Automatisierung in der Intralogistik : Wo KI in der Lagerlogistik den Unterschied macht
Bisher zögern noch viele Unternehmen, sich tiefgehender mit KI-Technologie und Machine Learning zu befassen, gerade Mittelständler tun sich schwer. Das liegt nicht zuletzt am drastischen Fachkräftemangel im Bereich Data Science. In den meisten Projekten wird deshalb externes Know-how von Berater:innen hinzugezogen. Der Vorsprung, den sich KI-Nutzer erarbeiten, ist für andere Marktteilnehmer:innen nicht so leicht einzuholen, denn oft geht es um Lernprozesse und den Aufbau einer qualifizierten Datengrundlage.
>>> Wie man Künstliche Intelligenz in den Betriebsalltag bringt
Künstliche Intelligenz: Abwarten ist die falsche Strategie
Einsatzmöglichkeiten gibt es viele. In der Praxis steht Ware nicht selten einen Tag lang auf der Rampe herum, weil zu früh kommissioniert wurde. Durch intelligente Software in Verbindung mit IoT-Szenarien wie Tracking kann heute deutlich besser disponiert werden. Wenn beispielsweise mittels Geofencing die Ankunft eines LKW in einer Stunde signalisiert wird, können die Waren zeitgerecht bereitgestellt und Beladeteams entsprechend gesteuert werden. Diese Daten können zum Training einer künstlichen Intelligenz genutzt werden, um beispielsweise Vorhersagen über die Pünktlichkeit an bestimmten Tagen oder Uhrzeiten, wie auch über die Zuverlässigkeit des jeweiligen Transporteurs zu treffen. Im Ergebnis werden dann beispielsweise vielleicht keine Transporte am Dienstag oder vom Transportunternehmen XY mehr gebucht.
>>> Warum Digitalisierung und KI künftig über den Erfolg der Lagerlogistik entscheiden
Nicht immer ist das Thema Kommissionierung trivial. Mittels Machine Learning kann sehr exakt vorhergesagt werden, wie viel Zeit genau für die jeweilige Lieferung nötig sein wird und damit die Teamplanung optimiert werden. Generell ist die Verbesserung von Forecasts einer der wesentlichen Vorteile von KI-Technologie.
Den kürzesten Weg nehmen
Die Wegeoptimierung im Lager hat in aller Regel noch Luft nach oben. Mittels Machine Learning lässt sich automatisiert errechnen, wie häufig eine Ware kommissioniert wird, die Dauer der Bereitstellung prüfen und daraus ableiten, welche Waren an einem besser zugänglichen Lagerplatz gelagert werden sollten. Grundlage dafür sind natürlich qualifizierte Daten, die sich am besten über eine Datenerfassung auf mobilen Endgeräten erfassen lassen. Dabei wird im besten Fall jeder Prozessschritt nahezu in Echtzeit dokumentiert. Kamerabilder der Lagerräume und -flächen können ebenfalls als Basis für die Errechnung der besten Wege dienen.
Ein Trend geht zudem hin zu autonomen Transportsystemen, bei denen KI einerseits dafür sorgt, dass die Umwelt durch Sensorik entsprechend „gesehen“ wird, um keine Unfälle zu verursachen. Zum anderen berechnen KI-Algorithmen auch hier den jeweils effizientesten Weg.
Zählen und Lesen
Aber auch bei der Inventur und Zählung von bestimmten Waren oder Materialien ersetzen intelligente Lösungen sehr viel manuelle Arbeit: Zum Beispiel kann mit einem speziell darauf trainierten Bilderkennungsalgorithmus direkt erkannt werden, wie viele Stahlrohre auf einem Ladungsträger lagern.
>>> Arvato und Microsoft wollen autonomes Lager entwickeln
KI ist aber auch im Sinne einer deutlich verbesserten Texterkennung einsetzbar: Indem zum Beispiel die Kennzeichen von LKW aus unterschiedlichen Ländern automatisiert erkannt werden und das System prüft, ob der LKW an der richtigen Rampe angedockt hat. Auch bei der Label-Erkennung auf Containern lässt sich so automatisiert gegenchecken, ob der Container beispielsweise zur avisierten Nummer passt.
>>> WaVe-X investiert in Infrastruktur-Start-up Dodona Analytics
Außenbereiche im Blick
>>> Automatisierter Gabelstapler be- und entlädt Paletten outdoor
Überall dort, wo Material im Yard gelagert wird, das sich nicht vollständig überwachen lässt, kann eine Kombination aus Drohnen und Bilderkennung für Sicherheit und mehr Transparenz sorgen. Denn mit KI-Bilderkennung werden selbst kleine Abweichungen oder Unregelmäßigkeiten deutlich. Bei Kohle oder Stahl beispielsweise erkennen die Algorithmen anhand der Drohnenbilder automatisch, wie hoch der Bestand ist und welche Tonnage eines Produkts vorhanden ist: So lassen sich Diebstähle erkennen, wenn die Daten mit den Informationen in der Warenwirtschaft abgeglichen werden – ein Mehrwert, der sich auch monetär direkt niederschlägt.
