Logistics-IT KI in der Logistik: Wohin mit all den Daten?

Die Voraussetzungen für den Einsatz von Künstlicher Intelligenz in der Logistikbranche werden immer besser: Vielen Akteuren stehen heute riesige Datensätze zur Verfügung – aus eigener Erhebung oder anderen Quellen. Probleme entstehen dann, wenn es an den praktischen Anwendungsfall geht. Dort überwiegt noch die Vorsicht.

Anbieter zum Thema

Unitechnik Systems GmbH

leogistics GmbH

Malorg Consulting GmbH

scoutbee GmbH

va-Q-tec AG

„Die Morgendämmerung industrieller künstlicher Intelligenz findet in der Logistik statt. Logistik ist vollständig algorithmierbar, es liegt ihr gewissermaßen in den Genen“, sagte Michael ten Hompel, Professor für Förder- und Lagerwesen an der TU Dortmund, in einem Interview. Die Logistik – inklusive Supply-Chain-Management – ist seiner Ansicht nach also geradezu prädestiniert für KI-Anwendungen. Und auch die Branche selbst teilt diese Auffassung: 80 % der Befragten einer Studie des Aachener Softwarehauses Inform schätzen KI als wichtiges Zukunfts- und Innovationsthema ein. Gleichzeitig setzen jedoch nur 26 % Künstliche Intelligenz in ihren logistischen Prozessen ein. An fehlenden Daten kann es nicht liegen.

Eigene Datenerhebung: Check

Denn hier ist die Logistik gut aufgestellt. Dies zeigte nicht zuletzt schon die Logimat 2018, wo unter anderem die European Pallet Association e. V. (EPAL) ihre intelligente Palette vorgestellt hat. Ein kleiner Tracker sammelt dort Daten zu Bewegung, Schockeinwirkungen und Temperaturverlauf, während ein wasserfester Sensor Stöße, Lage, Kippwinkel und Beschleunigung registriert. Für den Datenzugang in der Logistik ein Riesenschritt, denn: „Die Logistik steht auf Paletten. Diese intelligent zu machen, heißt die Logistik intelligent zu machen“, so ten Hompel auf der Messe. Doch nicht nur der Betreiber des größten offenen Palettenpools, sondern auch Logistikakteure selbst statten Ladungen zunehmend mit Sensorik aus.

Das Würzburger Unternehmen Va-Q-Tec arbeitet beispielsweise in Kooperation mit der Universität Würzburg daran, seine thermischen Verpackungssysteme intelligent zu machen. Auf Basis von Temperatur- und Gasdruckwerten, die innen und außen an den gedämmten Verpackungen erhoben werden, soll eine KI automatisiert Rückschlüsse ziehen, was mit der Ladung passiert ist und wann der Container zur Wartung muss (Predicitve Maintenance). Die KI soll in Zukunft auf Basis von Informationen aus der Vergangenheit auch eine Vorhersage treffen, wann wo eine gewisse Anzahl von Containern benötigt wird (Forecasting).

KI im Einsatz: Forecasting

Die Anforderungen an das Forecasting spiegeln sehr gut den Nutzen von KI wider: Va-Q-Tec hat sich auf den temperaturgeführten Transport von Pharmaprodukten spezialisiert. Hier spielen natürlich nicht nur logistische Kenndaten eine Rolle, sondern auch „fremde Daten“ wie beispielsweise die Zahl der Infektionen in der Region oder Ähnliches. Datenmengen also, die kein Mensch je verarbeiten und zusammenführen könnte. Dafür aber die KI. „Im Endeffekt geht es darum, über relevante Daten zu verfügen, sie zu speichern und sie im nächsten Schritt für Planung, Optimierung und Entscheidungsunterstützung zu verwenden“, fasst Dr. Michael Schüle, Head of IT bei Va-Q-Tec, im Interview zusammen.

Wie gut ein solches Forecasting-Modell funktionieren kann, zeigt der Onlinehändler Otto. Ein Deep-Learning-Algorithmus analysiert hier rund 3 Mio. Datensätze und 200 Variablen, darunter neben erfolgten Transaktionen und Suchanfragen auch jene „fremden Daten“ wie Wettervorhersagen. Daraus erfolgt eine Vorhersage über die Käufe der nächsten Woche, die es Otto ermöglicht, 200.000 Artikel im Voraus zu bestellen.

Externe Datenerhebung: Check

Dass Daten jeglicher Art heutzutage essenziell, aber nicht unerreichbar sind, weiß auch Prof. Dr. Christian Heinrich, Co-Founder der Lieferantenplattform Scoutbee. Seit 2015 sammelt und speichert das Würzburger Unternehmen zahlreiche Daten rund um Lieferanten – und durchsucht dafür regelmäßig das komplette Netz. Dieser ständig aktualisierte Datensatz wird von einer Künstlichen Intelligenz mit den Ansprüchen der Kunden gematcht. Im Vergleich zum klassischen Einkäufer findet die KI hierbei den passenden Lieferanten nicht nur wesentlich schneller. Durch die Multi-Lingualität der Anwendung kann sie auch unbekanntere Lieferanten – sogenannte Hidden Champions – auf der ganzen Welt aufspüren.

Scoutbee-Co-Founder Prof. Dr. Christian Heinrich: „In Deutschland wartet man tendenziell zu häufig auf einen ,Proof of Concept‘, bevor tatsächlich in neue Technologie investiert wird.“

„Wir wissen, wo spannende, auch nicht-industriespezifische Informationsquellen sitzen und ermitteln permanent auf Basis der Nachfrage unserer Kunden, welche Datenquellen noch spannend sind“, so Heinrich im Interview. Zusätzlich gebe es dann noch die Möglichkeit der Kooperation mit Drittdatenbank-Anbietern. „Wir beziehen Daten aus einer Vielzahl an Quellen und kombinieren sie über unsere KI so, dass am Ende dabei Lieferanteninformationen entstehen.“

Über den digitalen Fußabdruck eines Unternehmens kann die KI von Scoutbee beispielsweise die Lieferantenstruktur eines Unternehmens herausfinden, ohne überhaupt Zugriff auf das jeweilige ERP-System zu haben. Dennoch: Drei Viertel der deutschen Unternehmer sind der Ansicht, eine Effizienzsteigerung könne nur durch die Kooperation von Kunden und Lieferanten gelingen (9. Hermes-Barometer).

Das Problem mit der Anwendung

Den derzeitigen Stand von KI in der Logistikbranche skizziert Bundesverkehrsminister Andreas Scheuer in seiner Eröffnungs-Keynote auf der Messe Transport Logistic 2019: „Die Unternehmen machen sich zunehmend Gedanken darüber, was sie mit den großen Datenmengen anfangen können.“ Und auch Schüle (Va-Q-Tec) und Heinrich (Scoutbee) sind hier einer Meinung. „Es geht nicht nur darum, die Daten zu haben, sondern darum, die Daten verarbeiten zu können“, so Schüle.

Auch wenn die Anwendungen noch nicht flächendeckend sind, so gibt es einige beeindruckende Insellösungen. Um nur einige Beispiele zu nennen: Die Nutzfahrzeuggruppe Krone entwickelt den Smart Scan, der verfügbare Ladungsfläche durch einen Algorithmus auswertet und über ein Portal anderen Speditionen zur Verfügung stellt. Auch das Start-up Cargonexx löst dieses Problem über neuronale Netze. DB Schenker, MAN Truck & Bus und die Hochschule Fresenius testen zusammen das sogenannte Platooning, bei dem Lkw über eine digitale Deichsel autonom in der Kolonne fahren können. In der Intralogistik und im Lager sind autonome Transportplattformen und Roboter schon weiter verbreitet. Durch die Implementierung des neuen Mobilfunkstandards 5G und die kommende Drohnengrundverordnung der EU wird sich in der Logistik dann voraussichtlich noch mehr bewegen.

Scoutbee ist bereits seit 2015 im KI-Business unterwegs. Christian Heinrich zufolge spielt auch die „German Angst“ eine Rolle bei der eher langsamen Implementierung von KI. „In Deutschland wartet man tendenziell zu häufig auf einen ,Proof of Concept‘, bevor tatsächlich in neue Technologie investiert wird. Wir sind zu sehr Effizienz-orientiert. Von dieser Strategie bin ich nicht überzeugt. Was wir brauchen, ist ein interdisziplinärer Out-of-the-box-Ansatz. Wir müssen raus aus dem klassischen Tunnel und einen Berg besteigen.“ Die Voraussetzungen dafür sind da. ■

Projekt „Künstliche Intelligenz: Eine Multimedia-Reportage“

* Nils Güntner ist Student an der Hochschule Würzburg-Schweinfurt. Nähere Informationen: Prof. Dr. Lutz Frühbrodt, Studiengangsleiter Fachjournalismus und Unternehmenskommunikation, 97070 Würzburg, Tel. (09 31) 35 11-0, dekanat.fang-wue@fhws.de

(ID:46102080)