Prozessmuster in Transport und Logistik mittels Künstlicher Intelligenz erkennen und nutzbar machen
Mit Stolz blickt die DAKO GmbH auf ihre Geschichte als „Tacho-Pionier“ zurück. Seit über 20 Jahren werden bei DAKO die Daten aus digitalen Tachografen archiviert und analysiert. Moderne Fuhrparks produzieren in ihrem alltäglichen Betrieb allerdings weit mehr als reine Tachografendaten und auch DAKO fühlt sich in ihrem Selbstverständnis der kontinuierlichen Forschung nach Zukunftstechnologien mindestens so sehr verbunden, wie der Unternehmenstradition. Dieses Projekt führt beide Stränge zusammen und möchte sie in digitale Lösungen für aktuelle und kommende Herausforderungen der Branche überführen.
Im Rahmen des Projektes soll eine Basistechnologie entwickelt werden, die auf der Grundlage von Künstlicher Intelligenz (machine learning) Daten aus verschiedenen Quellen (z. B. Tachografen- und Fahrerkartendaten, FMS-Daten, GPS-Informationen) so miteinander verknüpfen, dass darin Muster und regelmäßige Strukturen automatisch erkannt werden. Diese kann dann als Fundament für eine praktische Nutzbarmachung der KI-Technologie in drei Kernbereichen dienen: Erstens, die Digitalisierung logistischer Prozesse, wie automatische Digitalisierung von Tourenplänen aus historischen Tourdaten. Zweitens, die Optimierung der Prozesse im Umgang mit rechtlichen Vorschriften im Güterstraßenverkehr, so z. B. das automatische Erkennen von möglichen Ursachen von Sozialverstößen. Zu guter Letzt können die beiden erstgenannten Anwendungsbereiche mit einander verbunden werden, um eine sozialvorschriftensensible und effizienzgesteigerte Tourenplanung zu ermöglichen.
Das Forschungsprojekt läuft vom 1. Januar 2024 bis zum 31. Dezember 2026 und wird durch den Freistaat Thüringen gefördert sowie durch Mittel aus dem Europäischen Fonds für Regionale Entwicklung (EFRE) kofinanziert.
Forschungsinhalte und Forschungspraxis
Aufgrund des stetig steigenden Kostendrucks in der Branche, aber auch wegen der ökologischen Implikationen von Entscheidungen im Transport- und Logistiksektor bieten Automatisierung und Digitalisierung enorme Chancen, um den Geschäftsalltag transparenter, wirtschaftlicher und ressourcensparender zu gestalten. Hier setzt das Projekt „KI-BASIS“ an.
Das Wort „Basis“ ist dabei im doppelten Sinne zu verstehen. Einerseits sollen im Rahmen des Projekts Basis-Technologien der Künstlichen Intelligenz entwickelt werden, die Daten aus dem Transport- und Logistikalltag selbstständig in neue Beziehungen zueinander setzen und so zum Fundament bisher unausgeschöpfter Synergieeffekte und Automatisierungspotentiale werden. Diese digital verknüpften Daten werden dann wiederum zur Basis konkreter praktischer Anwendungen, die im Rahmen des Projekts auch unter einsatznahen Bedingungen getestet werden.
Zwei Kernbereiche werden dabei fokussiert: Daten, die bei der Abwicklung von Logistikprozessen generiert werden, sowie solche, die im Zusammenhang mit der gesetzlich verankerten Nachweispflicht zu Arbeitszeiten und Sozialvorschriften entstehen. Auf dem Feld der Logistikprozessdaten sollen im Verlauf des Projektes daraus u. a. eine automatisierte Interpretation von Tourdaten, ein Lernen von Kundendaten und -stopps, das Generieren von Rahmen- und Tagestouren, eine Tourabweichungsanalyse sowie Bewertungstools für die ökonomische und ökologische Effizienzanalyse entwickelt werden. Im Bereich der Digitalisierung rechtlicher Vorgaben sind beispielsweise eine automatische Verstoßerkennung und -klassifikation, die Digitalisierung von Belehrungen, eine Verstoßvorhersage sowie eine Analyse von Fahrverhalten und Verstoßursachen als konkrete Anwendungen geplant.
Schlussendlich sollen diese Entwicklungen in der Schaffung eines digitalen Werkzeugs für die automatisch optimierte Tourenplanung unter Berücksichtigung von (Live-) Tourdaten, gesetzlichen Vorgaben und möglichen Verstößen kombiniert werden.
Das Projekt zielt damit darauf ab, Transport- und Logistikunternehmen in die Lage zu versetzen, eine noch größere Menge an Prozessen ihres Geschäftsalltags zu automatisieren und in Echtzeit auf Komplikationen reagieren zu können.