KI in Transport und Logistik | KI in der Wirtschaft #75

Flottenmanagement mit KI im Transportwesen

KI-basierte Systeme können sehr große Datenmengen über Fahrzeuge, Fahrer und Routen analysieren. Dadurch ist es möglich, Fahrpläne und Routen anzupassen, Transportressourcen besser zu nutzen und den Kraftstoffverbrauch um bis zu 10–15 % zu senken.

Intelligente Systeme, die mit maschinellen Lernfähigkeiten ausgestattet sind, können potenzielle Ausfälle Monate im Voraus vorhersagen, basierend auf Daten von Sensoren, die in Fahrzeugen und anderen Geräten installiert sind. Dies ermöglicht es, Reparaturen und Wartungsarbeiten zu geeigneten Zeiten zu planen, Ausfallzeiten zu minimieren und ungeplante Stopps auf der Straße zu vermeiden.

Ein Beispiel für den Einsatz von KI im Flottenmanagement ist DB Schenker, ein weltweit führendes Unternehmen der Logistikbranche. Das Unternehmen nutzt fortschrittliche KI-Algorithmen, um die Transportplanung, Nachfrageprognose und Angebotsverwaltung zu optimieren. In Bulgarien beispielsweise nutzte das Unternehmen die KI-Lösung von Transmetrics, um die Fahrzeugauslastung zu verbessern und die Laufzeiten für Massensendungen zu verkürzen.

Im Luftverkehr nutzt das Unternehmen ein hybrides Simulations- und Prognosetool, das eine individuelle Anpassung der Simulationen ermöglicht und auf historischen Daten basiert. Durch den Einsatz von KI beschleunigt DB Schenker nicht nur seine digitale Transformation, sondern sichert sich auch langfristig einen Wettbewerbsvorteil im Logistikmarkt.

Quelle: DB Schenker (https://shippingwatch.com/logistics/article14448745.ece)

Implementierung von KI zur Optimierung von Routen und Reduzierung der Transportkosten

Moderne KI-gestützte Kartensysteme können Verkehrsstaus in Echtzeit analysieren, nach Umleitungen suchen und basierend auf den aktuellen Bedingungen optimale Routen für Fahrer vorschlagen. Darüber hinaus können maschinelle Lernalgorithmen dabei helfen, die Verteilung von Lasten besser zu planen, sodass sie über möglichst kurze Distanzen transportiert werden. Dies führt direkt zu geringeren Betriebskosten.

Ein Beispiel für ein Unternehmen, das sich auf KI-Lösungen zur Routenoptimierung spezialisiert hat, ist das amerikanische Unternehmen FourKites. Sie haben eine Echtzeit-Plattform zur Überwachung der Lieferkette entwickelt, die Daten und maschinelles Lernen nutzt, um die Transparenz und Effizienz des Transports zu verbessern.

Einer ihrer Kunden, Henkel, profitiert von der Nutzung der FourKites-Lösung, da sie Zugriff auf Echtzeitdaten über den Standort und die voraussichtliche Ankunftszeit (ETA) von Sendungen hat. Dadurch können sie ihre Aufgaben besser planen und auf mögliche Verzögerungen reagieren.

FourKites hat Henkel außerdem weitere Vorteile gebracht, wie z. B. Zeit- und Kosteneinsparungen, eine Verbesserung der Qualität und Verantwortlichkeit von LSP (Logistics Service Providers), eine faire Streitbeilegung und die Vermeidung von Strafen für Verzögerungen. Im Jahr 2024 will Henkel fast eine Million Sendungen mit FourKites verfolgen.

Quelle: Four Kites (https://www.fourkites.com/platform/)

Bestandsverwaltung mit KI im Transportwesen

Künstliche Intelligenz ist in der Lage, riesige Datenmengen zu analysieren, um die Nachfrage nach bestimmten Waren und Rohstoffen genau vorherzusagen. Dadurch können Lagerbestände effizienter verwaltet, Lager genauer aufgefüllt und Fehlbestände reduziert werden.

Zwei beliebte Tools, die KI und maschinelles Lernen zur Optimierung der Lieferkette nutzen, sind:

• RELEX (https://www.relexsolutions.com/) – eine umfassende Plattform zur Bedarfsprognose und automatischen Bestandsauffüllung. Das Unternehmen unterstützt Kunden aller Branchen bei der Bedarfsplanung, der Bestandsverwaltung, der Optimierung von Logistikprozessen und der Steigerung des Umsatzwachstums.
• SAP IBP (https://www.sap.com/products/scm/integrated-business-planning.html) – Ein erweitertes Bestandsplanungs- und Supply-Chain-Modul, das Teil der SAP-Suite ist. SAP IBP hilft bei der Optimierung logistischer Prozesse und bietet verschiedene Funktionen, darunter Vertriebs- und Betriebsplanung (S&OP), Bedarfsprognose, Reaktion und Lieferung, Bestandsplanung und Transportplanung.

Einführung von KI zur Automatisierung von Lagerprozessen und autonomen Transporten

In vielen modernen Lagerhäusern und Logistikzentren sind bereits autonome Roboter im Einsatz, die mit Modulen der künstlichen Intelligenz ausgestattet sind. Sie sind in der Lage, Bestellungen zu kommissionieren, Produkte zu verpacken und Paletten mit Waren zu transportieren. Mithilfe maschineller Lernalgorithmen können diese Roboter einzelne Waren und Pakete erkennen, ihre eigenen Wege durch das Lager planen und sogar mit Mitarbeitern kommunizieren.

Was passiert, wenn ein von einem Roboter verpacktes und vorbereitetes Produkt bereit für den Transport ist? Dies öffnet die Tür zur Implementierung von KI in autonomen Fahrzeugen. Ein Beispiel ist der autonome Lkw T-Pod, der derzeit in DB Schenker-Verteilzentren getestet wird. Es kann von einem Bediener während der Fahrt auf der Straße gesteuert werden oder dank der Implementierung von KI autonom Paletten mit Produkten transportieren und dabei Hindernissen auf dem Weg ausweichen. Die Navigation wird durch den Einsatz von Kameras, Radar und Tiefensensoren erleichtert.

Der DB Schenker T-Pod ist das erste Fahrzeug seiner Art, das für den öffentlichen Straßenverkehr in Schweden zugelassen ist. Es kann bis zu 20 Tonnen Fracht transportieren und hat mit einer einzigen Ladung eine Reichweite von rund 200 km.

Quelle: DB Schenker (https://www.dbschenker.com/)

Echtzeit-Datenüberwachung und -analyse mit KI im Transportwesen

Daten von fahrzeuginternen Sensoren, Lagerautomatisierungssystemen und Sendungslokatoren können durch Algorithmen der künstlichen Intelligenz in Echtzeit analysiert werden. Dies ermöglicht es, sofort präzise Geschäftsentscheidungen zu treffen und die Effizienz der gesamten Organisation zu verbessern. Beispielsweise kann ein mit einem KI-Modul ausgestattetes System dabei helfen, sofort auf Lieferverzögerungen zu reagieren und Kunden zu benachrichtigen oder vorbeugende Maßnahmen zu ergreifen.

Das OLX-Team nutzte maschinelles Lernen, um ein prädiktives ETA-Modell zu erstellen, was in Transport und Logistik für „Geschätzte Ankunftszeit“ steht. Das Modell berücksichtigt Faktoren wie:

• Standort,
• Art der Ware,
• Wetterverhältnisse,
• Feiertage usw.

Das Modell wurde auf Daten von über zwei Millionen Transaktionen trainiert und mit Daten aus sechs Ländern getestet. Das ETA-Modell erreichte eine sehr hohe Genauigkeit und Präzision und zeigte die Fähigkeit, sich an Änderungen der Markt- und Betriebsbedingungen anzupassen. Das ETA-Modell hat dazu beigetragen, das Vertrauen und die Zufriedenheit der Kunden zu stärken und die Effizienz und Rentabilität des Lieferprozesses zu steigern.

Sicherheit und Unfallverhütung

Intelligente Überwachungssysteme, die mit KI-Modulen ausgestattet sind, schützen nicht nur die Vermögenswerte von Transportunternehmen. Durch die Analyse von Bildern von Kameras und Daten von Sensoren können sie das Verhalten des Fahrers beurteilen und Ermüdungserscheinungen erkennen, die auf Pausen während der Fahrt schließen lassen. Darüber hinaus können maschinelle Lernalgorithmen, die eingehende Telemetriedaten von Fahrzeugen kontinuierlich analysieren, mögliche Fehler frühzeitig vorhersagen.

Und so nutzte das israelische Start-up Cortica neuronale Netze, um Motorgeräusche zu analysieren und drohende Fehlfunktionen frühzeitig zu erkennen. Unternehmen wie Continental und ZF Friedrichshafen AG bieten ähnliche Lösungen für die vorausschauende Fahrzeugdiagnose für Transportunternehmen an.

Die Zukunft der KI in Transport und Logistik

Experten sind sich einig, dass die TSL-Branche aufgrund der künstlichen Intelligenz innerhalb der nächsten zehn Jahre einen kompletten Wandel erleben wird. Autonome Lkw werden zum Standard auf den Straßen der Vereinigten Staaten werden und in anderen Teilen der Welt immer häufiger auftauchen. Mittlerweile werden in Lagerhäusern die meisten Vorgänge – von der Kommissionierung bis zur Beladung – von Robotern übernommen.

Dank KI werden die Transport- und Logistikkosten um bis zu 30–40 % sinken. Auch die Lieferzeiten werden durch Routen- und Ladungsoptimierung sowie die Implementierung intelligenter Stadtsysteme verkürzt, die die Fahrzeugbewegung auf den letzten Kilometern der Route erleichtern. Durch die Integration von KI in die Logistik wird die Qualität des Kundenservice verbessert und das Risiko menschlicher Fehler wird nahezu eliminiert.

Quelle: DALL·E 3, Eingabeaufforderung: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

KI im Transportwesen – Zusammenfassung

Zusammenfassend lässt sich sagen, dass Systeme, die maschinelles Lernen und KI-Algorithmen im Transportwesen nutzen, ein großes Potenzial in der TSL-Branche haben, das gerade erst erschlossen wird. Ihre Umsetzung bietet die Möglichkeit, die Kosten erheblich zu senken, die Lieferzeiten zu verkürzen, die Transportsicherheit zu verbessern und die Kunden besser zu bedienen. Um erfolgreich zu sein, muss die Implementierung dieser Technologien jedoch strategisch angegangen werden.

Wenn Ihnen unsere Inhalte gefallen, treten Sie unserer fleißigen Bienen-Community auf Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest und TikTok bei.

Autor: Robert Whitney

JavaScript-Experte und Dozent, der IT-Abteilungen coacht. Sein Hauptziel ist es, die Teamproduktivität zu steigern, indem er anderen beibringt, wie sie beim Codieren effektiv zusammenarbeiten können.

Alle Beiträge anzeigen

KI in der Wirtschaft:

1. Bedrohungen und Chancen von KI in der Wirtschaft (Teil 1)
2. Bedrohungen und Chancen von KI in der Wirtschaft (Teil 2)
3. KI-Anwendungen in der Wirtschaft – Überblick
4. KI-gestützte Text-Chatbots
5. Business NLP heute und morgen
6. Die Rolle von KI bei der Geschäftsentscheidung
7. Planen von Social-Media-Beiträgen. Wie kann KI helfen?
8. Automatisierte Social-Media-Beiträge
9. Neue Dienste und Produkte, die mit KI arbeiten
10. Was sind die Schwächen meiner Geschäftsidee? Eine Brainstorming-Sitzung mit ChatGPT
11. Verwendung von ChatGPT im Unternehmen
12. Synthetische Schauspieler. Top 3 KI-Videogeneratoren
13. 3 nützliche KI-Grafikdesign-Tools. Generative KI in der Wirtschaft
14. 3 großartige KI-Autoren, die Sie heute ausprobieren müssen
15. Erkunden Sie die Macht der KI bei der Musikproduktion
16. Erschließen Sie neue Geschäftsmöglichkeiten mit ChatGPT-4
17. KI-Tools für den Manager
18. 6 tolle ChatGTP-Plugins, die Ihnen das Leben erleichtern werden
19. 3 KI-Grafiken. Generierte Intelligenz für Ihr Unternehmen
20. Wie sieht die Zukunft der KI laut McKinsey Global Institute aus?
21. Künstliche Intelligenz in der Wirtschaft – Einführung
22. Was ist NLP oder natürliche Sprachverarbeitung im Geschäftsleben?
23. Automatische Dokumentenverarbeitung
24. Google Translate vs. DeepL. 5 Anwendungen der maschinellen Übersetzung für Unternehmen
25. Der Betrieb und die Geschäftsanwendungen von Voicebots
26. Virtuelle Assistententechnologie oder wie spricht man mit KI?
27. Was ist Business Intelligence?
28. Wird künstliche Intelligenz Business-Analysten ersetzen?
29. Wie kann künstliche Intelligenz bei BPM helfen?
30. KI und soziale Medien – was sagen sie über uns?
31. Künstliche Intelligenz im Content Management
32. Kreative KI von heute und morgen
33. Multimodale KI und ihre Anwendungen in der Wirtschaft
34. Neue Interaktionen. Wie verändert KI die Art und Weise, wie wir Geräte bedienen?
35. RPA und APIs in einem digitalen Unternehmen
36. Der zukünftige Arbeitsmarkt und kommende Berufe
37. KI in EdTech. 3 Beispiele für Unternehmen, die das Potenzial künstlicher Intelligenz genutzt haben
38. Künstliche Intelligenz und die Umwelt. 3 KI-Lösungen, die Ihnen beim Aufbau eines nachhaltigen Unternehmens helfen
39. KI-Inhaltsdetektoren. Sind sie es wert?
40. ChatGPT gegen Bard gegen Bing. Welcher KI-Chatbot führt das Rennen an?
41. Ist Chatbot AI ein Konkurrent der Google-Suche?
42. Effektive ChatGPT-Eingabeaufforderungen für HR und Personalbeschaffung
43. Prompte Technik. Was macht ein Prompt-Ingenieur?
44. AI-Mockup-Generator. Top 4 Werkzeuge
45. KI und was sonst? Top-Technologietrends für Unternehmen im Jahr 2024
46. KI und Wirtschaftsethik. Warum Sie in ethische Lösungen investieren sollten
47. Meta-KI. Was sollten Sie über die KI-gestützten Funktionen von Facebook und Instagram wissen?
48. KI-Regulierung. Was müssen Sie als Unternehmer wissen?
49. 5 neue Einsatzmöglichkeiten von KI in der Wirtschaft
50. KI-Produkte und -Projekte – wie unterscheiden sie sich von anderen?
51. KI-gestützte Prozessautomatisierung. Wo soll man anfangen?
52. Wie passen Sie eine KI-Lösung an ein Geschäftsproblem an?
53. KI als Experte für Ihr Team
54. KI-Team vs. Rollenverteilung
55. Wie wählt man ein Berufsfeld in der KI aus?
56. Lohnt es sich immer, künstliche Intelligenz in den Produktentwicklungsprozess einzubauen?
57. KI im Personalwesen: Wie sich die Automatisierung der Personalbeschaffung auf die Personal- und Teamentwicklung auswirkt
58. Die 6 interessantesten KI-Tools im Jahr 2023
59. Die 6 größten geschäftlichen Pannen, die durch KI verursacht werden
60. Was ist die KI-Reifeanalyse des Unternehmens?
61. KI für B2B-Personalisierung
62. ChatGPT-Anwendungsfälle. 18 Beispiele, wie Sie Ihr Geschäft mit ChatGPT im Jahr 2024 verbessern können
63. Mikrolernen. Eine schnelle Möglichkeit, neue Fähigkeiten zu erwerben
64. Die interessantesten KI-Implementierungen in Unternehmen im Jahr 2024
65. Was machen Spezialisten für künstliche Intelligenz?
66. Welche Herausforderungen bringt das KI-Projekt mit sich?
67. Die 8 besten KI-Tools für Unternehmen im Jahr 2024
68. KI im CRM. Was verändert KI in CRM-Tools?
69. Das UE AI Act. Wie regelt Europa den Einsatz künstlicher Intelligenz?
70. Sora. Wie werden realistische Videos von OpenAI das Geschäft verändern?
71. Top 7 KI-Website-Builder
72. No-Code-Tools und KI-Innovationen
73. Wie stark steigert der Einsatz von KI die Produktivität Ihres Teams?
74. Wie nutzt man ChatGTP für die Marktforschung?
75. Wie können Sie die Reichweite Ihrer KI-Marketingkampagne erweitern?
76. „Wir sind alle Entwickler“. Wie können Bürgerentwickler Ihrem Unternehmen helfen?
77. KI in Transport und Logistik