CTO Tobias Gagern über Künstliche Intelligenz in der Logistik

Auf dem Arbeitgeberforum 2021 erklärte Chief Technology Officer (CTO) Tobias Gagern, wie SYNAOS mit Künstlicher Intelligenz die Intralogistik optimiert.

Tobias Gagern: Im ersten Schritt möchte ich ein bisschen etwas zur grundsätzlichen Einordnung von Künstlicher Intelligenz erzählen. Für mich ist KI das gleiche Wort wie „Industrie 4.0“ – ich weiß selbst nicht, was es genau bedeuten soll. Also habe ich mir meine eigene Definition geschaffen, die ich ganz gerne einmal erklären möchte. Dann möchte ich über konkrete Anwendungsbeispiele sprechen: Wie kann man diesen Technologie-Wust wirklich herunterbrechen und für die Kunden Mehrwerte für ihre Fertigung oder Logistik generieren?

 
YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

In seinem Vortrag erklärt CTO Tobias, wie SYNAOS Künstliche Intelligenz nutzt, um etwa Routen von fahrerlosen Transportfahrzeugen zu optimieren.
 

KI, Daten und Cloud

Wenn wir uns dem ganzen Thema annähern wollen, haben wir immer diesen „heiligen Dreiklang“: KI, Daten und Cloud.

Die Cloud ist für uns eine der Grundlagen. Die Rechenleistung hat sich extrem nach oben entwickelt und stieg exponentiell an. Es gibt immer die Möglichkeit, ganz neue Rechenverfahren einzusetzen. Die neue Infrastruktur bietet eine Spielwiese, auf der sich verschiedene Modelle ausprobieren lassen.

SYNAOS ist zu 100 Prozent cloud-based, auch unsere gesamte Office-IT ist in der Cloud. Wenn wir umziehen wollen, nehmen wir einfach den Router mit, gehen ins nächste Büro und können da weiterarbeiten. Wir haben keine eigenen Rechenzentren und können deshalb skalieren, wie wir es gerade brauchen. Natürlich können wir auch nahezu unbegrenzte Rechen-Ressourcen anzapfen, wenn wir irgendwelche Modelle oder Ähnliches trainieren wollen. Das wäre bei uns intern normalerweise mit hohen Kosten verbunden.

SYNAOS-CTO Tobias Gagern erklärt, was hochmoderne KI-Algorithmen in der Intralogistik bewirken können.

Wir haben uns für einen Ansatz entschieden, bei dem die KI in der absoluten Grundkonfiguration zunächst keine großen Datenmengen benötigt. Stattdessen baut die KI diese Datenmengen kontinuierlich auf und verbessert sich damit kontinuierlich weiter. Aus der Vergangenheit in der Industrie kennen wir es, dass Unternehmen zu uns gekommen sind und gesagt haben: „Wir haben ganz tolle Algorithmen, aber jetzt brauchen wir erst mal zwei Terabyte Daten dafür.“ Wenn es diese Daten für einen Prozess nicht gibt, ist das ein Problem. Wichtig ist also die Frage: Welche Daten habe ich überhaupt und welche nicht, damit man verschiedenste Modelle darauf anwenden kann.

Künstliche Intelligenz

Für mich gibt es drei Bereiche in der KI: Das ist einmal das Machine Learning (ML), das sehr weit bekannt ist. (Ein bekannter Anwendungsfall ist etwa Siri, die digitale Assistentin von Apple.) Dann haben wir das ganze Thema stochastische Modelle, das Anwendung beim autonomen Fahren und dem Bewegungsverhalten von Fußgängern findet. Der dritte Bereich ist die klassische mathematische Modellierung oder Optimierung. Hier werden große kombinatorische Probleme gelöst, etwa bei der Planung von Routen.

Diese Systeme sind unterschiedlich „datenhungrig“ und man muss immer genau wissen, welches Werkzeug aus dem Werkzeugkasten man für das jeweilige Problem anwenden kann. Es ist nämlich nicht so, dass sich alles mit Machine Learning lösen lässt. Es geht auch darum, genau zu wissen, ob man hier den Hammer braucht, einen Schraubenzieher oder die Zange. Es geht auch darum, dass man nicht nur einen einseitigen Blick auf die KI aufbaut.

Effizienz und Flexibilität

Die Frage nach den Methodiken, Datengrundlagen und Prozessen ist wichtig, wenn wir auf die Produktion und die Logistik der Zukunft schauen. Dort sind Flexibilität und Effizienz sehr gefragt – doch wie lassen die sich erreichen und erhöhen? Ein Teil davon können natürlich IT-Systeme sein, die Probleme lösen, die sich bisher nicht lösen ließen.

Oft gibt es das Bestreben, Standardprozesse zu schaffen, das ist immer ein großes Thema. Doch das ist möglicherweise gar nicht der richtige Ansatz. Es gibt eine Berufsgruppe, nämlich den Förster, von dem sich Manager viel abgucken sollten. Der Förster geht nämlich in seinen Wald und sagt nicht: „Hier ist ganz viel Komplexität – ich muss das alles standardisieren und den Wald gleich machen.“ Stattdessen versteht der Förster, dass der Wald ein großes Ökosystem ist, das sehr komplex miteinander vernetzt ist.

Der Förster akzeptiert die Komplexität des Waldes.

Der Förster ist Geologe, Biologe und Meteorologe, alles in einem. Er muss für sehr große Zeiträume ein Ökosystem aufbauen, das dort optimal reinpasst. Manager hingegen meinen häufig, dass sie vor allem Standardprozesse brauchen. Sie kommen aus der Lean-Production-Zeit, in der sehr effiziente Prozesse gebaut wurden, die Menschen noch verstehen und managen konnten. Doch die Zeit, in der Menschen solche Prozesse managen müssen, ist vorbei. Klar wird das, wenn wir heute die Möglichkeiten betrachten – dass wir zum Beispiel Tausende Kombination ausrechnen können.

Logistik als Startpunkt

Auch die Zeiten, in der wir eine klassische Linie zum Beispiel in der Automobilproduktion haben, wo alles gleich ist, sind vorbei. Die Kunden verlangen heute nach mehr Varianz und Flexibilität. Wir haben uns also gefragt: Wie können wir diese Wünsche IT-technisch unterstützen? Das war für uns der Startpunkt, diese tollen Methoden in die Produktion und Logistik reinzubringen.

Wir haben SYNAOS 2018 gegründet, um die Algorithmen wirklich zum Leben zu erwecken. Zunächst haben wir geschaut, wo man sie sinnvoll einsetzen kann, und sind ganz stark in Richtung Logistik gegangen. Ganz häufig besteht dort die IT-Landschaft aus einem SAP- oder ein ERP-System. Darunter gibt es oftmals einen Wildwuchs an weiteren Systemen: In der Logistik sind das etwa Staplerleitsysteme, ein Leitsystem für Fahrerlose Transportsysteme (FTS), eine Picker-Steuerung und andere.

Diese Systeme sind als kleine „Silos“ mit allem irgendwie verbunden und verfügen selten über eine KI-Komponente. Stattdessen schieben sie sehr sequenziell irgendwelche Aufträge von links nach rechts. Da haben wir einfach gesagt: Das möchten wir ablösen, indem wir eine zentrale Plattform schaffen, über die wir die gesamte Logistik abbilden können. Wir haben überlegt, welche Methodiken wir haben und was uns Forschung und IT schon jetzt liefern. Wir fragten uns, wie wir diese Algorithmen, die gefühlt noch weit weg sind von der Industrie, in Anwendungsfälle packen können.

KI steuert mobile Roboter

Der erste Anwendungsfall betrifft die Steuerung von mobilen und stationären Robotern. Dort existiert eine Vielzahl von verschiedenen Systemen, die sich mit unterschiedlichen Fähigkeiten in einem Ökosystem bewegen. Dort muss ein riesiger Auftragspool abgearbeitet werden – was man alles ganzheitlich orchestrieren und optimieren muss. Dem Algorithmus ist es dabei egal, ob das mobile Roboter sind, oder Gabelstapler, Routenzüge oder ein Picker. Wir haben einfach gemerkt, dass wir in der Logistik die Algorithmen zum Leben erwecken können. Wichtig für uns war, dieses Ökosystem so zu bauen, dass es eine direkte Auswirkung hat.

Künstliche Intelligenz ist ein wichtiger Schritt nach vorne, aber es hätte uns nichts gebracht, wenn wir gesagt hätten: Wir bauen einen Algorithmus, der kann bestimmte Dinge ausrechnen – und jetzt soll der Kunde mal was damit machen oder eben nicht. Unser Anspruch war stattdessen, dass wir komplette Ökosysteme bauen, die aus verschiedensten Bestandteilen bestehen.

Bei SYNA.OS LOGISTICS gibt es zum Beispiel ein Auftragsmanagement, das die Transporte automatisiert und die Aufträge optimal auf die gesamte Flotte immer wieder neu verteilt – 250.000-mal pro Sekunde. Hinzu kommen weitere Services, die etwa Routen optimieren. Die brauchen wir, um überhaupt zu wissen, wie die Fahrzeuge am besten von A nach B kommen. Wir brauchen außerdem ein Asset-Management, um wichtige Informationen zu erfassen. Es ist nötig zu wissen, wenn zum Beispiel ein Rolltor geschlossen ist. Dann kann das System keine Fahrzeuge oder Gabelstapler mehr dort entlang schicken. Es gibt also unglaublich viele Informationsquellen, die das System anzapfen muss, um eine Datengrundlage für seine Entscheidungen zu schaffen. Das haben wir jetzt alles in unser erstes Ökosystem SYNA.OS LOGISTICS gepackt, was genau diesen Anwendungsfall abdeckt und innerbetriebliche Transporte mit neuesten Algorithmen optimiert.

KI im Einsatz

Doch wo setzen wir in diesem ganzen KI-Wust an? Zum Beispiel bei der Planung mit unserem „Adaptive Online Scheduling“: Es probiert kontinuierlich, große kombinatorische Probleme optimal zu lösen. Dann haben wir das natürlich auch in der Routenoptimierung: Dabei geht es nicht darum, immer die kürzeste Route zu finden, sondern die schnellste. Wenn die Route durch eine Fabrik führt und es ist gerade Mittagspause, dann sollten die Fahrzeuge nicht an der Kantine vorbeifahren – dort ist dann mit besonders vielen Störungen zu rechnen.

Das heißt, diese Fahrdaten kann das System sammeln und genau über diese Mustererkennung schauen, wo die Fahrzeuge am besten lang fahren sollten. Beim Kartenmanagement geht es zum Beispiel darum, gewisse Objekte anhand von Videodaten zu finden – wo sind Hindernisse, wo sind Paletten abgestellt? Sie werden dann in die Karte eingetragen. Das „Multi System Control Center“ wertet Fahrzeug- und Maschinendaten aus, um proaktive Wartungen und Ladezyklen zu ermöglichen. Die Fahrzeuge melden ihre Energiestände; wenn es zwischendurch wenig Aufträge gibt, kann das System die Fahrzeuge proaktiv zu den Ladestationen schicken.

Was macht der Fußgänger wohl als Nächstes? Künstliche Intelligenz ist vor allem durch das autonome Fahren bekannt geworden.

Das sind genau diese Anwendungsfälle, bei denen man einfach wissen muss, welche Werkzeuge wo optimal zu einzusetzen sind. Wenn es somit gelingt, Prozesswissen und IT-Wissen in einem Ökosystem zu vereinen, kann man schon eine ganze Menge für den Kunden rausholen! Unsere Simulationen und bisherigen Projekte haben gezeigt, was wir im Vergleich zu anderen Systemen tatsächlich die Einsparungen ermöglichen.

Adaptive Planung

Wir organisieren Logistik einfach anders, als wenn Menschen den Prozess verstehen und leiten müssten. Denn Menschen sind einfach nicht in der Lage, in diesem Wust aus Möglichkeiten eine qualitativ hochwertige Entscheidung zu treffen. Allerdings ist ein Plan auch nichts wert, wenn er nicht adaptiv ist – das ist ganz wichtig. Deshalb verfolgt SYNAOS einen kontinuierlichen Ansatz. Unser System ist also mit den Assets verbunden und nimmt Daten sowie Events auf. Aus diesen Daten generieren Algorithmen weitere Meta-Informationen, die zurück in die Planung gehen.

Ein simples Beispiel ist die Vorhersage, dass ein Fahrzeug zwei Minuten zu spät seinen Auftrag erledigen wird. Für den nächsten Auftrag ist das verspätete Fahrzeug womöglich nicht mehr das richtige, stattdessen sollte lieber ein anderes Fahrzeug den Job übernehmen. Dieser Umstand und viele weitere Informationen fließen in ein System, das sich selbst kontinuierlich optimiert und die optimale Ressourcen-Auslastung errechnet. Auf diese effiziente Art wird die Fabrik der Zukunft funktionieren – und klassische Produktionspläne werden verschwinden. Künstliche Intelligenz wird in der Logistik und Fertigung immer wichtiger werden.

Unsere Vision ist es, die Bereiche Produktion und Logistik zusammenzubringen. Wir wollen die Belegung der Maschinen und die Belegung der entsprechenden Transport-Ressourcen in einem großen Modell gemeinschaftlich planen, um dann keine Systemgrenzen mehr zu haben – sondern ein großes Ökosystem.

QUANTENSPRUNG IN EINE

OPTIMIERTE INTRALOGISTIK

ADV-Hardware

HARDWAREUNABHÄNGIG

 

ADV-AI-Optimised

KI-OPTIMIERT

ADV-Scalable

KOMPLETT SKALIERBAR

ADV-Cloud-Based

 

CLOUD-BASIERT

 

ADV-Industry

INDUSTRIEERFAHREN

 

ADV-Digital

DIGITAL VALIDIERT