AI i logistikbranchen
Kunstig intelligens er blevet en del af hverdagen. Teknologien giver store muligheder også i logistikbranchen – og det handler ikke kun om analyse af store datamængder. AI er et praktisk værktøj, der kan støtte medarbejdere i beslutningsprocesser eller overtage rutineopgaver. Men hvor stort er AI’s potentiale inden for stykgodstransport, og hvordan bruges det?
Er kunstig intelligens (AI) en fremtidsteknologi? Svaret er både ja og nej. Ja, fordi vi stadig er langt fra at have udnyttet AI’s fulde potentiale. Nej, fordi teknologien allerede er en del af hverdagen i alt fra ansigtsgenkendelse på mobiltelefoner til chatbots og oversættelsestjenester på nettet. AI bruges også inden for logistikken. Teknologien bidrager blandt andet til at skabe prognoser for transportvolumener, styring af varestrømme og støtte til administrative processer.
Samtidig er AI stadig ikke fuldt udviklet på mange områder. Denne ”simulering af menneskelig intelligens“ bygger grundlæggende på avanceret matematik og sandsynlighedsberegninger. Der kan derfor opstå fejl på grund af dårlig datakvalitet – og inden for logistik, hvor kravene til sikkerhed og kvalitet er høje, skal fejlmarginen være minimal. Det gælder både for såkaldte AI-agenter, som opererer selvstændigt i ikke-kritiske processer, og for AI-assistenter, hvor mennesker altid overvåger og træffer de endelige beslutninger. Logistikken har altså brug for mennesker: det er dem, der tager den endelige beslutning.
Virkeligheden er samtidig, at logistikvirksomheder, der ikke tager AI alvorligt, hurtigt vil komme bagud. Kundernes krav og virksomheders kompleksitet bliver ikke mindre, og manglen på kvalificeret arbejdskraft stiger. DACHSER bruger allerede AI-løsninger på lager, terminaler og kontorer for at støtte medarbejdere i beslutninger, øge effektiviteten, undgå flaskehalse og i sidste ende sikre høj kvalitet over tid.
Nye og uventede muligheder
I det såkaldte Enterprise Lab – et forsknings- og udviklingslaboratorium ved Fraunhofer IML i Dortmund – begyndte DACHSER for over seks år siden at udvikle algoritmer, der kan forudsige indkommende volumener. Dette med en høj detaljegrad, helt ned til den enkelte filial og op til 25 uger i forvejen, for at lette kapacitetsplanlægningen. God planlægning er afgørende for både effektivitet og kvalitet i logistik. Her gør AI virkelig en forskel, hvilket blev tydeligt i DACHSERs første maskinlæringsprojekt, PAnDA One. Akronymet står for Predictive Analytics DACHSER, og "One“ markerer, at dette var virksomhedens første maskinlæringsprojekt.
AI-algoritmer bruges også i den digitale tvilling @ILO, som identificerer, lokaliserer og måler gods på stykgodsterminaler i realtid.
Ved hjælp af optiske scannere i loftet og todimensionelle datamatrixkoder skabes en digital tvilling af alle bevægelser og processer på terminalen. Det giver bedre overblik og en højere grad af transparens. Samtidig fjernes manuelle opgaver som scanning af gods, hvilket gør enkelte losseprocesserne op til 30 procent mere effektive. DACHSER vil gradvist rulle @ILO ud over hele Europa i løbet af de kommende år, med mindst seks nye lokationer planlagt til 2025.
AI bruges blandt andet på @ILO-terminalen, hvor teknologien bruges til at skabe et komplet digitalt overblik over alt gods og alle aktive processer på transitterminalen – helt automatisk og i realtid.
Hvordan arbejder vi videre med AI?
DACHSER styrker kontinuerligt sit arbejde inden for AI-forskning. I første kvartal af året udvidede virksomheden samarbejdet med Fraunhofer Institute for Intelligent Analysis and Information Systems (IAIS) i Sankt Augustin. Fraunhofer IAIS er et førende forskningsinstitut inden for AI, maskinlæring og big data i Tyskland og Europa, med næsten 400 ansatte, der hjælper virksomheder med at optimere produkter, tjenester og processer samt udvikle nye digitale forretningsmodeller. Gennem dette partnerskab i DACHSER Enterprise Lab kan virksomheden yderligere styrke sin kompetence inden for kunstig intelligens.
Fremtidig forskning vil åbne nye muligheder for AI, men systemerne skal trænes på specifikke interne data – især for specialiserede logistikprocesser og løsninger. Samtidig skal virksomheder tage højde for omkostninger forbundet med AI-modeller, der kræver høj datakraft. Derudover kommer behovet for at sikre overholdelse af EU's nye lovgivning for kunstig intelligens – AI Act.
AI tilbyder logistikbranchen mange nye muligheder, men teknologien er ikke egentlig ”intelligent“ som sådan – den bygger på avanceret matematik, store datamængder og beregningskraft. Desuden er AI ikke altid den bedste løsning på digitale udfordringer; traditionel programmering kan ofte være mere effektiv. Udfordringen fremover bliver at finde den rette balance mellem standardiserede AI-applikationer og egenudviklede løsninger og tilpasse dem til de konkrete behov.
