Wie die Transformation der Logistik mit künstlicher Intelligenz gelingt
Unter dem Motto 'Von der Revolution zur Transformation - mit Künstlicher Intelligenz in die Silicon Economy' beteiligen sich vom 15. bis 17. September 2020 über 800 Teilnehmer am digitalen 'Zukunftskongress Logistik - 38. Dortmunder Gespräche'. Dabei diskutiert die Logistikbranche über die Chancen und Herausforderungen einer neuen Plattformökonomie sowie über aktuelle Forschungsergebnisse und Beispiele aus der Praxis.

Mit dem ‚LoadRunner‘ hat das Fraunhofer-Institut für Materialfluss und Logistik IML eine neue Generation Fahrerloser Transportfahrzeuge (FTF) mit enormer Sortierleistung entwickelt. Dank hochverteilter künstlicher Intelligenz und Kommunikation über 5G ist das High-Speed-Fahrzeug ein weltweiter Meilenstein in der Schwarmrobotik – und prädestinierter Schlüssel für die Transformation der Wirtschaft in eine Silicon Economy.

Die Entwicklung des LoadRunners, der beim Digital-Gipfel 2019 seine Weltpremiere feierte, hatte das Fraunhofer IML bereits im Rahmen eines vom Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) geförderten Vorprojekts zum am 15. September 2020 offiziell gestarteten Großprojekts ‚Silicon Economy Logistics Ecosystem‘ realisiert. Seither arbeiten die beteiligten Wissenschaftler an der Weiterentwicklung und unter anderem an der Skalierung des Systems.

Digitale Modellierung auf Echtzeit-Entwicklungsplattform

Nun liefert eine durchgeführte Untersuchung zum Einsatz des LoadRunners für die Paketsortierung die ersten vielversprechenden Ergebnisse: Mit etwa 60 Fahrzeugen lassen sich 13 000 Sendungen pro Stunde abarbeiten. Damit erreichen 60 LoadRunner bereits Leistungsbereiche von klassischen Sortiersystemen. Im Gegensatz zu diesen benötigt der LoadRunner jedoch wesentlich weniger fest installierte Infrastruktur und bietet eine deutlich schnellere Inbetriebnahme und höhere Skalierbarkeit. Um die Leistung von 60 LoadRunnern herauszufinden, nutzten die Forscher eine digitale Modellierung auf einer Echtzeit-Entwicklungsplattform für 3D-Simulationen, die eine dynamische Darstellung des Systemverhaltens in Echtzeit ermöglicht.

„Mit dem LoadRunner haben wir einen zentralen Mosaikstein für die Logistik von morgen entwickelt und setzen einen internationalen Benchmark in puncto autonomer Transportsysteme und Künstlicher Intelligenz. Die Fahrzeuge verfügen über die Beschleunigung eines Sportwagens und dringen in eine ganz neue Leistungsklasse vor. LoadRunner-Schwärme adressieren Bereiche, die bislang der Hochleistungssortier- und -fördertechnik vorbehalten waren. Die WiFi-6- und 5G-basierte Kommunikation, das selbstständige Verhandeln und Buchen von Aufträgen über die Blockchain und die künstliche Intelligenz an Bord machen den LoadRunner zum Begründer einer neuen KI-basierten Fahrzeuggeneration und zur Blaupause der Logistikbranche auf dem Weg in eine vertikale und in Echtzeit vernetzte digitale Plattformökonomie“, betont Prof. Michael ten Hompel, geschäftsführender Institutsleiter des Fraunhofer IML.

Intelligenter Schwarm

Der LoadRunner kann sich hochdynamisch mit bis zu 10m/s im Schwarm organisieren und sich bei Bedarf sogar für Transportaufträge zusammenkoppeln. Dank künstlicher Intelligenz ist er in der Lage, selbstständig Aufträge anzunehmen und zu verhandeln. Damit ist das Fahrzeug eine Revolution für die Logistik.

Mit seiner Dynamik und seinem omnidirektionalen Fahrwerk ist der LoadRunner perfekt an Sortierprozesse in Paketnetzwerken angepasst. Die Lastabgabe erfolgt ohne zusätzliche Aktorik ausschließlich mittels Trägheit, die beim Abbremsen entsteht. Als einzelnes Fahrzeug kann der LoadRunner Pakete bis zu einer bestimmten Größe und bis zu einem Gewicht von 30kg allein transportieren und sortieren. Somit lässt er sich z.B. auch für den Transport und die Sortierung von Gepäckstücken an Flughäfen einsetzen. Im Verbund können mehrere Fahrzeuge durch Kopplung auch große und sperrige Teile bewegen. Dabei kann jeder LoadRunner zusätzlich bis zu vier passive Anhänger ankoppeln und transportieren.

Um das Potenzial der LoadRunner-Technologie voll auszuschöpfen, ist eine offene digitale Infrastruktur wie die Silicon Economy nötig, in der die Fahrzeuge über 5G sicher kommunizieren und mittels Blockchain eigenständig Pay-per-Use-Verträge abschließen können.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige