Transportprognosen
Auf Basis historischer und aktueller Daten entstehen Vorhersagen zum Transportbedarf — als Empfehlung für Anzahl und Typ der benötigten Fahrzeuge.
Innovationen · Künstliche Intelligenz
Optimaler Materialfluss und die Planung von Ressourcen — ob Mensch oder Maschine — werden immer komplexer und sind mit herkömmlichen Mitteln kaum noch beherrschbar. Künstliche Intelligenz und neuronale Netze helfen Proway Business World, in kurzer Zeit optimale Ergebnisse zu erzielen.
Mit Hilfe von KI erstellen wir Vorhersagen in Abhängigkeit der bereitgestellten Daten — etwa um die Ressourcenplanung und die Auslastung eines Logistikstandorts zu optimieren. Mittels rekurrenter neuronaler Netze (RNN, LSTM) lassen sich Abfolgen und Sequenzen verarbeiten und Muster über die Zeit erkennen. Steigende Datenmengen und wachsende Rechenleistung werden den Einsatz von KI künftig in vielen Feldern aus Industrie und Gesellschaft begünstigen. Bei ausreichender Rechenleistung können dabei auch unstrukturierte oder unvollständige Daten verwendet werden.
In einer Deep-Learning-Architektur wird die Relevanz einzelner Datenpunkte sowie ihre Beziehungen untereinander durch die datennahen Schichten gelernt. Diese Schichten dienen anschließend als Filter für die tieferen Ebenen des Netzes. So entstehen aus historischen und aktuellen Daten belastbare Prognosen — die Grundlage für vorausschauende Planung statt nachträglicher Korrektur.
Auf Basis historischer und aktueller Daten entstehen Vorhersagen zum Transportbedarf — als Empfehlung für Anzahl und Typ der benötigten Fahrzeuge.
Die prognostizierten Fahrzeuge lassen sich gezielt an den gewünschten Standorten bereitstellen.
Die Routenplanung wird unter Einbeziehung aktueller Wetter- und Verkehrsdaten unterstützt.
Ein Anwendungsgebiet für die öffentliche Hand: Optimierung von Ampelschaltungen durch Reinforcement Learning.
Über die Sensoren im Fahrzeug entstehen individualisierte Fahrerprofile mit personenbezogenen Empfehlungen und Voreinstellungen.