Terminal Altenwerder

Am Terminal Altenwerder soll maschinelles Lernen die Terminalsteuerung durch die Zuweisung optimierter Container-Stellplätze unterstützen

©Thies Rätzke/HHLA

HHLA setzt maschinelles Lernen zur Steigerung der Produktivität ein

Das System berechnet beispielsweise die wahrscheinliche Container-Verweildauer an den Terminals. Erste positive Effekte zeigen sich dem Logistikunternehmen zufolge bereits.

Hamburg. Die Hamburger Hafen und Logistik AG (HHLA) hat für ihre Hamburger Containerterminals Lösungen entwickelt, die maschinelles Lernen (ML) zur Vorhersage der Verweildauer eines Containers auf dem Terminal nutzen. Damit ist der Hamburger Hafen dem Logistikunternehmen zufolge einer der ersten Häfen weltweit, die auf Lösungen mittels ML setzen.

Die ersten beiden Projekte seien bereits erfolgreich in die IT-Landschaft der Container-Terminals Altenwerder (CTA) und Burchardkai (CTB) integriert und angewendet, heißt es in einer dazu veröffentlichten Pressemitteilung. Schon jetzt zeige sich ein deutlich positiver Effekt für beide Terminals, weil die Container entsprechend ihrer voraussichtlichen Abholung eingelagert werden und dann weniger häufig bewegt werden müssten. Die Projekte wurden durch Teams der HHLA und der Beratungstochter Hamburg Port Consulting (HPC) vorangetrieben. Ziel sei es, die Produktivität an den Terminals weiter zu steigern.

Die Umsetzung an den Terminals Altenwerder (CTA) und Burchardkai (CTB)

Auf dem CTA soll die Produktivität der automatisierten Blocklager durch eine ML-basierte Vorhersage gesteigert werden. Ziel sei es, den Zeitpunkt der Abholung eines Containers genau zu prognostizieren. Muss eine Stahlbox während ihrer Verweildauer im Lager nicht unnötig umgestapelt werden, führe dies zu einer wesentlichen Optimierung der Prozesse. Bei der Einlagerung der Container ist deren Abholzeit laut HHLA oft noch unbekannt. Deshalb berechnet künftig der Computer die wahrscheinliche Container-Verweildauer. Er nutzt dazu einen Algorithmus, der auf historischen Daten basiert, sich aber kontinuierlich selbst durch Machine-Learning-Methoden optimiert.

Eine ähnliche Lösung komme auf dem CTB zur Anwendung, wo neben automatisierten auch konventionelle Containerlager genutzt werden. Auch hier soll ML die Terminalsteuerung durch die Zuweisung optimierter Container-Stellplätze unterstützen. Neben der Verweildauer könne mit Hilfe des Algorithmus auch die Art der Auslieferung berechnet werden. Durch maschinelles Lernen könne genauer vorhergesagt werden, ob ein Container auf den Lkw, die Bahn oder ein Schiff verladen werden soll, als dies bisher aus den gemeldeten Daten hervorgeht.

Bedeutung von maschinellem Lernen für das Unternehmen

Angela Titzrath, Vorstandsvorsitzende der HHLA, betonte in einem Grußwort für die vom 9. bis 11. Juli in Shanghai stattfindende Weltkonferenz für künstliche Intelligenz WAIC die Bedeutung von ML für das Unternehmen: „Die fortschreitende Digitalisierung verändert die Logistikbranche und damit unser Geschäft im Hafen. Lösungen für maschinelles Lernen bieten uns dabei viele Möglichkeiten, um die Produktivität und Kapazitätsraten der Terminals zu steigern.“ Die HHLA-Chefin kündigte an, dass man weitere Felder für die Anwendung von ML identifizieren werde. (ja)

Weitere Berichte zu diesem Thema finden Sie in unserem Special TRENDS & INNOVATIONEN IN TRANSPORT UND LOGISTIK.

1000px 588px

Trends & Innovationen in Transport und Logistik, KI Künstliche Intelligenz, HHLA – Hamburger Hafen und Logistik, Hafen Hamburg


WEITERLESEN: