Informationen aus der Forschung und für Unternehmen
Algorithmen optimieren Routenplanung und Kapazitätsauslastung, Simulationen werden zur Lernumgebung für Fahrzeugschwärme, Predictive Maintenance minimiert Maschinenausfälle und Smart Finance ermöglicht neue Geschäftsmodelle: Künstliche Intelligenz (KI) hat in der Logistik einen technologischen Paradigmenwechsel eingeleitet – das Potenzial für KI-Verfahren und -Methoden ist in der Branche nahezu unerschöpflich.
Das Fraunhofer IML gehört zu den Wegbereitern einer KI-basierten Logistik. Die Forschenden entwickeln auf der Basis neuester wissenschaftlicher Erkenntnisse innovative Lösungen für die Industrie. Dank Big Data, steigender Rechenleistungen, neuer Trainingsmethoden, Open Source Frameworks und der zunehmenden digitalen Vernetzung stößt die Logistik mit KI in eine neue Dimension vor.
KI-Systeme sind grundsätzlich in der Lage, komplexe logistische Prozesse zu optimieren und sowohl wiederkehrende als auch gestalterische Aufgaben zu übernehmen, die zuvor allein durch menschliches Wissen und Erfahrung oder durch menschliche Intuition gelöst wurden. Für Unternehmen erschließen sich dadurch völlig neue Möglichkeiten der Prozessoptimierung, Automatisierung und Autonomisierung. »Die Logistik zeichnet sich durch die Zusammenarbeit vieler verschiedener Akteure in komplexen Wertschöpfungsketten und -netzwerken aus. Häufig müssen dabei gegensätzliche Ziele miteinander in Einklang gebracht werden. Genau das können die neuen Verfahren und Methoden der Künstlichen Intelligenz: Sie sind in der Lage, die komplexen Zusammenhänge im Logistikumfeld schneller zu analysieren und auch zu steuern als der Mensch heute«, erklärt Anike Murrenhoff, KI-Koordinatorin am Fraunhofer IML. »KI wird so zum Treiber für die Logistiksysteme von morgen und hat das Potenzial, die Logistikbranche grundlegend zu verändern.« Dabei gilt Künstliche Intelligenz gerade auch als Zukunft des Mittelstands.
Um effektiv arbeiten zu können, benötigen KI-Anwendungen qualitativ hochwertige Daten. In der Logistik werden solche Daten heute bereits durch eine Vielzahl von Datenquellen – vom Sensor bis zum Roboter – erzeugt und erfasst. Dieses »Datengold« bietet die Grundlage für unterschiedlichste Methoden und Verfahren Künstlicher Intelligenz, beispielsweise das Maschinelle Lernen, Computer Vision oder Generative KI.
- Prof. Dr. Alice Kirchheim, Institutsleiterin
Predictive Analytics in Produktion und Logistik
Ressourcenmanagement
Qualitätskontrolle
Intelligente Assistenzsysteme
Wissensmanagement
Prozessoptimierung mit KI
Robotik
Intelligente Automatisierung
Intelligente Sensorik
Künstliche Intelligenz strebt an, das intelligente Verhalten von Menschen nachzubilden bzw. zu imitieren. In seinem »Anwendungsmodell des Maschinen Lernens in der Logistik« unterscheidet das Fraunhofer IML drei verschiedene Fähigkeiten von Künstlicher Intelligenz: Sensing (Erkennung), Thinking (Analyse) und Acting (Handeln, Planen und Entscheiden). Danach kann Künstliche Intelligenz ihre Stärken vor allem in den Logistikbereichen Beschaffung und Einkauf, Produktion sowie Vertrieb und Distribution ausspielen: In jedem dieser Bereiche finden sich physische Tätigkeiten für den Transport, den Umschlag und die Lagerung von Gütern sowie die zugehörigen Planungs- und Steuerungsaufgaben.
Das Feld der Sensing-Anwendungen beruht auf dem Einsatz von Sensoren, die Informationen über die Umgebung sammeln – seien es Bewegungs-, Temperatur- oder in Kameras verbaute Bildsensoren.
Beispiele dafür sind:
Bei Thinking-Anwendungen werden Machine Learning-Algorithmen verwendet, um Daten zu analysieren, die z. B. in Anwendungsfällen aus der Kategorie Sensing erzeugt wurden, und um Entscheidungen zu treffen.
Beispiele dafür sind:
Handelnde Anwendungen beinhalten den Einsatz von Robotik und Automatisierung zur Durchführung physischer Aufgaben.
Ob Intralogistik, Produktion, Planung oder Transport: Künstliche Intelligenz kann in allen Logistikbereichen zum Einsatz kommen und ist inzwischen für Unternehmen jeder Größe zugänglich. Die Kosten für die Ent-wicklung und den Einsatz von KI-Lösungen sind in den vergangenen Jahren zurückgegangen, die Akzeptanz von KI-Systemen steigt auch bei den Mitarbeitenden. Künstliche Intelligenz ist für Unternehmen daher ein Mittel zur Zukunftssicherung geworden.
Die meisten Unternehmen verstehen KI heute zunächst als strategisches Werkzeug zur Verbesserung ihrer logistischen Prozesse und verfolgen eine explorative Vorgehensweise. Sie haben großes Interesse daran, sich einen Überblick zu verschaffen, welche Möglichkeiten die moderne KI bietet und wie KI ihre Prozesse verbessern kann. Dabei können neue Ideen und Innovationen entstehen, die möglicherweise über die ursprünglichen Erwartungen hinausgehen. Gleichzeitig können sich Unternehmen dem Thema aber auch über eine konkrete Herausforderung oder eine spezifische Aufgabe nähern, die gelöst werden soll. Über den problemzentrierten Ansatz lassen sich schneller konkrete Ergebnisse erzielen, der Erfolg des KI-Einsatzes ist direkt messbar. Ein Aspekt von KI in der Logistik ist darüber hinaus die Beherrschung von Unsicherheiten und der Umgang mit der steigenden Komplexität in z.B. Lieferketten, da es immer weniger direkte Kausal-Zusammenhänge gibt und KI als Analyseinstrument zum Einsatz kommt.
Bislang konnten Unternehmen kaum eigene Kompetenzen und Ressourcen aufbauen, um KI-Lösungen selbst zu entwickeln oder zu integrieren. Gründe dafür sind zum einen die dynamische Entwicklung des Themas, zum anderen aber auch der Fachkräftemangel. Vor diesem Hintergrund unterstützen die Forschenden des Fraunhofer IML Unternehmen mit konkreten Angeboten und Projekten zum Einsatz Künstlicher Intelligenz.
Künstliche Intelligenz (KI) bezeichnet die Fähigkeit von Maschinen oder Computern, Aufgaben zu übernehmen, die normalerweise menschliche Intelligenz erfordern. Es gibt verschiedene Ansätze, um KI zu entwickeln. Diese reichen von einfachen Algorithmen bis hin zu komplexeren Systemen wie Maschinellem Lernen (ML) oder neuronalen Netzwerken, die Maschinen ermöglichen, aus Erfahrungen – gleich: Daten – zu lernen und sich zu verbessern. Anders als bei herkömmlichen Algorithmen wird dabei kein Lösungsweg modelliert. Die Logistik ist ein Bereich, in dem enorme Mengen an Daten generiert und verarbeitet werden. KI kann diese Daten effizient analysieren und daraus Muster erkennen. So können z. B. Prognosen zur Nachfrage oder zur Routenplanung viel genauer getroffen werden.
Maschinelles Lernen (ML) ist ein Teilbereich der Künstlichen Intelligenz und von zentraler Bedeutung für KI-Anwendungen. Die theoretischen Methoden wurden bereits vor Jahrzehnten entwickelt. Doch erst durch das steigende Datenvolumen sowie die Unterschiedlichkeit und Qualität von Daten in Verbindung mit den Leistungszuwächsen bei Computern sind ML-Verfahren in der Praxis angekommen. ML-Programme unterscheiden sich von herkömmlicher Software grundsätzlich in der Anpassungsfähigkeit an sich ändernde Sachverhalte. Während Anforderungsänderungen in klassischer Software eine Anpassung durch Softwareentwickler erfordern, basieren ML-Programme auf der Idee des menschlichen Lernens und entwickeln sich auf der Basis neuer Systemdaten eigenständig weiter.
> Mehr zu den Vorteilen von Machine Learning zur Optimierung des Supply Chain Managements.
Die Logistikbranche ist für den KI-Einsatz prädestiniert, da sie komplexe Prozesse mit vielen Variablen managt, bei denen Künstliche Intelligenz ihre Stärken ausspielen kann. So erfordern Logistikprozesse oft schnelle Entscheidungen, etwa bei der Routenplanung oder der Bestandsverwaltung. KI-gestützte Systeme können Echtzeitdaten verarbeiten und sofort Entscheidungen treffen, um Engpässe zu vermeiden oder Ressourcen besser zu verteilen.
Neben neuen, zukunftsweisenden Anwendungsbereichen wie der simulationsbasierten KI oder der Bilderkennung und -interpretation (Computer Vision) können KI und ML auch dazu genutzt werden, bisherige Prognose- und Optimierungsverfahren zu ersetzen und dadurch genauere Ergebnisse zu erzielen. Wichtige Anwendungsgebiete liegen dabei in der Bedarfsprognose und Absatzplanung, der Transportoptimierung (z. B. durch autonome Transportsysteme) und der Produktionsoptimierung. Eine der Stärken von KI ist auch ihre Fähigkeit, auf Basis historischer Daten und aktuellen Trends zukünftige Entwicklungen vorherzusagen. KI ermöglicht es zudem, wiederholte und zeitaufwändige Aufgaben zu automatisieren, z. B. die Verwaltung von Beständen oder die Verarbeitung von Bestellungen.
Künstliche Intelligenz ist für die Logistik einer der wichtigsten Hebel, um Prozesse tiefgreifend zu automatisieren. KI sorgt dafür, dass Prozesse schneller, präziser und autonom ablaufen können. Menschliche Fehler können reduziert und Ressourcen besser genutzt werden. Der Einsatz von Künstlicher Intelligenz reicht dabei von automatisierten Lager- und Kommissionierungssysteme über autonome Fahrzeuge bis hin zur vorausschauenden Wartung von Maschinen (Predictive Maintenance). Damit steigert KI nicht nur die Effizienz, sondern auch die Flexibilität und Anpassungsfähigkeit von Logistiksystemen.
Fraunhofer-Institut für Materialfluss und Logistik IML
