Problemstellung

In den Teilbereichen der Gastronomie und des Einzelhandels können durch Datenauswertungen bereits Stoßzeiten antizipiert bzw. vermieden werden. Auch im Personenverkehr werden bereits Vorhersagen zur erwarteten Auslastung eingesetzt, um Fahrgäste zur besseren Nutzung der Bahnkapazitäten zu lenken.

Für den Güterverkehr gibt es jedoch wenige Kennzahlen, die für eine vorausschauende Planung an einem logistischen Knoten herangezogen werden können. Unvorhergesehene Stoßzeiten führen häufig zu Wartezeiten, Verkehrsstaus und somit zu ineffizienten Abläufen innerhalb der Transportkette

Projektziel

Ziel des Projektes „KIK-Lee“ war es, durch künstliche Intelligenz (KI) Auslastungsvorhersagen für ein Leercontainerdepot bereitzustellen. Es sollten Informationen generiert und frei zugänglich gemacht werden, die den Kunden des Containerdepots ermöglichen Stoßzeiten zu meiden und Anlagebetreibern ermöglichen, sich auf die zu erwartende Auslastung einzustellen.

Ergebnisse und Wirkungen

Basierend auf einer Analyse des Informationsbedarfs und Daten vom Containerdepot sowie freizugängliche Daten wurden folgende Beobachtungen festgehalten:

• Es sind wenige historische Datensätze frei verfügbar
• Daten-Pflege und Governance auf Plattformen sind unzureichend
• Datenbedarf der Fuhrunternehmer wird nicht ausreichend bedient

Entsprechend konnte der Einfluss von externen Daten nur bedingt geprüft werden. Dennoch konnte eine Echtzeit- und KI-basierte Vorhersage umgesetzt werden, deren Ergebnisse zukünftig auf der Datenplattform mCLOUD zu finden sind. So können alle beteiligten Akteure am Depot die erwartete Auslastung des Depots sowie deren historischen Werte frei abrufen.
Da sich auf der Datenseite sich stetig Verbesserungen ergeben, sollen auch in Zukunft mehr Datenquellen angeschlossen werden, um so genauere Vorhersagen zu produzieren.