Service-Plattform zur Störfallerkennung im Straßengüterverkehr mittels selbstlernender KI-Verfahren (SlidePlus)

Der Straßengütertransport ist einer der wichtigsten Wirtschaftsbereiche in Deutschland. Aufgrund zahlreicher unvorhersehbarer Ereignisse, wie bspw. Staus, Routenänderungen, Unwetter, Verzögerungen an den Laderampen etc. kann es jederzeit zu Störfällen in Transportprozessen kommen. Werden Störfälle nicht frühzeitig erkannt, kommuniziert und deeskaliert, kann dies oftmals erhebliche Auswirkungen nach sich ziehen (Produktionsausfall, Konventionalstrafe, Negativ‐Scoring, etc.). Um Störfälle zu erkennen, müssen ständig vorhandene Plan‐Daten mit den aktuellen Ist‐Daten vergleichen werden. Dieser Prozess geschieht bisher vorwiegend manuell, was sehr ressourcenaufwändig und fehlerbehaftet ist. Zudem werden viele Störfälle nicht oder meist nur passiv erkannt, d.h. erst nachdem sie eingetreten sind.

Im Vorhaben wird dieses Problem adressiert, wobei eine neuartige KI-basierte Störfallanalyse‐Plattform für die Straßentransportlogistik erforscht und entwickelt wird. Die Plattform soll zur Verfügung stehenden Plan‐ und Ist‐Daten von Transportprozessen mit weiteren relevanten Daten aus externen Portalen kombinieren. Die veredelten Daten sollen anschließend mit selbstlernenden KI-Verfahren analysiert werden. In Abhängigkeit der zur Verfügung stehenden Daten und der jeweiligen Zielsetzung besteht eine wesentliche Herausforderung darin geeignete KI-Verfahren auszuwählen, anzupassen und umzusetzen. Aufbauend auf der KI-basierten Datenanalyse sollen Modelle entwickelt werden, welche die Vorhersage von Störfällen und deren Ursachen ermöglichen. Neben den theoretischen Grundlagen im Projekt soll auch die praktische Anwendbarkeit der zu entwickelnden Störfallanalyse‐Plattform im Bereich der Transportlogistik untersucht werden.

Arbeiten am InfAI

In SlidePlus soll eine neuartigen Störfallanalyse‐Plattform unter Verwendung von neusten KI-Verfahren entwickelt werden. Hierzu sollen Tour-Daten mit externen Informationen angereichert und ausgewertet werden, um damit Kausalmodelle zur Störfallbewertung für den Straßengüterverkehr zu erstellen. Aufbauend darauf soll die Vorhersage von Störfällen bei Transportprozessen als Service angeboten werden.

Im Projekt stehen die folgenden Aufgaben im Fokus:

  • Die Aggregation von heterogenen Plan- und Ist-Daten von Touren unterschiedlicher Unternehmen/Speditionen und Veredelung dieser Daten durch Kombination mit weiteren transportrelevanten Daten aus externen Portalen.
  • Die Erforschung, Entwicklung und Anwendung von KI-Verfahren für die automatisierte Erkennung Störfällen sowie die Ableitung von Ursachen- und Wirkungszusammenhängen.
  • Die Entwicklung von probabilistischen Kausalmodellen, anhand welcher Ursachen, Wirkungen und Wahrscheinlichkeiten von Störfällen im Straßengüterverkehr abgeleitet werden können.
  • Die Entwicklung der Störfallanalyse-Plattform, welche als Service zur Verfügung gestellt werden soll.
  • Die Durchführung von Experimenten mit anonymisierten Kundendaten zu realen Tourverläufen und Identifikation von Störfällen sowie mithilfe simulierter Daten und synthetischer Störfälle.

Das InfAI wird die folgenden Arbeitsschwerpunkte im Projekt übernehmen: Forschung, KI-Entwicklung, Publikation, Vernetzung und Marketing.

Laufzeit:
12/2021-11/2024
Förderkennzeichen:
19F2200B

Projektbeteiligte

  • Digital System Integration GmbH
  • 4flow AG
  • C-Informationssysteme GmbH