Nürnberg. Mit Künstlicher Intelligenz (KI) will die Fraunhofer-Arbeitsgruppe für Supply Chain Services (SCS) des Fraunhofer IIS den CO2-Ausstoß im gewerblichen Güterverkehr reduzieren helfen. Unter dem Namen „KITE“ haben die Forscher dafür ein Projekt aufgelegt, mit dem ein neues KI-basiertes Verfahren zur Tourenplanung entwickelt werden soll, um so künftig Leerfahrten reduzieren zu helfen. Hintergrund sei, heißt es, dass ein beträchtlicher Anteil der Lkw-Fahrten nach wie vor nicht optimal ausgelastet sei. Projektpartner von KITE sind die Unternehmen Optitool, BLG Logistics Group sowie Schmahl & Stoepel.
Die Fraunhofer-Arbeitsgruppe SCS arbeitet dafür an zwei unterschiedlichen Prognoseverfahren. So entwickeln die Forscher zum einen ein Prognoseverfahren, um Transportvolumen auf verschiedenen Prognose-Ebenen (Kunde, Niederlassung, Unternehmen) kurzfristig vorherzusagen. Diese Vorhersagen werden dann in der Tourenplanung genutzt, um gezielt Sendungsvolumen zu konsolidieren. So kann ein Lkw einen Knoten im Netzwerk beispielsweise einen Tag früher oder später anfahren. Zum anderen wird ein Verfahren zur Langfristprognose entwickelt, um gezielt Stellen zur Netzoptimierung – also die gezielte Akquise neuer Kunden oder Aufbau neuer Hubs – zu identifizieren.
Ziel des Projekts sei es, teilt die Fraunhofer-Arbeitsgruppe SCS mit, die Leerfahrten um bis zu 15 Prozent bei den betrachteten Betrieben zu reduzieren. An der Entwicklung und Pilotierung des Verfahrens sind ein großes und ein mittelständisches Speditionsunternehmen beteiligt. Um die Übertragbarkeit zu sichern betrachten die Forscher überdies drei weitere assoziierte Speditionsunternehmen. KITE wird im Rahmen der Förderrichtlinie Modernitätsfonds „mFUND“ mit insgesamt rund einer Million Euro durch das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) gefördert.
Bessere Auslastung dank KI-gestützten Kurzzeitprognosen
KITE sei die Fortsetzung des Projekts „KIVAS“, heißt es, das die bessere Auslastung im Straßengüterverkehr mit KI-gestützten Kurzzeitprognosen erforscht hat. Kernfrage sei es hier gewesen, wie Nachfrage nach Frachtvolumen vorhergesagt werden kann. Die Forscher untersuchten dafür mehrere Einflussgrößen, wie zum Beispiel Wettervorhersagen, kalendarische Effekte (etwa, Wochenenden), Konjunkturdaten sowie sozioökonomische Daten (zum Beispiel Arbeitslosenstatistiken auf ihren prädiktiven Mehrwert.
Diese Daten wurden für 17 Niederlassungen zweier Unternehmen evaluiert, um zu ermitteln, welche Einflussgrößen die Prognose des Transportvolumens tatsächlich optimieren könnte. Dabei zeigte sich, dass vor allem das Wetter und kalendarische Effekte einen großen Einfluss auf die Kurzzeitprognose der beteiligten Unternehmen haben. Somit konnte KIVAS nachweisen, dass sich das Frachtvolumen für einzelne Spediteure auf Niederlassungsebene prognostizieren lässt.
Die große Herausforderung im Projekt KITE sei nun, so die Fraunhofer Arbeitsgruppe SCS, die deutlich feingranularere Prognose und deren Verknüpfung mit mathematischer Optimierung zur Tourenplanung. Dazu werden gegenüber dem Vorgängerprojekt nun fünf weitere Unternehmen betrachtet. Die in KITE entwickelten Verfahren sollen nach Projektende in ein Softwareprodukt überführt werden, das von den beteiligten Speditionspartnern und weiteren Unternehmen genutzt werden kann.
Für KITE werden noch Speditionsunternehmen gesucht
Im übrigen sucht die Fraunhofer Arbeitsgruppe SCS sucht für KITE noch Speditionsunternehmen als Forschungspartner, um die im Projekt entwickelten Verfahren bei unterschiedlichen Unternehmen zu evaluieren. Interessierte Unternehmen können sich dazu jederzeit direkt an das Fraunhofer SCS wenden. Das Projekt ist insbesondere für Speditionsunternehmen interessant, die die Auslastungsquote ihrer LKW verbessern wollen. (eh)