Vernetzte und nachhaltige Mobilität der Zukunft
Künstliche Intelligenz (KI) wird unsere individuelle Mobilität und den Gütertransport grundlegend verändern. Unterstützt durch vernetzte, KI-basierte Systeme können Menschen und Waren künftig flexibler, schneller und umweltfreundlicher ans Ziel gelangen. Wie das funktionieren kann und welche Herausforderungen auf dem Weg zu bewältigen sind, skizziert die Plattform Lernende Systeme in ihrem Umfeldszenario „Intelligent vernetzt unterwegs".
Carlas Reise
Carla Fuchs wohnt in einem Dorf in Brandenburg und hat einen Termin in Berlin-Mitte. An den meisten Tagen wäre sie mit dem Auto am schnellsten dort. Heute nicht, es droht Stau. Ein intelligenter Reiseassistent empfiehlt Carla, einen Teil der Strecke mit der Bahn zu fahren. Für den Weg zum Bahnhof vermittelt er Carla auf ihren Wunsch kurzfristig eine kostenpflichtige Mitfahrgelegenheit. Auf der Fahrt kommt es beinahe zu einem Unfall, den Carlas automatisiertes Fahrzeug dank vernetzter Sensorik gerade noch verhindert. Am Bahnhof sucht das Fahrzeug selbständig eine Parkbucht. Carla erreicht mit dem Zug, der heute aufgrund der höheren Auslastung länger ist als sonst, pünktlich Berlin.
Bestellt? Geliefert!
Carla Fuchs ist unterwegs zu einem Termin nach Berlin als sie bemerkt, dass sie das Ladegerät für ihren Laptop vergessen hat. Sie bestellt kurzerhand ein neues – im Vertrauen darauf, dass es in wenigen Stunden an ihren Wunschort geliefert wird. Möglich machen dies Lernende Systeme, die für einen schnellen, effizienten und umweltfreundlichen Warentransport sorgen. Grundlage ist eine KI-basierte multimodale Transportplanung, die den Logistik- und Transportprozess von Waren mit prädiktiven und taktischen Verfahren steuert und optimiert. Ein vollautomatisierter Güterumschlag sowie hochautomatisierte LKW bringen Carlas Ladegerät zu einem zentralen Logistikhub am Berliner Stadtrand. Mit einem E-Transporter gelangt das Ladegerät zu einem kleinen Sammellager in der Innenstadt, wo ein Lieferroboter übernimmt – und Carla das Ladegerät in einem Café zustellt.
Fokus auf Nachhaltigkeit
Lernende Systeme ermöglichen eine flexiblere und bequemere Mobilität. Angebunden an ein Parkleitsystem erleichtern sie den Fahrern die Parkplatzsuche, indem sie selbstständig freie Plätze suchen. Intelligente Reiseassistenten beziehen neben der individuellen Autofahrt auch öffentliche Verkehrsmittel und Mitfahrgelegenheiten über Ridesharing-Plattformen in die Routenplanung ein und entlasten so den Straßenverkehr
Intelligenter Reiseassistent
- Die KI-basierte Plattform ermöglicht eine bequemere Nutzung nachhaltiger Mobilitätsformen wie Bahn und ÖPNV.
- Insbesondere die erste und letzte Meile erfordern mehr Planungsaufwand und Pufferzeiten gegenüber dem Individualverkehr mit PKW-Nutzung. Ein automatisierter Planungs- und Buchungsprozess vereinfacht und minimiert dies.
Ridesharing
- KI-basierte Plattformen können die Attraktivität von Mitfahrgelegenheiten bei Fahrenden und Mitfahrenden steigern.
- Dies führt zu einer besseren Auslastung von PKWs und der Einsparung von Fahrten.
Valet-Parken
- Durch einen vorplanbaren Parkdienst wird der individuelle Personenverkehr optimal an den öffentlichen Nah- und Fernverkehr angebunden.
- Bei Pendlern oder Reisenden erhöht sich die Bereitschaft, für den Großteil der Strecke öffentliche Verkehrsmittel zu nutzen. Die reduziert den Treibstoffverbrauch und Abgasausstoß.
KI auf der Schiene
- Individualisierte Angebote, mehr Komfort und eine verbesserte Pünktlichkeit durch vorausschauende Instandhaltung erhöhen die Attraktivität des Zugverkehrs und sorgen für eine Einsparung von Treib- und Schadstoffen.
- Die adaptive Zusammenstellung der Züge optimiert den Energieaufwand.
- Eine zielgerichtete Wartungsstrategie verlängert die Lebensdauer der Infrastruktur.
Fokus auf Nachhaltigkeit
Grundlage für eine intelligent vernetzte Logistik ist eine KI-basierte multimodale Transportplanung, die den Logistik- und Transportprozess von Waren mit prädiktiven und taktischen Verfahren steuert und optimiert. Sie organisiert beispielsweise einen automatischen Güterumschlag von der Straße auf die Schiene; Transport und Zustellung übernehmen hochautomatisierte Fahrzeuge sowie Lieferroboter.
Integrierte Verkehrsteuerung
- Eine verbesserte Routenplanung und Echtzeitoptimierung im Betrieb der Schiffe reduzieren die Lieferzeiten sowie den Verbrauch an Treibstoff und Mineralöl.
- Der Einsatz neuer Technologien für Schiffsantriebe erhöht die Anforderungen an die Ersatzteil- und Energieträgerlogistik. Durch vorausschauende Wartung und Koordination der Ersatzteilversorgung und Montage können Ressourcen eingespart werden.
- Eine koordinierte Treibstoffversorgung und neue Treibstoffe der Zukunft werden durch KI-basierte Planung und Betriebssteuerung erst umsetzbar.
Automatisierter Güterumschlag
- Die Flotte der Automated Guided Vehicle (AGV) dient als Schwarmspeicher für die Speicherung von Strom aus erneuerbaren Energien und kann so Spannungsspitzen im Stromnetz abfangen.
Hochautomatisierte LKW
- Die optimierte Beladung der LKW und Auslastung der Ladekapazitäten reduziert Fahrten und Leerfahrten – und somit den Energie- und Treibstoffverbrauch.
- Platooning reduziert den Kraftstoffverbrauch der im Konvoi fahrenden LKW.
Zentrale Logistikhubs
- Eine höhere Auslastung von Ladekapazitäten reduziert Fahrten und verursacht weniger Leerfahrten.
Lokale Lieferung
- Mithilfe von KI-Systemen lässt sich eine beschränkte Flotte von Lieferrobotern geschickt platzieren.
- Die adaptive Zusammenstellung der Züge optimiert den Energieaufwand.
- Der zielgenaue Transport mit kleinen, verbrauchsarmen autonomen Lieferrobotern spart im Vergleich zum LKW-Transport Energie.
Publikation zum Thema
