LE-5-2021
LOGISTIK express Zeitschrift ePaper App | Ausgabe 5/2021
LOGISTIK express Zeitschrift ePaper App | Ausgabe 5/2021
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
gegeben. Dieses findet dabei nach und<br />
nach statistische Strukturen in den Daten und<br />
erstellt daraus entsprechende Regeln. Und<br />
genau diese Regeln können dann dazu genutzt<br />
werden, um über die vom System vorher<br />
nie gesehenen Daten Aussagen zu treffen.<br />
Deep Learning<br />
Deep Learning ist ein spezifisches Teilgebiet<br />
des maschinellen Lernens. Es bildet eine neue<br />
Sichtweise auf Lerndarstellungen aus Daten,<br />
die den Schwerpunkt auf das Lernen aufeinanderfolgender<br />
Schichten von immer aussagekräftigeren<br />
Darstellungen legt. Heutige<br />
Deep-Learning-Modelle bestehen aus dutzenden<br />
oder gar hunderten von aufeinander<br />
folgenden Schichten von Darstellungen, welche<br />
mit den Daten automatisch trainiert werden.<br />
Diese gestapelten Schichtdarstellungen<br />
werden in der Regel über Modelle trainiert,<br />
die auch als “neuronale Netze” bezeichnet<br />
werden und beispielsweise in der Bilderkennung<br />
sehr verbreitet sind. Das vielleicht prominenteste<br />
Beispiel hierfür ist die Entsperrung<br />
des Mobiltelefons per Face-ID.<br />
Die Bedeutung von KI in der Logistik<br />
Bei Logistikprozessen werden täglich riesige<br />
Mengen an Daten erzeugt. Warum sollten<br />
diese Daten nicht benutzt werden, um KI-Systeme<br />
in Betrieb zu nehmen? Dadurch ist es<br />
möglich, manuelle oder bereits automatisierte<br />
Prozesse z. B. zeitlich zu optimieren – das myleo<br />
/ slot-Zeitfensterbuchungssystem erzielt so<br />
schon heute eine effiziente Steuerung und<br />
Planung von Beladungen und Entladungen<br />
an der Laderampe. Auch können neue Methoden<br />
und Verhaltensweisen definiert werden,<br />
welche im besten Falle aus reaktiven<br />
Prozessen proaktive macht. Für die Planungssicherheit<br />
würde dies konkrete Vorhersagen<br />
für die Zukunft anstelle von Vermutungen<br />
oder Schätzungen bedeuten.<br />
Der Einsatz von KI-Systemen verspricht also<br />
neue Möglichkeiten und Potenziale, die Produktivität<br />
und Effizienz zu erhöhen und Kosten<br />
zu reduzieren. Dem gegenüber stehen jedoch<br />
auch Hemmnisse, welche es zu berücksichtigen<br />
gilt. Der Mangel an Spezialist:innen und<br />
Fachkräften bleibt ein altbekanntes Problem<br />
und auch die Sorge von Mitarbeiter:innen,<br />
dass KI-Systeme ihre berufliche Existenz bedrohen<br />
könne, sollte berücksichtigt werden.<br />
Sind diese Hürden jedoch überwunden, eröffnen<br />
sich Anwender:innen vielfältige Möglichkeiten,<br />
die Abläufe und Prozesse der gesamten<br />
Lieferkette zu optimieren.<br />
Die bereits heute möglichen Anwendungen<br />
etablieren sich<br />
Bezahlbare leistungsfähige Hardware, schnelle<br />
Netzwerke und Speichermöglichkeiten in<br />
der Cloud verhelfen KI-Anwendungen schon<br />
Abbildung 2: Unterschied<br />
zwischen maschinellem<br />
Lernen und klassischer<br />
Programmierung