnerschaften mit SAP, Nicplace und Weber Data Service stehen weitere Integrationen mit verschiedensten Softwareanbietern an, darunter die TMS-Anbieter Transdata und LIS, die Frachtenbörse Trans.eu und ERP-Anbieter Globis. Datenlücken im Kombinierten Verkehr Wie KI-Methoden die ETA-Prognosen verbessern können, beschäftigt auch die Wissenschaft. So wird an der Technischen Universität Berlin im Fachbereich Logistik von Professor Frank Straube derzeit das Forschungsprojekt SMECS durchgeführt. Das steht für Smart Event Forecasts for Seaports und widmet sich insbesondere Ankunftsprognosen im Kombinierten Verkehr. "Für die Straße und ansatzweise auch im Hochseebereich gibt es bereits Tools, die KI-basiert ETA-Prognosen abbilden können. Bei anderen Modalitäten sieht es anders aus, erst recht bei verkehrsträgerübergreifenden Prognosen", umreißt Peter Poschmann, wissenschaftlicher Mitarbeiter bei Professor Straube, im Interview die Herausforderung. Mehr zum Thema finden Sie im Dossier Tourenplanung www.verkehrsrundschau.de/dossiers In Kürze Die Integration der ETA (Estimated time of arrival) ist in vielen Telematik- und Transport-Management-Systemen nicht mehr wegzudenken. ETA-Module können dabei viel mehr als die bloße Auswertung dynamischer Verkehrsdaten. Lernende Algorithmen ermitteln heutzutage vorausschauende Prognosen.