Maschinelles Lernen für die nachhaltige Logistik (MaLog)

Der Personen- und Lieferverkehr gilt besonders in Städten als Hauptverursacher von CO2-Emissionen. Daher können besonders Logistikunternehmen einen großen Teil zur Reduzierung von Treibhausgasen beitragen. In Zusammenarbeit mit dem Projektpartner ImagineCargo soll ein web-basiertes Tool für eine intelligente innerstädtische Tourenplanung zur emissionsfreien Güterverteilung umgesetzt werden. ImagineCargo bietet eine alternative Transportmethode mit elektrounterstützten Lastenrädern, mit welchen Lieferungen bis zu 250 kg emissionsfrei innerstädtisch zugestellt werden können. Für den nachhaltigen Transport zwischen den Städten kommt eine smarte Kombination aus Radkurieren und Bahntransport (Bike-Bahn-Bike) zum Einsatz.

Die Weitergabe, Verarbeitung und Analyse der aufkommenden Daten basiert momentan jedoch auf einfachen Softwarelösungen bzw. händischer Arbeit. Diese Arbeitsabläufe neu zu gestalten und zu digitalisieren, ist ein wichtiger Schritt zu noch effizienterer und damit noch umweltfreundlicherer Logistik. Täglich werden durch das ImagineCargo-Netzwerk zehntausende Kilometer gefahren. Das dadurch aufkommende Datenvolumen muss daher aufbereitet, analysiert und optimiert werden.

Weiterhin sollen mittels Stoffstromanalysen Prozesse in der Logistik abgebildet und durch automatisierte Handlungsempfehlungen bezüglich Nachhaltigkeit und Ressourceneffizienz weiter optimiert werden. Durch die Anbindung an schon bestehende Datenbanken von beispielsweise Verkehrs-, Infrastruktur- und Standortdaten kann die Effektivität zusätzlich gesteigert werden.

Rahmendaten