Communitys

Computer Vision

Mehr Transparenz mit KI

Waren bzw. Güter – von Grund- und Rohstoffen über Zwischenprodukte bis hin zu von Endverbrauchern konsumierte Produkte – werden von der Herstellung bis zu Verbrauch, Entsorgung oder Rückgewinnung vielfach transportiert, umgeschlagen und gelagert. Lagerung und Umschlag der Waren machen 50 bis 80 Prozent der gesamten Logistikkosten aus. Ausgangspunkt für mehr Effizienz, Flexibilität und Resilizenz von Versorgungsnetzwerken sind Logistikzentren.

Computer Vision (CV) und Video Analytics (VA) als Verfahren der Künstlichen Intelligenz und des Machine Learning versprechen nun innovative Ansätze zur Erhöhung von Prozesstransparenz, zur Optimierung von Prozessabläufen und damit zur Einsparung von Aufwänden und Emissionen. Sie ermöglichen es Unternehmen, Daten in Echtzeit zu erfassen – etwa aktuelle Positionen von Ladungsträgern wie Paletten, aktuelle Lagerbestände oder Füllgrade von Stellflächen sowie Beladungszustände von Lkw – und so ihre Prozesse zu optimieren. Die Open Source-Entwicklungen der Silicon Economy sollen hier nun die Basis für einen verlässlichen industriellen Einsatz von KI-Algorithmen für die Logistik schaffen.

Unsere Projekte und Use Cases

Interesse an der Digitalisierung der Logistik und unseren KI-basierten Komponenten?

Wir freuen uns darauf, mit Ihnen ins Gespräch zu kommen. Ihr Kontakt:

Christian Prasse

Fraunhofer-Institut für Materialfluss und Logistik IML

Icon ML Toolbox

ML Toolbox

Für die Entwicklung von Machine Learning-Verfahren sind vor allem das Training und die Validierung von Algorithmen entscheidend. Daher wird ein Fokus auf die Entwicklung einer kontinuierlichen ML-Ops Pipeline gelegt – einem Softwareprozess vom Training auf einer (Cloud-)Plattform über die (simulationsbasierte) Validierung bis hin zum optimierten Deployment auf der Hardware, z. B. auf mobilen Robotern, auf Kameras etwa im Wareneingang oder am Lkw-Gate.

Übersicht über das Projekt
Die ML-Toolbox ist eine Lösung aus dem gleichnamigen Entwicklungsprojekt in der ersten Förderphase der Silicon Economy-Forschung. Sie unterstützt die Entwicklung von ML-Software, indem sie Werkzeuge für häufig vorkommende Aufgaben im Entwicklungsprozess einer Machine Learning-Anwendung bereitstellt. Sie soll zukünftig Werkzeuge für diverse Anwendungsbereiche des ML – z. B. Computer Vision (CV), Natural Language Processing (NLP) oder Time Series Prediction – sowie für die verschiedenen Phasen eines ML-Projekts (Datengenerierung, Vorverarbeitung, Modellierung, Nachverarbeitung) bieten.
Entwicklungsangebote für Unternehmen
  • Pilotierung
  • Unterstützung bei der Implementierung
  • Co-Entwicklung
Kontakt
Porträt Maximilian OttenMaximilian Otten, Fraunhofer-Institut für Materialfluss und Logistik IML
maximilian.otten@iml.fraunhofer.de

News und Storys

Volumenvermessung

Der Anteil der Leerfahrten im gewerblichen Straßengüterverkehr steigt in Deutschland kontinuierlich an: 2022 fuhren laut Statistischem Bundesamt fast 38 Prozent der Lkw ohne Fracht von A nach B. Durchschnittlich sind Lkw nur zu 50 Prozent beladen, vorhandene Ladekapazitäten werden nicht ausgenutzt oder für den Transport vorgesehene Ladungsträger können wegen mangelnder Kapazitäten nicht – wie vorgesehen – mitgenommen werden. Daraus folgen Ineffizienzen – von erhöhten Planungs- und Dispositionsaufwänden bis hin zu Störungen von Wertschöpfungsketten. Ziel des Silicon Economy-Projekts Volumenvermessung und der damit verbundenen Use Cases ist es nun, die Volumenvermessung für Unternehmen praktikabler, besser und günstiger zu machen bzw. komplett neue Lösungen zu entwickeln.

Übersicht über die Use Cases

Use Case 1: Erfassung von Freivolumen im Lkw
Im ersten Use Case zur Erfassung von Freivolumen im Lkw steht das Fahrzeug im Mittelpunkt. State-of-the-Art-KI-Algorithmen ermöglichen es hier, mit günstigen Sensoren aus dem IoT-Bereich oder als Mehrwert von bereits vorhandenen Sensoren auf Robotern den Ist-Zustand der Beladung ohne Hardware-Mehraufwand zu vermessen. Diese Daten können zur Prozessplanung eingesetzt werden und so die Nachhaltigkeit und Robustheit des Gütertransports durch Auslastungsoptimierung signifikant verbessern. Das technische Konzept für die Volumenvermessung orientiert sich an einer Lösung zur Füllstandsmessung von Wertstofftonnen auf Basis des Sensing Puck aus dem Silicon Economy-Projekt, einem robusten Low-Cost-Tracker. Mögliche Anwendungsfälle liegen unter anderem in der Beladungsplanung von Lkws und der Entsorgung, beispielsweise bei der Abholung von Abfällen oder Elektroschrott.

Use Case 2: Bestimmung von Packstück- und Laderaumabmessungen
In einem zweiten Use Case geht es um die Bestimmung von Packstück- und Laderaumabmessungen. Zwar gibt es am Markt heute schon sogenannte Sensorgates, die das Volumen von Ladungsträgern vermessen. Doch solche Lösungen sind teuer und erfordern teilweise eine Veränderung des logistischen Prozesses, da Ladungsträger extra durch die Gates geschoben werden müssen. Mit ihrer Lösung wollen die Forschenden vermeiden, dass Prozess weiter optimiert werden können und keine potenziellen Engpässe im Materialfluss entstehen. Zudem soll die Lösung deutlich kostengünstiger sein als herkömmliche Systeme.

Entwicklungsangebote für Unternehmen
  • Anforderungsgeber werden
  • Teilnahme an Use-Cases
Kontakt

Porträt Jonas StenzelJonas Stenzel, Fraunhofer-Institut für Materialfluss und Logistik IML
jonas.stenzel@iml.fraunhofer.de

News und Storys

Yard Lense on Edge

Prozessoptimierung durch Künstliche Intelligenz ist für die Logistik ein entscheidender Hebel für die Wettbewerbsfähigkeit. Eine verlässliche kamerabasierte Lokalisierung, Klassifikation und Identifikation von logistischen Objekten – etwa Paletten und Transportmittel wie Hubwagen, Gabelstapler oder Roboter – mittels KI-Algorithmen bietet die entscheidende Datengrundlage für die autonome Prozessoptimierung. Die Hoflogistik, die eine wichtige Rolle bei der Bewältigung des Transports von Gütern per Lkw spielt, ist dabei ein interessantes Anwendungsfeld für Computer Vision. Im Silicon Economy-Projekt »Yard Lense on Edge« entwickeln die Forschenden eine Lösung zur automatischen Überprüfung der Hoflogistik.
Übersicht über den Use Case
In der Hoflogistik sind heute weitgehend Yard-Management-Systeme im Einsatz. Diese besitzen allerdings keinen Echtzeitabgleich mit realen Daten zur Stellplatzbelegung. Meldungen und Scans müssen manuell eingepflegt werden. Die im Projekt »Yard Lense on Edge« angestrebte Lösung ist ein KI-basiertes Tracking von Lkw auf dem Hof über ein Multi-Kamera-Set-up. Asset- und Lkw-Positionen im Außenbereich von Betriebsgeländen werden dabei in Echtzeit übermittelt.
Dienste und Komponenten
  • KI-Modell zum Erkennen und Tracken des LKW bzw. der jeweiligen Ladungsträger (Sattelauflieger und Wechselbrücken)
  • Einsatz und Weiterentwicklung der CV-on-Edge-Kamera, vor allem zur Erfüllung der Anforderungen im Außeneinsatz
  • Dienst zur Konfiguration eines eigenen Yards und entsprechender Stellflächen im Frontend (Web-Browser)
  • Training mit Hilfe des Guided Training Service aus CV on Edge
Kontakt

Porträt Julian HinxlageJulian Hinxlage, Fraunhofer-Institut für Materialfluss und Logistik IML
julian.hinxlage@iml.fraunhofer.de

News und Storys

Infomaterial

Open Source-Komponenten für Computer Vision aus der Silicon Economy

Bleiben Sie up to date!

Interessiert an Informationen und Terminen rund um die Silicon Economy?
Melden Sie sich für unseren Newsletter an und wir halten Sie auf dem Laufenden.

Newsletter bestellen

Unsere E-Mail-Newsletter informieren regelmäßig zu aktuellen Themen und Veranstaltungen.
M

Unsere Infonewsletter

Unsere Infonewsletter richten sich an alle Unternehmen und Organisationen, die mehr über die Plattformökonomie der Zukunft und die Zukunft der Logistik erfahren wollen..

Silicon Economy News. Einmal im Quartal informieren wir Sie über die aktuellen Entwicklungen aus der Silicon Economy und ihren Umsetzungsprojekten. Zwischendurch machen wir Sie auch auf aktuelle Veranstaltungen aufmerksam.

Blockchain Europe. Bis zu sechs Mal im Jahr erhalten Sie spezielle Informationen aus Umsetzungsprojekt Blockchain NRW zum Aufbau des Europäischen Blockchain-Instituts.

Fraunhofer IML. Aktuelle Informationen aus dem Fraunhofer-Institut für Materialfluss und Logistik IML, das die Silicon Economy-Initiative ins Leben gerufen hat, bekommen Sie drei bis vier Mal im Jahr.

Unsere Themenewsletter

Unsere themenspezifischen Newsletter sind für Unternehmen gedacht, die sich aktiv an der Gestaltung der Silicon Economy beteiligen und tiefer in die Themen einsteigen wollen. Dazu bieten wir fünf verschiedene Themen bzw. Bereiche an. Geplant sind pro Themenbereich bis zu drei Newsletter im Jahr.

Bestätigung und Widerruf

Wenn Sie einen oder mehrere Newsletter bestellen, erhalten Sie einmalig eine Bestätigungsmail (Double-Opt-in). Sie können sich jederzeit wieder abmelden: In jedem Newsletter finden Sie einen entsprechenden Link.

Newsletter ansehen

Hier finden Sie den aktuellen Newsletter zur Silicon Economy.  

Bitte füllen Sie das Pflichtfeld aus.
Bitte füllen Sie das Pflichtfeld aus.
Bitte füllen Sie das Pflichtfeld aus.
Bitte füllen Sie das Pflichtfeld aus.

* Pflichtfeld

* Pflichtfeld

Bitte füllen Sie das Pflichtfeld aus.