Problemstellung

Die Luftfrachtindustrie steht vor einer bedeutenden Transformation. Unter dem wachsenden Druck, Effizienz und Nachhaltigkeit zu steigern, müssen neue Technologien und Konzepte implementiert werden, um den aktuellen und zukünftigen Anforderungen gerecht zu werden. Für die Industrie stellen dabei die 3 Themenfelder: Digitaler Datenaustausch, die Verfügbarkeit von KI-Entscheidungshilfen und das Feld Automatisierung, bzw. Autonomisierung entscheidende Stellschrauben für die zukunftsweisende Ausrichtung dar. In diesem Umfeld wird sich das „Digitale Testfeld Air Cargo (DTAC)“ nunmehr diesem komplexen und in Teilen zusammenhängenden Thema in diesen 3 Feldern annehmen und betrachtet diese gerade im Hinblick auf den Datenaustausch im internationalen Zusammenspiel.

Projektziel

Das Ziel des Forschungsprojekts ist die Steigerung der Effizienz in der Luftfrachttransportkette durch die Implementierung und Vertiefung neuer Technologien und Konzepte wie ONE Record, Künstliche Intelligenz, Automatisierung und die Adaption an eCommerce Abläufe. Dies soll sowohl auf nationaler als auch auf ausgewählter internationaler Ebene realisiert werden. Das Projekt fokussiert auf die Weiterentwicklung bestehender Ansätze und die Erforschung neuer Methoden, insbesondere durch die Verknüpfung übergreifender Bereiche wie KI/Predictive Analytics, und digitaler Avatar. Die Integration von Best Practices und die Zusammenarbeit mit internationalen Partnern sind ebenfalls zentral für das Projekt. Das Vorgehen zielt darauf ab, den technologischen Vorsprung und den Industriestandort Deutschland zu stärken.

Durchführung

Grundlage für das geplante Vorgehen legen laufende Ergebnisse des Digitalen Testfeld Air Cargo. Die entwickelten Lösungen werden durch praxisnahe Live-Tests, die spezifische Schnittstellen bei den Logistikpartnern benötigen, weiterentwickelt und in Dauertests auf ihre Anwendbarkeit überprüft. Diese Tests erfolgen auf nationaler und internationaler Ebene und ergeben eine umfassende Validierung der Lösungen entlang der gesamten Luftfracht-transportkette, wobei die Tests von der Quelle bis zur Senke von Luftfrachtsendungen reichen, um eine realitätsnahe Anwendung zu sichern. Darüber hinaus werden AI-Verfahren (Predictive Analytics) automatisiert und bestehende Lösungen in der Robotik an die Luftfrachtanforderungen angepasst.