Hegel
Der Angebotsmarkt für Gütertransporte ist wenig transparent. Dies gilt vor allem für die Verknüpfungen von Transportmöglichkeiten auf der Straße, der Schiene oder dem Binnengewässer. Diese Intransparenz führt zu Ineffizienzen und behindert den Wechsel zu ökologischeren Transportlösungen.
Für die Darstellung und Gestaltung verknüpfter Transportnetzwerke (genannt Hypernetzwerke) fehlen Datengrundlagen und Modellierungsmethodiken. Um einen Überblick über verknüpfte Transportnetzwerke zu erhalten, werden Daten aus verschiedenen Quellen verschnitten. Dabei wird ein Schwerpunkt auf die Entlastung der beteiligten Unternehmen von der Erhebung neuer Daten gelegt, sondern der Nutzen bereits dort vorhandener Daten aufgezeigt. Für die Erhebung bisher nicht vorhandener Daten wird das DLR-MovingLab eingesetzt. Es erlaubt die gleichzeitige Aufzeichnung von raumzeitlichen Bewegungsdaten einer Fahrt und die Beantwortung von Fragen zu den mit der Fahrt verbundenen Aktivitäten. Bei Fahrten im Güterverkehr sind dies beispielsweise Angaben zur Ladung und zu den Be- und Entladevorgängen an den einzelnen Stopps, die das Fahrzeug unterwegs einlegt.
Um die Gestaltung von Hypernetzwerken im Güterverkehr zu ermöglichen, werden Simulations- und Optimierungsmethoden angewandt. Dabei werden Verfahren des maschinellen Lernens angewandt, speziell aus dem Bereich des Deep Reinforcement Learning. Sie erlauben, verschiedene Netzwerkauslegungen im Vorhinein zu bewerten und erleichtern die Auswahl geeigneter Netzwerkangebote. Die entwickelten Modelle werden mit den erhobenen Daten angewandt, um intermodale Transportangebote für vielversprechende Nachfragesegmente zu gestalten.
Dafür wird die Grundlagenforschung zur Modellierung von Hypernetzwerken mit der Gestaltung von innovativen Dienstleistungen in der Logistikindustrie verknüpft, die stark durch Klein- und Kleinstanbieter geprägt ist.
Projektpartner
- Kühne Logistics University, Hamburg
- 4PL Intermodal GmbH, Rotenburg (Wümme)
- Ubilabs GmbH, Hamburg
- Fraunhofer‐Arbeitsgruppe für Supply Chain Services, Nürnberg
Gefördert durch

