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:

Die Logistikbranche ist nach der Automobilindustrie und dem Handel der drittgrößte Wirtschaftszweig in Deutschland. Im Jahr 2016 erzielte sie einen Umsatz von rund 258 Milliarden Euro13. Eine besondere Herausforderung in der Logistik ist die fortschreitende Urbanisierung. Im Jahr 2015 lebten bereits rund 75,3 % der Gesamtbevölkerung Deutschlands in Städten14. Die daraus resultierende hohe Nachfrage nach Gütern verursacht einen hohen Anteil der städtischen CO2-Emissionen sowie Feinstaub- und Stickoxidbelastung und ist die Hauptursache für Lärm und Verkehrsunfälle. Vor allem Logistikunternehmen können also einen wesentlichen Beitrag zur Reduzierung der Treibhausgase leisten.
In Zusammenarbeit mit dem Logistikunternehmen ImagineCargo und der Beuth Hochschule Berlin führte die HTW Berlin ein interdisziplinäres Forschungsprojekt zur Entwicklung eines webbasierten Tools zur intelligenten innerstädtischen Routenplanung für die emissionsmindernde Warenverteilung auf Basis von Methoden des maschinellen Lernens durch. Neben der Automatisierung logistischer Geschäftsprozesse entstand ein Stoffstrommanagementsystem zur Analyse, Auswertung und Visualisierung von Stoffströmen und der Ableitung von Maßnahmen zur Optimierung von Energie, Material und Schadstoffen.
Eine besondere Herausforderung ist dabei die Berücksichtigung der "letzten Meile", d. h. der Weg der Ware direkt zum Kunden. Nachlieferungen, falls der Kunde nicht vor Ort ist, verursachen immer wieder Emissionen und Kosten. Das zunehmende Verkehrsaufkommen korreliert mit den Maßnahmen der Städte zur Eindämmung des Verkehrs, zur Erhöhung der Treibstoffkosten und zur verstärkten Nutzung von Online- Lieferdiensten. Diese werden meist von Privatpersonen genutzt und sind in der Regel kleinere Lieferungen, die sich kaum bündeln lassen. Darüber hinaus gibt es einen deutlichen Unterschied zwischen Lieferungen an den Kunden in den Städten und aus den Städten. Vor diesem Hintergrund untersuchte analysierte, visualisierte und optimierte das Projekt insbesondere die Paketströme, um automatisierte Handlungsempfehlungen zur Steigerung der Nachhaltigkeit ableiten zu können.

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