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

Der Verkehr ist einer der großen Emittenten von Treibhausgasen. Gleichzeitig wächst der Straßengüterverkehr immer weiter. Ein beträchtlicher Anteil dieser LKW-Fahrten ist dabei nicht optimal ausgelastet – viele LKWs fahren leer auf der Straße. Im Projekt »KITE – Künstliche Intelligenz im Transport zur Emissionsreduktion« entwickelten die Forscherinnen und Forscher der Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS ein neues KI-basiertes Verfahren zur Tourenplanung, um diese Leerfahrten zu reduzieren.

Tourenplanung mittels KI führt zu besserer Auslastung im Straßengüterverkehr

Die 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 unserer Arbeitsgruppe für Supply Chain Services nutzen dafür mathematische Optimierung und datengetriebene Prognose.

Prognose und mathematische Optimierung zur besseren Tourenplanung

Zur Reduktion von Leerfahrten und damit zur Reduktion von Emissionen haben wir im Rahmen von KITE an Tourenplanungs-Algorithmen geforscht. Dabei prognostizierten wir zunächst für jede Relation im Netzwerk datenbasiert das »Upselling-Potenzial«, also die Möglichkeit, weitere Transportaufträge zu akquirieren. Anschließend rechneten wir in der Tourenplanung aus, welche dieser möglichen zusätzlichen Aufträge gezielt akquiriert werden sollen, um das Tourgerüst zu verbessern. Unser Verfahren ist in einem Softwaredemonstrator abgebildet, in dem insbesondere auch auf die spezifischen Anforderungen von Vollladungsverkehren auf Tourenplanung eingegangen wird.

Eine interaktive Netzwerkvisualisierung zur strategischen Verbesserung des Transportnetzes

Oftmals sind Transportnetzwerke im Vollladungsverkehr unausgeglichen: das heißt in einige Landkreise wird deutlich mehr Ladung geliefert als von dort abgeholt. Dies führt zu Leerfahrten, da eine entsprechende Rückladung dann oft nicht vorhanden ist. Im Rahmen von KITE haben wir eine interaktive Visualisierungslösung entwickelt, welche diese Unausgeglichenheiten im Netzwerk visualisiert und datengetrieben Vorschläge zur Akquise geeigneter Rückladungsaufträge anzeigt.

Unsere Projektpartner

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

Das könnte Sie auch interessieren

 

KIVAS

Im Forschungsprojekt »KIVAS« untersuchten die Forscher der Fraunhofer-Arbeitsgruppe SCS des Fraunhofer IIS 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.