Zum Inhalt springen
Innovationen · Künstliche Intelligenz

Innovationen · Künstliche Intelligenz

Komplexität, die KI beherrscht.

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.

Verfahren
RNN · LSTM
Methode
Deep Learning
Stärke
Prognose
Forschung
Fraunhofer
Ansatz

Neuronale Netze für echte Planung.

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.

KI-gestützte Planung und Prognose
KI-gestützte Planung und Prognose
Methodik

Wie Deep Learning Relevanz lernt.

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.

Anwendungsfelder

KI in der Praxis.

01

Transportprognosen

Auf Basis historischer und aktueller Daten entstehen Vorhersagen zum Transportbedarf — als Empfehlung für Anzahl und Typ der benötigten Fahrzeuge.

02

Fahrzeugbereitstellung

Die prognostizierten Fahrzeuge lassen sich gezielt an den gewünschten Standorten bereitstellen.

03

Routenoptimierung

Die Routenplanung wird unter Einbeziehung aktueller Wetter- und Verkehrsdaten unterstützt.

04

Ampelschaltung

Ein Anwendungsgebiet für die öffentliche Hand: Optimierung von Ampelschaltungen durch Reinforcement Learning.

05

Fahrerassistenz

Über die Sensoren im Fahrzeug entstehen individualisierte Fahrerprofile mit personenbezogenen Empfehlungen und Voreinstellungen.

Voraussetzungen

Was KI bei Proway auszeichnet.

  • Vorhersagen in Abhängigkeit der bereitgestellten Daten
  • Verarbeitung von Abfolgen und Sequenzen mittels RNN und LSTM
  • Nutzung auch unstrukturierter oder unvollständiger Daten bei ausreichender Rechenleistung
  • Deep-Learning-Architektur mit gelernten Relevanzfiltern
  • Optimierung von Ressourcenplanung und Standortauslastung

Ein Planungsproblem für KI? Lösen wir gemeinsam.