Künstliche Intelligenz liefert in sehr spezialisierten Anwendungen oft die besten Ergebnisse. Drei Beispiele aus Bremer Unternehmen zeigen einen Ausschnitt aus der Bandbreite der Möglichkeiten.
Transportoptimierung in der Citylogistik
Die XTL Kommunikationssysteme GmbH arbeitet an einer KI-Anwendung, die viele innerstädtische und multimodale Transporte umweltfreundlicher, effizienter, flexibler und kostengünstiger gestalten soll. Dafür entwickelt XTL eine Software zur Optimierung der Planung und Steuerung komplexer, dynamischer und multimodaler Logistikprozesse insbesondere im Bereich der Citylogistik, der „Logistik der letzten Meile“ und der Netzwerkstrukturen. XTL setzt unter anderem maschinelle Lernverfahren ein, um Ereignisse und Auftragslagen zu prognostizieren und bei der Tourenplanung zu berücksichtigen.
Ein potenzielles Szenario ist die Belieferung eines Geschäfts in einer Fußgängerzone, die nicht von einem Lkw befahren werden darf. Die Lieferung wird deshalb in einem Mikrodepot am Rand der Einkaufsstraße abgelegt oder direkt an ein kleineres, möglicherweise elektrisches Fahrzeug in der Nähe übergeben. Dieses übernimmt dann die Zustellung auf der letzten Meile. Gleich mit dabei: Das Paket für das Nachbargeschäft, das die Bestellung erst einige Stunden zuvor aufgegeben hatte.
Herkömmliche Methoden sind nicht annähernd flexibel genug, um solche Szenarien effizient zu gestalten. XTL entwickelt daher gemeinsam mit der Citipost Nordwest und einem großen Logistikanbieter eine KI-basierte Lösung für multimodale Transporte.
Weitere Informationen: xtl-gmbh.de
Kunststoffmüll am Meeresgrund aufspüren
Nur ein geringer Teil des Plastikmülls in den Weltmeeren schwimmt auf der Oberfläche, der Rest sinkt in tiefere Gewässer oder auf den Meeresboden und bedroht die dortige Pflanzen- und Tierwelt. Bisher gibt es keine Möglichkeit, Plastik am Grund der Ozeane großflächig aufzuspüren. Traditionelle Monitoring-Methoden, bei denen Taucherinnen oder Taucher manuell Bilddaten erheben, ermöglichen nur Aussagen über sehr begrenzte Gebiete. Zudem sind diese Verfahren äußerst zeitaufwändig, kostspielig und in tieferen Gewässern nahezu unmöglich.
An einer effizienteren Lösung arbeitet ein Konsortium aus Industrie und Forschung – darunter die Planblue GmbH und das Robotics Innovation Center des Deutschen Forschungszentrums für Künstliche Intelligenz (beide aus Bremen) und die Kurt Synowzik Werkzeug u. Maschinenbau GmbH & Co. KG aus Schwanewede. Ziel ist die Entwicklung einer Monitoring-Technologie, die Plastikmüll sowie verschiedene Plastikarten am Meeresgrund automatisiert und großflächig erkennen kann.
Zudem soll das neue System den Zustand des Plastiks erfassen und die Ergebnisse mit georeferenzierten Daten koppeln. Auf diese Weise ist es nicht nur möglich, den Grad der Verschmutzung einzuschätzen, sondern auch Veränderungen des Plastikmülls über beliebige Zeiträume hinweg zu verfolgen und Reinigungsmaßnahmen zu planen. Um dabei in menschenfeindliche Tiefen vordringen und weite Gebiete abdecken zu können, soll das neue System in Zukunft nicht nur von Taucherinnen oder Tauchern, sondern auch auf ferngesteuerten oder autonomen Unterwasserfahrzeugen einsetzbar sein.
Weitere Informationen: www.planblue.com
Bessere Suchergebnisse im Online-Beschaffungssystem
Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) hat seine Expertise auch zu „aiPhilos Smart Product Search“ beigetragen, einer Suchmaschine für elektronische Beschaffungssysteme der ePhilos AG. Die Partner entwickelten eine lernfähige Suche, die auf die Analyse von natürlich-sprachlichen Suchanfragen in Produktdatenbeständen spezialisiert ist.
Wie klassische Online-Shops stoßen auch die Beschaffungssysteme von Unternehmen bei der Produktsuche an ihre Grenzen. Gerade in Spezialgebieten kennen die Nutzerinnen und Nutzer häufig nicht die genaue Bezeichnung des gewünschten Artikels: Die Suchanfrage für Post-It’s kann zum Beispiel „Gelbe Klebezettel“ lauten, die für den Tacker „Klammeraffe“. Der „rote Stift“ hat entweder eine rote Hülle oder schreibt mit roter Farbe. Mit derlei unpräzisen Suchanfragen sind herkömmliche Systeme oft überfordert. Das hat zur Folge, dass die Systemnutzer unzufrieden sind und Zeit verschwenden.
aiPhilos begegnet diesen Problemen mit KI-gestützten Algorithmen und einer umfangreichen Wissensdatenbank, die kontinuierlich erweitert und verbessert wird. So lernt das System, auch unpräzise Anfragen im Sinne der Nutzer zu beantworten.
Weitere Informationen: www.aiphilos.com