Auf der Weltkonferenz für Künstliche Intelligenz WAIC vom 9. bis 11. Juli in Shanghai sprach Angela Titzrath, die Vorstandsvorsitzende der HHLA, über das Projekt. Die Bedeutung von maschinellem Lernen für das Unternehmen werde immer größer. „Die fortschreitende Digitalisierung verändert die Logistikbranche und damit unser Geschäft im Hafen. Lösungen für maschinelles Lernen bieten uns dabei viele Möglichkeiten, um die Produktivität und Kapazitätsraten der Terminals zu steigern.“ Die HHLA-Chefin kündigte an, weitere Felder für die Anwendung von maschinellem Lernen zu identifizieren.
Die Hamburger Hafen und Logistik AG (HHLA) hat für ihre Hamburger Containerterminals als einer der ersten Häfen weltweit Lösungen entwickelt, die maschinelles Lernen zur Vorhersage der Verweildauer eines Containers auf dem Terminal nutzen. Die ersten beiden Projekte wurden jetzt erfolgreich in die IT-Landschaft der Container Terminals Altenwerder (CTA) und Burchardkai (CTB) integriert und angewendet. Das Unternehmen erhoffe sich dadurch eine Steigerung der Produktivität und eine bessere Ausnutzung von Platzkapazitäten.
Maschinelles Lernen fördert Produktiovität
Vorhersage der Lager- und Abholungszeit
Auf dem Container Terminal Altenwerder werde die Produktivität der automatisierten Blocklager durch eine Vorhersage gesteigert, die auf maschinellem Lernen basiert. Ziel sei es, den Zeitpunkt der Abholung eines Containers genau zu prognostizieren. Muss eine Stahlbox während ihrer Verweildauer im Lager nicht unnötig umgestapelt werden, führt dies zu einer wesentlichen Optimierung der Prozesse. Bei der Einlagerung der Container ist deren Abholzeit oft noch unbekannt. Deshalb berechnet künftig der Computer die wahrscheinliche Container-Verweildauer. Er nutzt dazu einen Algorithmus, der auf historischen Daten basiert, sich aber kontinuierlich selbst durch modernste Machine-Learning-Methoden optimiert.
Algorithmus berechnet Art der Auslieferung
Eine ähnliche Lösung kommt auf dem Container Terminal Burchardkai zur Anwendung, wo neben automatisierten auch konventionelle Containerlager genutzt werden. Auch hier unterstützt maschinelles Lernen die Terminalsteuerung durch die Zuweisung optimierter Container-Stellplätze. Neben der Verweildauer könne mit Hilfe des Algorithmus auch die Art der Auslieferung berechnet werden. Durch maschinelles Lernen könne genauer vorhergesagt werden, ob ein Container auf den LKW, die Bahn oder ein Schiff verladen werden soll, als dies bisher aus den gemeldeten Daten hervorgeht.
Treiber für Digitalisierung
Aber auch in anderen Bereichen können lernende Maschinen von Nutzen sein. In einem anderen Projekt setzte die HHLA die Technik ein, um den Termin für das Auswechseln der Stahlseile auf den Containerbrücken vorherzusagen. So können Verzögerungen im Betriebablauf und somit auch Kosten vermieden werden. Auch durch den Einsatz von autonomen Lastwagen und die Prüfung zum Einsatz von Transportdrohnen will die HHLA zu einem Treiber der Digitalisierung im Hafen werrden. Schon jetzt zeige sich ein deutlich positiver Effekt für beide Terminals, weil die Container entsprechend ihrer voraussichtlichen Abholung eingelagert werden und dann weniger häufig bewegt werden müssen.
sm/kk