MaLog - Maschinelles Lernen für die nachhaltige Logistik

Projektlaufzeit: 01.04.2018 bis 31.07.2020
Projektleitung:
Projektpartner:Opens external link in new windowImagineCargo Deutschland UG
Projektwebsite:malog.f2.htw-berlin.de/
Dokumente:
ifaf_malog_expose.pdf1.3 M

Kurzbeschreibung:

Der Personen- und Lieferverkehr gilt besonders in Städten als Hauptverursacher von CO2-Emissionen. Daher können Logistikunternehmen einen großen Teil zur Reduzierung von Treibhausgasen beitragen. Im Projekt MaLog soll ein web-basiertes Tool für eine intelligente innerstädtische Tourenplanung entwickelt werden, bei dem elektrounterstützte Lastenräder zur emissionsfreien Güterverteilung genutzt werden.

Problemstellung
Der Personen- und Lieferverkehr stellt insbesondere innerstädtisch eine relevante Größe als C02-Emmitent dar. Logistikunternehmen können einen großen Teil zur Reduzierung von Treibhausgasen beitragen, wofür sie auf eine intelligente und anpassungsfähige Tourenplanung angewiesen sind. In der Logistikbranche existieren hierfür bislang überwiegend an individuelle Ansprüchen orientierten Einzellösungen. Besonders die Verbindung zwischen der Erfassung von Stoffströmen und den Transportprozessen zeichnet sich durch eine hohe Anzahl von Faktoren beziehungsweise Parametern aus, die auf den ersten Blick in keinem direkten Zusammenhang stehen. Die Weitergabe, Verarbeitung und Analyse der aufkommenden Daten basiert momentan auf einfachen Softwarelösungen beziehungsweise händischer Arbeit. Diese wenig automatisierten Arbeitsabläufe neu zu gestalten und zu digitalisieren, ist ein wichtiger Schritt zu effizienterer und damit umweltfreundlicherer Logistik.

Herangehensweise
Der Projektpartner lmagineCargo bietet bereits eine alternative Transportmethode mit elektrounterstützten Lastenrädern (sogenannten Lasten-Trikes) welche es ermöglicht, Lieferungen bis zu 250 Kilogramm emissionsfrei innerstädtisch zustellen zu können. Für eine Optimierung muss das Datenaufkommen des lmagineCargo-Netzwerkes aufbereitet und analysiert werden. Zudem sollen durch Stoffstromanalysen Logistikprozesse abgebildet werden und eine Optimierung automatisierter Handlungsempfehlungen zu Ressourceneinsparungen stattfinden. Durch die Anbindung an bereits verfügbare Datenbanken von beispielsweise Verkehrs-, Infrastruktur- und Standortdaten kann eine zusätzliche Erhöhung der Effektivität erzielt werden.

Ziele
Die im Rahmen des Projektes zu entwickelnde Software kann und soll auch von anderen Transportdienstleistern genutzt, jedoch auch auf Anwendungen innerhalb der nachhaltigen Stadtentwicklung eingesetzt werden können. Die Integration des Stoffstrommanagements mit Methoden der Künstlichen Intelligenz (KI) unterstützt maßgeblich bei der Umsetzung und Langfristigkeit nachhaltiger Transporte. Nach Projektende sollen die Mitarbeiter der Lieferunternehmen gezielt im Umgang mit der Softwarelösung geschult werden, um einen transparenten Umgang mit Informationen mitzugestalten. Damit wird die Möglichkeit angestrebt, Fachkräfte in der Region gezielt zu fördern und auch die sozialen und gesellschaftlichen Bedingungen für die Mitarbeiter in der Logistikbranche zu verbessern. Durch die Umsetzung dieses Projektes kann ein wesentlicher Beitrag zur Entlastung des Verkehrs in Städten und somit auch zur Reduktion emittierter Schadstoffen und Lärm geleistet werden.

Veranstaltungen und Präsentationen:

Konferenz "EnviroInfo" 2018 in Garching. Präsentation des Projekts im Rahmen des Workshops "Machine Learning in the Environmental Sciences".
Opens external link in new windowWeitere Informationen

Publikationen:

Volker Wohlgemuth: Datei herunterladenMachine learning for sustainable logistics. In: Environmental Informatics: Techniques and Trends Adjunct Proceedings of the 32nd edition of the EnviroInfo - the long standing and established international and interdisciplinary conference series on leading environmental information and communication technologies, S.250 ff., Shaker Verlag, Herzogenrath, 2018, ISBN: 978-3-8440-6138-3
Opens external link in new windowWeitere Informationen

 

 

IMPRESSUM  |  DATENSCHUTZ