Mit 2,1 Millionen umgeschlagenen Fahrzeugen ist das AutoTerminal Bremerhaven eines der größten der Welt. Damit der hochkomplexe Umschlag der Fahrzeuge durch Einbeziehung von Schiff, Bahn und LKW mit ihren Be- und Entladungen effizienter wird, nutzt das Forschungsprojekt „Isabella 2.0“ KI.
Im Projekt „Isabella“ wurde ein intelligentes Planungs- und Steuerungssystem für die Logistikabwicklung und die Bewegungen der Automobile in See- und Binnenhäfen entwickelt und auf dem BLG AutoTerminal Bremerhaven geprüft. Das Terminalgelände wird dabei auf einem Multitouch-Tisch dreidimensional visualisiert. Auf verschiedenen Detaillierungsebenen lassen sich alle relevanten Planungsinformationen wie die Belegung der Terminals anzeigen. Unterschiedliche Planungsszenarien werden simulationsbasiert bewertet und die Ergebnisse am Multitouch-Tisch dargestellt. Auf Basis mobiler Datenerfassung und Echtzeitstatusmeldungen erlaubt der Steuerungsalgorithmus eine individuelle Zuweisung von Fahraufträgen und eine Optimierung der Fahrwege sowie eine schnelle Anpassung an aktuelle Bedingungen.
Die Zuweisung der Aufträge wurde digitalisiert, wobei die Zuordnung der Aufträge für die Fahrzeug-Bewegungen auf dem Terminal abhängig vom Standort der Fahrzeuge erfolgt. Dafür wurde ein Steuerungsalgorithmus entwickelt und innerhalb einer Simulationsumgebung geprüft, die das Terminalgeschehen digital abbildet. In dem realen System erfolgt die Kommunikation zwischen dem Steuerungssystem und dem Personal am Autoterminal über mobile Apps.
Während sich das Projekt Isabella auf die Prozesse am Terminal und auf interne PKW-Umfuhren konzentrierte, wird Isabella 2.0 die externen Verkehrsträger Zug, Schiff und LKW mit deren Be- und Entladung integrieren und das Steuerungssystem sowie die Simulationsumgebung auf alle Umschlagprozesse erweitern. Dafür wollen die Projektpartner BIBA – Bremer Institut für Produktion und Logistik an der Universität Bremen, BLG LOGISTICS und der Bremer Softwarespezialist 28Apps Software den 5G-Mobilfunkstandard nutzen oder ein lokales Kommunikationsnetzwerk aufbauen. Für Letzteres kommen Ad-hoc-und Mesh-Netzwerke in Kombination mit Funkstandards wie WLAN, Bluetooth oder LoRa (Long Range Wide Area Network) infrage.
Die logistische Leistungsfähigkeit des Systems soll mithilfe von Methoden der Sensitivitätsanalyse und der künstlichen Intelligenz weiter verbessert werden. Durch die Anwendung der Taguchi-Methode sowie Critic Neural Networks (CNN) und Support Vector Machines soll eine situationsspezifische Parametrisierung des Optimierungsalgorithmus erfolgen. Damit werden künftig mehr Kriterien zur aktuellen Situation in die Optimierung einfließen, unter anderem der Terminalfüllgrad, der Fahrzeugmix und die Personalkapazität.
Über Simulationen, neue Datenanalysemethoden und KI soll die Performanz des Steuerungsalgorithmus unter Einbeziehung der genannten Kriterien und Parametereinstellungen untersucht werden. Aus operativ gewonnenen Daten werden relevante Prozesskennzahlen wie zum Beispiel der Zeitbedarf einzelner Prozessschritte oder Fahrwegauslastungen systematisch abgeleitet, was die Planbarkeit und damit die Effizienz der operativen Fahrprozesse erhöht.