KITE: Künstliche Intelligenz im Transport zur Emissionsreduktion

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 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.

»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.