Das LOGISTIK HEUTE-Sonderheft „Software in der Logistik 2022“ ist erschienen!

Guten Tag, in den Lieferketten lauert derzeit der unbändige Warenhunger der Konsumenten, die sich in Coronazeiten lieber einen feudalen Grill kaufen, als einen Restaurantbesuch zu wagen. Bedrohlich klafft auch die Lücke des Containers, der im Hafen von Los Angeles im Schiffsstau steckt, statt Mangelware wie Halbleiter oder Stahl zum Fließband eines Autobauers mit übervollen Auftragsbüchern zu transportieren.

Hohe Frachtraten verschwören sich mit Just-in-time-Produktion und E-Commerce-verwöhnten Endkunden, die 24-Stunden-Lieferungen als selbstverständlich voraussetzen. Kein Wunder, dass Lieferketten zurzeit oft etwas angespannt daherkommen.

Was hilft? Transparenz – und zwar am besten in Echtzeit. Nur wer rechtzeitig weiß, wann Transportkapazitäten verfügbar werden oder wo sich Engpässe abzeichnen, kann reagieren. Er kann Lieferzusagen einhalten und seine Lieferketten stabil und flexibel halten. Eine zentrale Rolle spielen dabei präzise prognostizierte Ankunftszeiten (ETA) – die jedoch ohne eine Vielzahl anderer Daten nicht zu haben sind. Dazu zählen etwa GPS-Datenpunkte, Daten aus TMS, ERP-Daten, historische und aktuelle Verkehrs- und Wetterdaten sowie Informationen aus Häfen oder Ankunftszeiten an Flughäfen und Güterbahnhöfen.

„Das Arbeiten mit diesen Daten ist ein klassischer Anwendungsfall für Machine Learning. Algorithmen berechnen auf Basis dieser Daten die ETAs von Lieferungen“, beschreibt Thomas Spieker, Director Central Europe von Shippeo in einem Expertenbeitrag. Wie man mit ETA zum „Durchblick in Echtzeit“ gelangen kann – damit befasst sich die Titelgeschichte im neuen LOGISTIK HEUTE-Sonderheft „Software in der Logistik 2022“. Es ist am 18. Februar erschienen.

An das Fraunhofer IML als Kooperationspartner bei dieser Sonderausgabe geht ein besonders großes Dankeschön. Die Dortmunder Wissenschaftler widmen sich im zweiten Schwerpunktthema „Machine Learning“ zum Beispiel den Potenzialen von ML-Compilern: Diese erlauben es, Machine-Learning-Modelle selbst für sehr kleine Prozessoren kompatibel zu machen – und verhindern so, dass die Zielsysteme für Applikationen an ihre Grenzen geraten.

Eine inspirierende Lektüre wünscht Ihnen

Therese Meitinger
Redakteurin LOGISTIK HEUTE