Fraunhofer-Institut für Materialfluss und Logistik IML
Die Steuerung von Rohstofftransporten auf Binnenwasserstraßen wird durch den Einsatz von KI-gestützten Methoden zukünftig erheblich effizienter, ressourcenschonender und präziser gestaltet. Im Rahmen des Projekts »Oktopus« wurde eine Plattform entwickelt, die auf der Grundlage verschiedener Datenquellen eine ETA-Prognose und eine 24-Stunden-Prognose des Hafenfüllgrades liefert. Darüber hinaus legt die Oktopus-Plattform die Grundlage für die Konsolidierung von Binnenschifftransporten zwischen verschiedenen Akteuren, was die Effizienz und Wirtschaftlichkeit der Transportprozesse weiter verbessert.
Im Rahmen der durch das BMDV-geförderten IHATEC-Projektreihe entstand mit dem Projekt „Oktopus“ eine Plattform zur Steuerung von Transporten auf der Binnenwasserstraße. Die Oktopus-Plattform nutzt Kartendarstellungen, um Transport- und Hafenressourcen zu erfassen und zu verfolgen, wodurch zeitnahe und detaillierte Informationen bereitgestellt werden können. Darüber hinaus wurde die Anwendung von maschinellem Lernen in multimodalen Transportketten eingehend untersucht und in die Plattformlösung integriert.
Die beiden Kernkomponenten der Plattform bilden die ETA-Prognose für Transporte und die Hafenfüllgradsprognose für das unmittelbare Hafenbecken. Diese sind entscheidend für die Optimierung der Transport- und Umschlagressourcen. Sie ermöglichen eine frühzeitige Planung der Ressourcen und die Optimierung der Lade- und Löschvorgänge, was zu einer Verbesserung der Wirtschaftlichkeit von multimodalen Transportketten führt.
Das Projekt verfolgte vier Hauptziele: Verbesserung der Datenbasis und -nutzung zur ETA-Bestimmung, Datenauswertung von Informationen von Sensoren, AIS, Pegelständen und anderen Einflussfaktoren, Aufbau und Implementierung von ML-Verfahren zur Optimierung der Transportkette und Ermittlung des Ressourcenbedarfs, und Vernetzung der Akteure und Aufbereitung der Informationen in einer Plattformlösung.
Die Datenerfassung erfolgte durch u.a. Trackingsensoren der Wasserfahrzeuge, AIS, Produktionsmonitoring, und Wettersensoren sowie Pegelstandsaufzeichnungen. ML-Verfahren wurden verwendet, um notwendige Kapazitäten genauer vorherzusagen und dem Disponenten eine bessere Entscheidungsgrundlage zu bieten. Mit der Oktopus-Plattform wurde ein Planungstool entwickelt, um die Daten aufzubereiten und zu visualisieren und mögliche Ressourcenbedarfe darzustellen. Dies führte zu einer Verbesserung der Wirtschaftlichkeit von multimodalen Transportketten durch Vermeidung von Auslastungsspitzen und Minimierung von Wartezeiten.
