Intralogistik, Logistik, Materialfluss, Logistik, Industrie 4.0, Digitalisierung, Blockchain, Big Data, Cloud computing

Datenbasierte Dienstleistungen werden immer wichtiger und revolutionieren die Logistikprozesse. - Bild: zapp2photo - stock.adobe.com

In der heutigen Logistik muss nicht nur die klassische Bewegung von Personen und Gütern betrachtet werden, sondern vor allem auch der immer wichtiger werdende Austausch von Daten. Diese Daten entstehen durch die immer weiter fortschreitende Digitalisierung der Logistik im Rahmen der Industrie 4.0.

„Um mit immer vielfältigeren Daten umgehen zu können, ist es wichtig, sowohl Infrastrukturen als auch Services und Programme zu schaffen, die selbst modern, hochskalierbar und flexibel sind. Dazu sind die Themen Big Data, Cloud-Computing, Machine Learning und Block Chain zu betrachten“, erklärt Jens Leveling, Teamleiter Data Driven Logistics vom Fraunhofer IML.

Industrie 4.0 und Big Data

„In der Entwicklung der Industrie 4.0 ist das wesentliche Grundprinzip die Autonomie beziehungsweise Selbststeuerung vieler kleiner logistischer Prozesse: In diversen Stufen der Supply Chain kommunizieren Regale, Behälter, Container und Fahrzeuge über kabellose Schnittstellen miteinander und mit externen System“, erklärt Leveling. Sie treffen lokal Entscheidungen und handeln autonom ohne zentrale Instanz. Diese Daten sind in Cloud-Speichern verfügbar und ermöglichen die Einbindung des Menschen. Dieser trifft strategische Entscheidungen, plant, steuert und überwacht Prozesse und bleibt somit ein essenzieller Bestandteil für effiziente Logistiksysteme.

Data Analytics in der Anwendung

Für die Bewältigung der entstandenen ‚Big Data‘ sind Technologien wie zum Beispiel der Smack-Stack oder Microservice-Architekturen geeignet. Diese Technologien sind vor allem für die Auswertung und Nutzung von Sensor- und AutoID-Daten interessant. Vor allem Letztere werden immer häufiger standort- und unternehmensübergreifend erfasst und zentral zusammengeführt.

„Diese Daten müssen zusammen mit Auftrags-, Produkt- und Transaktionsdaten aus den Warehouse Management (WM)- und ERP-Systemen sowie weiteren Statistikdaten über zurückliegende Vorgänge verarbeitet und ausgewertet werden“, erläutert Leveling.

Business Intelligence

Auch Rainer Schulz, Geschäftsführer der Sysmat GmbH, sagt, dass „Intralogistik und Digitalisierung über eine enge Verbindung verfügen, die die Verwendung von Daten stark beeinflusst.“ Das Unternehmen hat deshalb eine grafische Materialflusslösung entwickelt, die die Lagerverwaltung von automatisierten Anlagen und Automatiklagern optimiert. „Auf einer grafischen Oberfläche macht die Software matControl graphics den Materialfluss sichtbar und ermöglicht so, Störungen zu erkennen“, beschreibt Schulz.

Jens Leveling, Fraunhofer IML, Logistik, Intralogistik
"In der Entwicklung der Industrie 4.0 ist das wesentliche Grundprinzip die Selbststeuerung vieler kleiner logistischer Prozesse", sagt Jens Leveling, Teamleiter Data Driven Logistics, Fraunhofer IML, Dortmund.

Coud Computing

Bei der Erwähnung von Big-Data Technologien muss natürlich auch die Cloud angesprochen werden. Cloud-Computing bietet die Möglichkeit, Softwaredienstleistung schnell einzubinden und flexibel zu gestalten. Bereitstellung und Nutzung erfolgt hier nach Bedarf, sodass die benötigten Ressourcen optimal angepasst werden können.

Cloud-Services sind viel dynamischer, sie sind in der Lage, bei Bedarf angepasst werden zu können. Inanspruchnahmen zusätzlicher Dienste laufen in der Regel unkompliziert und schnell ab. Einzelne Services oder Softwarekomponenten, wie beispielsweise Datenbanken und Schnittstellen, kön­nen nach Belieben hinzugefügt und ausgetauscht werden. Dadurch ist es beispielsweise möglich, saisonbedingte Geschäftsprozessänderungen mit weniger Aufwand durchzuführen.

Smart Contracts

Cloud-Computing muss jedoch nicht nur von Drittanbietern kommen. Es ist auch möglich, firmen­interne Clouds über Microservice- oder Big-Data-Infrastrukturen auf­zubauen und dadurch die eigenen Rechenressourcen zu optimieren. Dazu sind vor allem Technologien wie Docker und Meso­sphere interessant. Sie erlauben es, Services mit all ihren Abhängigkeiten (Datenbanken, Schnittstellen) in Container, sprich Micro-VMs, zu verpacken, die sich untereinander Systemressourcen teilen und beliebig skaliert werden können.

Lager-App

Der SAP-Partner all4cloud punktet mit seiner mobilen Lager-App scan4cloud. Die Lager-App kann die Prozessgeschwindigkeit in Lager- und Produktionsstätten erhöhen – papierlos. Detlef Aden, Head of Business Development & Channel: „Mit der Lager-App lassen sich Aufgaben automatisieren und Mitarbeitern direkt zuordnen. Das senkt zum einen Bearbeitungszeit und Fehlerraten, zum anderen sparen Unternehmen jede Menge Papier.“

Machine Learning

Unter Machine Learning werden Algorithmen und Technologien zusammengefasst, die es ermöglichen, Computer aus Daten lernen zu lassen, ohne sie explizit zu programmieren. Mit diesen Techniken ist es möglich, den Fokus darauf zu legen, eine große Menge an Beispielbildern zu sammeln, die möglichst viele unterschiedliche Fälle abbilden. Daraus kann der Algorithmus durch ‚Training‘ ein Modell generalisieren und entwickelt somit die Fähigkeit, auch unbekannte Bilder zu klassifizieren. Das führt nicht nur  zu einer flexib­len Entwicklung, sondern bietet auch die Möglichkeit, diese Modelle über neue Daten immer wieder zu verfeinern und auch neuen Anforderungen gerecht zu werden.

Künstliche Intelligenz

Beim Machine Learning gab es durch die rasant gestiegenen Datenmengen und Rechenkapazitäten in den letzten Jahren enorme Fortschritte im Bereich der sogenannten neuronalen Netze mittels Methoden des ‚Deep Learning‘. Damit ist es möglich, extrem große Datenmengen, wie etwa eine Million Bilder, zu nutzen, um die Merkmale, die diese Daten ausmachen, zu lernen. Um das Ganze effizient berechnen zu können, werden u. a. High-End Gaming Grafikkarten genutzt. Diese können hochgradig parallelisierbare Probleme, wie das Trainieren eines neuronalen Netzes, lösen.

Maschinelles Lernen

„Der prominenteste Use-Case von Klassifikationsalgorithmen, das Er­kennen von Objektklassen in Bildern, ist zugleich für die Logistik ein sehr interessantes Thema. Neben der reinen Klassifikation ist es auch möglich, mehrere Objekte in einem einzelnen Bild zu detektieren und diese einzeln zu klassifizieren“, erklärt Leveling. So können beispielsweise Pakete auf einem Laufband nach Schäden abgesucht werden oder autonome Fahrzeuge neben Entfernungssensoren noch mit Kameras ausgestattet werden, welche die Bewegung von diversen Objekten und Personen im Raum beobachten können.

Machine Learning
Die Abbildung zeigt ein Beispiel für einen Use-Case für ein Fahrerassistenzsystem. Das Machine Learning Model erkennt bereits den Kopf eines Menschen hinter dem parkenden PKW als Person (grüne Box) und könnte den Fahrer warnen oder das Auto je nach aktueller Geschwindigkeit abbremsen, wenn diese Person weitergehen würde. Da das Bild als Test mit einer Handykamera aufgenommen wurde, werden zusätzlich noch die Person im Rückspiegel sowie der Innenraum des Autos erkannt (türkise Box). - Bild: Fraunhofer IML

Blockchain-Technologie

Eine Blockchain ist eine Datenstruktur, die zum einen das hochverschlüsselte Speichern von Datenblöcken ermöglicht, und zum anderen das dezentrale Authentifizieren regelt. Durch diese beiden vereinten Konzepte ist es möglich, Transaktionen nachzuvollziehen und authentifizieren zu können, ohne dabei auf Mittelsmänner wie Banken oder Notare angewiesen zu sein.

In einer Blockchain werden alle Transaktionen als Blöcke chronologisch eingetragen, verschlüsselt und mit Prüfsummen versehen. Jeder Block enthält die Prüfsumme des vorherigen Blocks und sichert so gegenüber Revisionen ab. Im Weiteren werden von Anfang an Kopien der Blockchain erstellt und an Validierungsinstanzen verteilt.

Dadurch wird jeder Transaktion gespeichert und ist auch in Zukunft zurückverfolgbar. Bei Änderungen oder neuen Transaktionen innerhalb einer Instanz werden diese sofort an alle Validierungsinstanzen in Echtzeit zum Überprüfen und Speichern weitergegeben.

Blockchain-Anwendungen

Martin Araman, Geschäftsführer der Sovereign Speed GmbH, sieht deutliche Vorteile: „Es wäre ungemein vorteilhaft, wenn alle Beteiligten auf einen Auftrag zurückgreifen könnten und wenn eine automatisierte Abrechnung folgen würde. Das ist auch dringend notwendig, denn die Prozesskosten in Transport und Logistik sind teils doppelt so hoch wie die Kosten für den tatsächlichen Gütertransport.“