Künstliche Intelligenz in der Logistik

Die Definition von Künstlicher Intelligenz (Artificial Intelligence), abgekürzt KI (AI), ist umstritten. Oft wird die Fähigkeit, Probleme selbstständig zu lösen, als wesentliches Merkmal von Intelligenz bezeichnet. Ein weiteres Kennzeichen ist, dass im Verlaufe eines Lernprozesses die Lösungen für ein Problem ständig überprüft und verbessert werden. Deshalb werden Computerprogramme, die beispielweise mit den Konzepten Deep oder Reinforcement Learning arbeiten, als KI-Programme oder -Algorithmen bezeichnet. Manche Wissenschaftlerinnen und Wissenschaftler zählen das sogenannte Machine Learning (ML) nicht zu den intelligenten Prozessen, andere sehen ML als eine Unterkategorie von KI.

Ein klassisches Beispiel für ML sind verschiedene Programme zur Bilderkennung, die Muster aufspüren und kategorisieren. Andere Software analysiert Vorgänge, die sich wiederholen, kann diese am Ende selbst ausführen, anpassen und optimieren. Im besten Fall lehnt sich die KI an ihre „lebende Vorlage“ an, also die neuronalen Netze, die sich im menschlichen Gehirn verknüpfen. Ganz ähnlich verknüpfen Rechner Informationen so lange, bis aus einzelnen Strichen ein erkennbares Bild wird.

Sogenannte Agenten beschreiten verschiedene Weg zu einem definierten Ziel. Passieren dabei Fehler, beginnt der Prozess „zur Strafe“ neu. Ist das optimale Ergebnis erreicht, ist dies ein „Lob“ für das System. Es speichert den gefundenen Weg und hat so für die Zukunft gelernt. Der bessere Weg mit dem besseren Ergebnis wird auch künftig weiterverfolgt. Das nennt man Reinforcement Learning.

Am häufigsten wird KI für die Optimierung von digitalisierten Transportketten eingesetzt. Mit ihrer Hilfe können bereits heute sehr genaue Prognosen zur Verkehrsdichte oder Passagierfrequenz getroffen werden. Viele Projekte beschäftigen sich damit, das Eintreffen erwarteter Lieferungen (ETA) vorherzusagen. Einkäufer können drohende Lieferengpässe dadurch rechtzeitig erkennen und Verlader ihren Versand optimieren. Prinzipiell ist es sogar möglich, Produktionsabläufe besser mit der Logistik zu verzahnen. Dafür müssten jedoch Quantencomputer eingesetzt werden, da die Zahl der Möglichkeiten „klassische“ Rechner oft überfordert.  

Bilderkennung erfasst Rechnungen oder einfache Verträge, um die Buchhaltung zu entlasten. Die mit KI projizierte Auslastung der verschiedensten Assets ermöglicht einerseits das dynamische Pricing, andererseits können Energie und andere Ressourcen gespart werden. Auch die Technologie des Digitalen Zwillings (Digital Twins) ist ein wesentlicher Bereich der Künstlichen Intelligenz. Mit Hilfe solcher Modelle werden Prozesse oder Anlagen vorab simuliert, beispielsweise um Konstruktionsrisiken zu testen oder Materialien zu prüfen. Da KI noch "in den Kinderschuhen" steckt, wird sie noch viele, bisher schwer denkbare Einsatzbereiche erschließen.

Auf einem Hafenterminal legen zum Beispiel Containertransporter immer wieder gleiche Wege zurück. KI-Programme optimieren solche Strecken oder die automatisierte Blocklager-Steuerung. Sie testen, wie Container am besten platziert werden müssen, um eine optimale Auslastung zu bekommen. Dank Deep Learning kann KI auf dem Burchardkai vorhersagen, auf welche Verkehrsträger die Boxen mit großer Wahrscheinlichkeit ausgeliefert werden. Beim Projekt COOKIE - „COntainerdienstleistungen Optimiert durch Künstliche IntelligEnz“ soll die neue Technologie Schäden an Containern schneller erkennen. Auch für die Inspektion von Containerbrücken wird Bilderkennung eingesetzt.

Die HHLA-Tochter Metrans will die Technologie des Digital Twins einsetzen, um um mehr als 100 verschiedene Zustände und Schäden an Güterwaggons automatisiert zu prüfen. So können Schäden schneller identifiziert werden und die Züge schneller zurück auf der Schiene. Der effizientere Einsatz von Technik und die damit verbundene Ressourcenschonung trägt am Ende natürlich auch zur angestrebten Klimaneutralität bei. Mehr dazu auf der Seite über unsere Nachhaltigkeitsstrategie unter dem Leitmotiv „Balanced Logistics“.