Künstliche Intelligenz: Das TMS CarLo von Soloplan revolutioniert die Transportplanung
Unsere Vorstellung von Künstlicher Intelligenz ist geprägt durch Kinofilme wie Terminator, Matrix oder I, Robot. Doch was ist wirklich möglich? Was ist Künstliche Intelligenz? Wer denkt da und was hat das mit der Transportplanung zu tun?
In unserem menschlichen Gehirn befinden sich etwa 100 Milliarden Neuronen, die miteinander vernetzt sind. Die Übertragung von Informationen zwischen den Neuronen findet über elektrische Impulse statt. Dadurch ist der Mensch in der Lage zu lernen, zu schlussfolgern und abstrakt zu denken. Im Grunde genommen werden bei der sogenannten „Künstlichen Intelligenz“ die Neuronen durch künstliche Neuronen ersetzt und mittels Algorithmen trainiert. Die menschliche Intelligenz wird jedoch nicht nachgebildet, sondern es wird mittels Machine Learning eine Mustererkennung anhand einer Vielzahl von Daten erlernt.
Die Idee hinter Machine Learning ist, dass ein Modell, beispielsweise ein Regelwerk, auf der Grundlage von Trainingsdaten automatisch erlernt wird. Machine Learning erspart Unternehmen das manuelle Erstellen eines Modells und den damit verbundenen Aufwand, wie die Definition von Regeln, Prüfungen und Interpretationen. Damit Machine Learning die erhofften Ergebnisse liefern kann, ist die Qualität der Trainingsdaten entscheidend. Um sich am Markt von anderen Mitbewerbern abheben und konkurrenzfähig bleiben zu können, sollten Unternehmen mit neuen technischen Standards im Einklang sein und die wichtigen Wettbewerbsvorteile, die sich durch Künstliche Intelligenz ergeben, nutzen. In CarLo erfolgt der Prozess des Machine Learning folgendermaßen: Die eigenen Daten der Transportplanung, wie beispielsweise Transportart, Datum, Startpunkt, Zielpunkt, Ladungspositionen, Gewicht der Ladung und Gefahrgut, werden eingespeist und mithilfe eines Algorithmus verarbeitet.
Der Algorithmus ermöglicht es CarLo, das Verhalten des Disponenten „zu erlernen“ und ein Modell zu erstellen, mit dem künftige Touren selbständig unter Berücksichtigung der erlernten Regeln verplant werden. Es wird also von CarLo kein Standardverfahren mehr vorgegeben, sondern der Prozess wird individuell an die Anforderungen des jeweiligen Unternehmens angepasst. Dabei mussten einzigartige Herausforderungen von Soloplan gelöst werden, für die keine Standardlösungen existieren. Wie kann dem Kunden ein individuell zugeschnittenes Machine Learning-Modell zur Verfügung gestellt werden? Durch die vielen verschiedenen Funktionen im TMS CarLo sind die Datensätze der Kunden, die zum Lernen benötigt werden, sehr heterogen. Dies stellt eine zentrale Herausforderung dar: Ein Ansatz, der für einen Kunden gut funktioniert, kann bei einem anderen Kunden fehlschlagen. In der Regel wird dies durch den Machine Learning Ingenieur in Angriff genommen, der das Modell von Hand anpassen kann, indem er verschiedene Statistiken betrachtet.
Bei der Entwicklung eines Machine Learning-Modells sind zwei Aufgaben besonders anspruchsvoll. Zum einen die sogenannte Feature Selection, die Auswahl einer Teilmenge von relevanten Merkmalen eines Datensatzes (z. B. die Auswahl von Ziel, Gewicht, Transporttyp usw. aus den zahlreichen Eigenschaften vergangener Transportaufträge). Zum anderen das Overfitting/Underfitting, was für Machine Learning Engineers häufig ein Problem darstellt. Das Modell muss mathematisch komplex genug sein, um das menschliche Verhalten zu erlernen. Es sollte jedoch nicht auswendig lernen. Die erwünschte Lösung wird von Machine Learning Ingenieuren als Generalisierendes Modell bezeichnet.
Mit weltweit mehr als 1.000 Kunden ist es für Soloplan unmöglich, jedem Kunden ein manuell abgestimmtes Machine Learning-Modell bereitzustellen. Daher müssen alle oben genannten manuellen Schritte automatisch mithilfe des Machine Learning-Algorithmus ohne menschliches Eingreifen ausgeführt werden. Soloplan hat daher eine selbstoptimierende Pipeline entwickelt, die ein Machine Learning-Modell autonom trainieren kann. Dieses neu entwickelte Programm wird mit der neuesten Version des TMS CarLo ausgeliefert und wird die Transportplanung revolutionieren!
Die Vorteile einer Transportplanung mithilfe von Machine Learning liegen auf der Hand: Der Einsatz bringt dem Disponenten eine deutliche Zeitersparnis, hilft bei der Vermeidung von Fehlern und steigert die Effektivität enorm.
Ein wichtiger Pluspunkt ist auch, dass das Wissen bei einem Mitarbeiterwechsel nicht mehr verloren geht. Da CarLo das Verhalten auf Grundlage der Trainingsdaten erlernt hat, wird beispielsweise auch ein neuer Disponent die Touren auf die gleiche Art und Weise wie ein langjähriger Mitarbeiter verplanen können. Alle Daten bleiben dabei jederzeit beim jeweiligen Kunden. Es müssen keine Daten an Soloplan weitergegeben werden. Zudem passt sich die Pipeline an sich ändernde Geschäftsanforderungen an, da das Modell mit neuen Transportaufträgen weiter trainiert wird. Maschinelles Lernen macht die Nutzung von CarLo in vielerlei Hinsicht einfacher. Es liefert uns Informationen, die wir benötigen, um unsere Tätigkeiten zu erledigen – schneller und komfortabler als je zuvor. Das Ergebnis? Diese Technologien unterstützen den Menschen, anstatt ihn zu ersetzen.
Besuchen Sie Soloplan auf der transport logistic in München, vom 4. – 7. Juni 2019 in Halle A3, Stand 505/606. Erfahren Sie mehr über das Thema Künstliche Intelligenz und Machine Learning in der Transportplanung und darüber, wie Ihr Unternehmen davon profitieren kann. Erleben Sie LIVE wie das TMS CarLo mithilfe von innovativen Technologien arbeitet. Besuchen Sie einen von jeweils drei täglichen Vorträgen „Machine Learning und Künstliche Intelligenz in der Transportplanung“ um 10, 13 und 15 Uhr am Soloplan Messestand.