Künstliche Intelligenz: Prognose-Tool gegen Lkw-Staus

Im mFund-Projekt KIK-Lee wurde die Vorhersage der Auslastung von Leercontainerdepots untersucht. Die Projektpartner HCS Hamburger Container Service GmbH und das Fraunhofer CML haben das Vorhaben nun beendet - mit gemischten Ergebnissen.

Symbolbild: Pietsch
Symbolbild: Pietsch
Tobias Schweikl
(erschienen bei Transport von Nadine Bradl)

Das BMVI förderte das Projekt mit insgesamt 70.742 Euro. Beim Vor- und Nachlauf im Hinterland sind stark schwankende Lkw-Abfertigungszeiten in logistischen Knoten, wie unter anderem Hafenterminals, Verteilzentren und Leercontainerdepots, vielfach die Regel - oft einhergehend mit nicht akzeptablen Aufenthaltsdauern der Lkw an den Standorten. Das Projekt KIK-Lee beschäftigt sich mit Vorhersagen, die es ermöglichen sollen, dass Fuhrunternehmen Stoßzeiten bei der Lkw-Abfertigung meiden sowie logistische Knoten sich besser auf Anforderungsspitzen einstellen können.

Ziel des Vorhabens war es daher, möglichst viele Kennzahlen zur Verfügung zu stellen. Dabei sollte neben den internen Daten des Knotens auch der bereits bestehende Datenschatz der mCloud (das Datenportal des BMVI), genutzt werden, um mit modernen KI-Methoden möglichst genau die Kennzahlen und deren Vorhersagen zu generieren.

Konkret sollte in dem Projektvorhaben am Beispiel des Leercontainerdepots der HCS Hamburger Container Service GmbH aus entsprechenden Datenquellen in der mCloud Kennzahlen generiert werden, um eine effizientere Auslastung bei der LKW-Abfertigung am Leercontainerdepot zu unterstützen. Allerdings wurden nach einer Analyse des Informationsbedarfs und Daten vom Containerdepot sowie freizugängliche Daten folgende Beobachtungen festgehalten:

  • Es sind wenige historische Datensätze frei verfügbar
  • Daten-Pflege und Governance auf Plattformen sind unzureichend
  • Datenbedarf der Fuhrunternehmer wird nicht ausreichend bedient

Entsprechend konnte der Einfluss von externen Daten nur bedingt geprüft werden. Dennoch konnte eine Echtzeit- und KI-basierte Vorhersage umgesetzt werden, deren Ergebnisse zukünftig auf der Datenplattform mCloud zu finden sind. So können alle beteiligten Akteure am Depot die erwartete Auslastung des Depots sowie deren historischen Werte frei abrufen. Da die Datenquellen, die integriert wurden, leichte Verbesserungen mit sich brachten und sich auf der Datenseite sich stetig Verbesserungen ergeben, sollen auch in Zukunft mehr Datenquellen angeschlossen werden, um so genauere Vorhersagen zu produzieren. Das Vorhaben wurde von einem Verbund bestehend aus dem Fraunhofer CML und der HCS Hamburger Container Service GmbH durchgeführt. Die Laufzeit war vom November 2020 bis September 2021.

Printer Friendly, PDF & Email