Wissen hoch N Themen
Künstliche Intelligenz optimiert Logistikprozesse

01. 10. 2020
Verfasst von: René Kessler, Jorge Marx Gómez

Künstliche Intelligenz optimiert Logistikprozesse

Draufsicht einer fliegenden Drohne zwischen Palettenregalen
Maschinelle Unterstützung bei der Inventur: Drohne könnten durch das Lager fliegen und selbstständig den Bestand zählen.

Künstliche Intelligenz und maschinelle Lernverfahren sind in der Lage, Logistikprozesse zu optimieren und Kosten einzusparen. Ein Forschungsteam der Universität Oldenburg zeigt in Kooperationsprojekten mit Unternehmen, wie sich Entwicklungen in Produkte überführen lassen. So können Drohnen und neuronale Netze bei der Inventur und Apps bei der Dokumentenprüfung helfen.

Innovative Technologien für die Praxis

Unternehmen der Logistikbranche befinden sich in einem Spannungsfeld zwischen Globalisierung, zunehmender Kundenorientierung und einem sehr hohen Kostendruck, welcher durch geringe Margen bei Transporten entsteht. Sie forcieren daher eine Digitalisierung, die zu Einsparungen führt oder Prozesse optimiert. Experten gehen davon aus, dass in Zukunft künstliche Intelligenz flächendeckend in der Branche eingesetzt wird. Mit dieser Herausforderung beschäftigen sich auch die Abteilung Wirtschaftsinformatik der Universität Oldenburg und die abat AG aus Bremen in einer Forschungskooperation. Dabei erarbeiten sie gemeinsam Anwendungsfälle, um die Potenziale moderner Technologien in echte Mehrwerte für die Praxis zu überführen.

Drohne unterstützt Inventur

Ein Kooperationspartner möchte bei der rechtlich verbindlichen Inventur des Lagers Kosten einsparen. Die Idee: Statt der manuellen Zählung durch Beschäftigte soll eine Drohne durch das Lager fliegen und selbstständig den Bestand zählen. Als Werkzeug dient eine handelsübliche Drohne mit gängigen Sensoren, Features und einer hochauflösenden Kamera. Während des Flugs nimmt die Kamera ein Video mit bis zu 45 Bildern pro Sekunde auf, die mit gängigen Verfahren vorverarbeitet werden. Die Flugstrecke kann dabei entweder manuell oder autonom auf einer zuvor fest definierten Route geflogen werden. Mithilfe dieser Bilder trainieren die Forscherinnen und Forscher ein Convolutional Neural Network, das Objekte automatisiert erkennen kann.

Ein paar Wasserflaschen und Getränkekisten stehen nebeneinander. Objekte gleicher Art sind sind mit der gleichen Farbe umrandet. © Universität Oldenburg
Künstliche Intelligenz unterstützt die Inventur: Drohnen nehmen Bilder von Waren, zum Beispiel Getränkekisten, auf. Neuronale Netze können nun die Objekte zuverlässig erkennen, klassifizieren und zählen.

Im ersten Schritt lässt sich mit einem solchen Algorithmus bestimmen, ob und in welchem Bereich ein gesuchtes Objekt, zum Beispiel eine Getränkekiste, zu finden ist. Im nächsten Schritt klassifiziert das neuronale Netz die identifizierten Objekte. Im Lagerkontext lassen sich demnach Getränkekisten verschiedener Hersteller voneinander differenzieren. Mithilfe der Objekterkennung und -klassifikation können dann die Objekte auf den Bildern gezählt werden. Um sicherzustellen, dass jedes Objekt nur einmal gezählt wird, implementiert das Forschungsteam ein Motion Tracking. Damit erhält jedes erstmalig identifizierte Objekt vom Algorithmus eine einmalige Identifikationsnummer.

Papierdokumente automatisiert prüfen

Ziel eines weiteren Projektes war es, Lieferscheine in Papierform mithilfe einer App vollautomatisiert zu verarbeiten. Trotz des technologischen Fortschritts und des Einsatzes unterschiedlicher Informationssysteme existieren gerade im Wareneingang zahlreiche „Kontrollpapiere“ wie Frachtbriefe oder Lieferscheine. Diese Papierdokumente ermöglichen es, die Bestellung, die gelieferten Artikel und Mengen zu überprüfen. Mit der App müssen Mitarbeitende im Wareneingang die Dokumente nicht mehr manuell prüfen, sondern machen einfach mit dem Smartphone ein Foto vom Lieferschein. Mit Verfahren des maschinellen Lernens werden alle Informationen ausgelesen und in einen angepassten Textverarbeitungsservice übertragen.

Beispielsweise vergleicht das System Namen von Lieferant und Empfänger, Auftragsnummer, Versand- und Lieferdatum sowie Menge und Bezeichnung der gelieferten Positionen mit den Daten aus dem SAP-System. Bei Fehlerfällen, zum Beispiel unvollständigen Lieferungen, werden diese direkt im System vermerkt, womit ein weiterer Arbeitsschritt entfallen kann. Nach Ansicht des Forschungsteams können geeignete Algorithmen in Zukunft zahlreiche manuelle Routinetätigkeiten unterstützen oder auch ersetzen. Daran beteiligte Mitarbeitende können sich dadurch auf kognitiv anspruchsvollere Tätigkeiten fokussieren.

 

Projektpartner: abat AG

René Kessler
René Kessler, M. Sc.
Address
Abteilung Wirtschaftsinformatik
Universität Oldenburg
René Kessler
René Kessler, M. Sc.
Address
Abteilung Wirtschaftsinformatik
Universität Oldenburg
Carl von Ossietzky Universität Oldenburg, Referat Forschung und Transfer
Address
Ammerländer Heerstraße 114-118
26129 Oldenburg
Carl von Ossietzky Universität Oldenburg, Referat Forschung und Transfer
Address
Ammerländer Heerstraße 114-118
26129 Oldenburg

Bestellen Sie unseren Newsletter.
Folgen Sie uns auf LinkedIn.
Abbonieren Sie unseren RSS-Feed.