Valencia und Thessaloniki Künstliche Intelligenz automatisiert Seehäfen

Ein EU-Projekt soll u. a. mithilfe von Ensemble-Deep-Learning zu mehr Automatisierung von Seehäfen beitragen.

Seehäfen sind wichtige Umschlagplätze für den internationalen Handel, und sie werden immer digitaler. Eine Big-Data-Plattform soll zu mehr Automatisierung beitragen, indem sie neue Anwendungen von Künstlicher Intelligenz ermöglicht. Entwickelt wird DataPorts* vom Softwaretechnik-Institut paluno der Universität Duisburg-Essen (UDE) gemeinsam mit europäischen Partnern. Das von der EU geförderte Projekt ist auf drei Jahre ausgelegt.

In großen Seehäfen hat die digitale Transformation längst Einzug gehalten. Spediteure werden via mobiler Apps koordiniert, Internet-of-Things-Systeme dienen dazu, die Aktivitäten und die Infrastruktur im Hafen zu überwachen und zu verwalten. Der nächste große Schritt wird eine umfassende Automatisierung der Terminals durch Künstliche Intelligenz (KI) sein.
Davon sind viele Häfen allerdings noch weit entfernt. In weniger als drei Prozent der Terminals weltweit läuft  das Laden und Löschen automatisch ab, denn die Häfen können das Potenzial ihrer Daten noch nicht richtig für KI nutzen. Es werden zwar enorm viele Daten produziert, doch diese lassen sich nur mit großem organisatorischen und technischen Aufwand zusammenführen.

Das soeben gestartete Projekt DataPorts will dies mit einer neuartigen Big-Data-Plattform ändern. Sie soll eine vertrauenswürdige und sichere Umgebung bieten, in der alle Akteure im Hafen ihre Daten teilen und austauschen können. DataPorts schafft damit die Basis für vielfältige datengetriebene KI-Anwendungen – so z.B. für autonome Roboter, die in den Terminals schwere und gefährliche Aufgaben übernehmen. Aber auch neue Geschäftsmodelle sind denkbar, wenn die Häfen ihren Datenschatz besser nutzen können.

Die Umsetzung wird an den Häfen von Valencia und Thessaloniki demonstriert und getestet. Ein Anwendungsfall ist die präzise Vorhersage, wann ein Hochseecontainer an einer bestimmten Stelle im Logistikprozess sein wird, z.B. bei der Zollabfertigung. Dadurch lässt sich die Logistikkette besser planen, und mit möglichen Verzögerungen kann man vorausschauend umgehen.

„Wir bei paluno werden die Technik des Ensemble-Deep-Learnings einbringen“, so Projektleiter Dr. Andreas Metzger von der Arbeitsgruppe Software Systems Engineering. „Bei diesem KI-Ansatz werden die Prognosen verschiedener neuronaler Netze kombiniert. Dies ermöglicht eine sehr hohe Prognosegenauigkeit, weil sich die Stärken der neuronalen Netze ergänzen und Schwächen einzelner Netze besser abgefangen werden.“

* DataPorts wird von der EU über das Horizont 2020-Programm mit 5,7 Millionen Euro gefördert; 425.000 Euro fließen an die UDE. Die Gesamtleitung liegt bei der Universität Valencia.