KITE: Künstliche Intelligenz im Transport zur Emissionsreduktion

Mehr Nachhaltigkeit in der Transportlogistik: Mit Prognoseverfahren die Emissionen reduzieren

Projektfoto KITE: Künstliche Intelligenz im Transport zur Emissionsreduktion
© Erwin Wodicka - Fotolia.com

Die Klimakatastrophe bedroht das Leben der Menschen und die Natur weltweit. Der Verkehr ist dabei einer der großen Emittenten von Treibhausgasen. Gleichzeitig wächst der Straßengüterverkehr aber immer weiter. Ein beträchtlicher Anteil dieser LKW-Fahrten ist dabei nicht optimal ausgelastet – viele LKWs fahren leer auf der Straße. Im Projekt »KITE« entwickeln die Forscherinnen und Forscher der Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS ein neues KI-basiertes Verfahren zur Tourenplanung, um Leerfahrten zu reduzieren.

Tourenplanung mittels KI führt zu besserer Auslastung im Straßengüterverkehr

Transportlogistik nachhaltiger zu gestalten und Leerfahrten zu reduzieren, ist das Ziel des Forschungsprojekts »KITE«. Dazu wird KI im Transport zur Emissionsreduktion eingesetzt. Die Forscherinnen und Forscher der Fraunhofer-Arbeitsgruppe SCS nehmen hierzu Prognoseverfahren in den Blick, die sie in zwei verschiedene Richtungen nutzbar machen:

Zum einen entwickeln sie ein Prognoseverfahren, um Transportvolumen auf verschiedenen Prognose-Ebenen (Kunde, Niederlassung, Unternehmen) sowie Horizonten (Tage, Wochen, Monate) vorherzusagen. Diese Vorhersagen werden dann in der Tourenplanung genutzt, um gezielt Sendungsvolumen zu konsolidieren. So kann ein LKW einen Knoten im Netzwerk beispielsweise einen Tag früher oder später anfahren. Zum anderen entwickeln die Forschenden ein Verfahren zur Langfristprognose, um gezielt Stellen zur Netzoptimierung – also die gezielte Akquise neuer Kunden oder den Aufbau neuer Hubs – zu identifizieren.

So soll das Projektziel erreicht werden, die Leerfahrten bei den betrachteten Betrieben um bis zu 15 Prozent zu reduzieren. An der Entwicklung und Pilotierung des Verfahrens ist ein großes sowie ein mittelständisches Speditionsunternehmen beteiligt. Um die Übertragbarkeit zu sichern betrachten die Forscher überdies drei weitere assoziierte Speditionsunternehmen.

Die in »KITE« entwickelten Verfahren sollen nach Projektende außerdem in ein Softwareprodukt überführt werden, das von den beteiligten Speditionspartnern und weiteren Unternehmen genutzt werden kann.

Mit mathematischer Optimierung eine feingranularere Prognose in der Tourenplanung erzielen

»KITE« ist die Fortsetzung des Projekts »KIVAS«, das die bessere Auslastung im Straßengüterverkehr mit KI-gestützten Kurzzeitprognosen erforschte. Dessen Kernfrage war, wie Nachfrage nach Frachtvolumen vorhergesagt werden kann. Die Forscherinnen und Forscher untersuchten hierzu eine Vielzahl an Einflussgrößen, wie Wettervorhersagen, kalendarische Effekte (z. B. Feiertage, Wochenenden etc.), Konjunkturdaten sowie sozioökonomische Daten (z. B. Arbeitslosenstatistiken) auf ihren prädiktiven Mehrwert hin. Diese Daten wurden für 17 Niederlassungen zweier Unternehmen evaluiert, um zu ermitteln, welche Einflussgrößen die Prognose des Transportvolumens tatsächlich optimieren könnten. Dabei zeigte sich, dass vor allem das Wetter und kalendarische Effekte einen großen Einfluss auf die Kurzzeitprognose der beteiligten Unternehmen haben. Somit konnte »KIVAS« nachweisen, dass sich das Frachtvolumen für einzelne Spediteure auf Niederlassungsebene prognostizieren lässt.

Die große Herausforderung im Projekt »KITE« ist nun die deutlich feingranularere Prognose und deren Verknüpfung mit mathematischer Optimierung zur Tourenplanung. Dazu werden gegenüber dem Vorgängerprojekt nun zunächst fünf weitere Unternehmen betrachtet.

Unsere Projektpartner

  • Optitool GmbH
  • BLG Logistics Group AG & Co. KG
  • Schmahl & Stoepel GmbH

Forschungspartner gesucht

Die Fraunhofer-Arbeitsgruppe SCS sucht laufend Forschungspartner, um die im Projekt entwickelten Verfahren bei verschiedenen Unternehmen zu evaluieren. Interessierte Unternehmen sind herzlich eingeladen, ihre Fragestellungen, Herausforderungen und Bedarfe zu adressieren. Das Projekt ist insbesondere für Speditionsunternehmen interessant, die die Auslastungsquote ihrer LKWs verbessern wollen.

Das könnte Sie auch interessieren

 

KIVAS

Im Forschungsprojekt »KIVAS« untersuchten die Forscher der Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS eine Vielzahl an Einflussgrößen, wie Wettervorhersagen, kalendarische Effekte, Konjunkturdaten sowie sozioökonomische Daten auf ihren prädiktiven Mehrwert. Diese Daten evaluierte die Forschungsgruppe für 17 Niederlassungen zweier Unternehmen, um zu ermitteln, welche Einflussgrößen die Prognose des Transportvolumens tatsächlich optimieren können.

 

Multimodaler Transport für palettierte Ware

Das Projekt »PalletFlow« zielt darauf ab, den stark wachsenden Anteil palettierter Güter auf einen multimodalen Schiene-Straßen-Transport zu verlagern, um das Straßennetz zu entlasten.

 

Digitales KV-Terminal der Zukunft

In der Machbarkeitsstudie zum digitalen KV-Terminal der Zukunft werden verschiedene Digitalisierungsansätze zur Optimierung eines Umschlagterminals des kombinierten Verkehrs geprüft und evaluiert.

 

Studie Transportlogistik 4.0

Die Transportlogistik ist das Rückgrat der deutschen Wirtschaft und hat eine hohe Bedeutung für die Industrie, den Handel und der Versorgung. Jedoch muss in den Zeiten der Industrie 4.0 die Transportlogistik neue Herausforderungen meistern können. Die Studie setzt sich zum Ziel diese zu erkennen und die Ziele der Transportlogistik 4.0 zu definieren.