Künstliche Intelligenz im Transportmanagement
Lern das, Computer, morgen frage ich dich ab!
Ohne Lernen
kommt man nicht voran.
Ob in der Schule, Ausbildung oder im Studium: Ohne Lernen kommt man nicht voran. Selbst wer von sich sagt, dass er es leid ist, lernt dennoch jeden Tag etwas Neues dazu. Das Fachwissen dann schnell abrufen zu können, ist – je nach Komplexität der Aufgabe – eine Herausforderung. Computer haben es da nicht viel leichter, auch die sogenannte Künstliche Intelligenz (KI) im Transportmanagement nicht. Um gut zu funktionieren, muss sie ihren digitalen Verstand schulen. Das geschieht mithilfe von großen Datenmengen, die der KI bei der Erkennung von Mustern helfen. Und dann heißt es üben, üben, üben. Sind die Daten einmal in einem auch Large Language Model genannten System eingegeben, wird die Anwendung mit Abfragen und Feedback trainiert. So lernt die KI, was zielführende und nützliche Antworten sind und was nicht. Allerdings kann sie das um ein Vielfaches schneller als der Mensch.
Bei ANAXCO verantwortet Dr. Jens Ziegler das Thema Künstliche Intelligenz im Transportmanagement. Der promovierte Informatiker hat sich bereits vor 20 Jahren mit Computation Intelligence beschäftigt, also mit der Berechnung von intelligentem Verhalten – das ist sehr nah an dem, was wir heute KI nennen. Anfang der 2000er war das noch eine Spielerei und wurde öffentlichkeitswirksam im Roboterfußball eingesetzt. Das Dortmunder Team, in dem er damals mitarbeitete, wurde sogar Weltmeister im Roboterfußball. Heute ist die Rechenpower da, das Thema nutzbringend und wirtschaftlich einzusetzen. Zum Vergleich: Ein herkömmliches Smartphone vereint heute die Rechenleistung der Top-500 Supercomputer weltweit aus den frühen 90ern.
Azure AI
KI-Dienste und Tools aus der Microsoft Azure Cloud
Unsere Lösungen nutzen die Leistungsfähigkeit von Azure AI für eine optimale Nutzung von Künstlicher Intelligenz im Transportmanagement. Azure AI ist eine umfassende Suite von KI-Diensten und Tools, die von Microsoft in der Azure Cloud angeboten werden. Die Plattform ermöglicht es zertifizierten Entwicklern wie ANAXCO, KI-Funktionen in ihre Anwendungen wie unserem TMS zu integrieren, um intelligente und datengetriebene Lösungen zu erstellen. Dazu gehört beispielsweise der Azure Form Recognizer. Dieser Dienst extrahiert strukturierte Daten aus unstrukturierten Inhalten, insbesondere aus Dokumenten. Einige Einsatzmöglichkeiten im Kontext eines Transport Management Systems (TMS) umfassen:
Automatisierte Datenerfassung
Der Form Recognizer kann automatisch relevante Informationen wie Absender, Empfänger, Liefertermine, Mengen und andere auftragsbezogene Daten aus verschiedenen Formularen und Dokumenten extrahieren.
Rechnungsverarbeitung
In einer Transportumgebung sind Rechnungen häufig in unterschiedlichen Formaten und Strukturen verfügbar. Der Form Recognizer kann dabei helfen, Rechnungsdaten zu identifizieren und zu extrahieren, um den Prozess der Rechnungsverarbeitung zu automatisieren.
Dokumentenklassifizierung
Durch die Verwendung von maschinellem Lernen kann der Form Recognizer lernen, verschiedene Arten von Dokumenten zu klassifizieren. Dies ist besonders nützlich, um zwischen Aufträgen, Lieferscheinen, Rechnungen und anderen Dokumententypen zu unterscheiden.
Schnelle Integration
Da der Form Recognizer Teil der Azure AI-Suite ist, kann er nahtlos in andere Azure-Dienste und -Anwendungen integriert werden. Das erleichtert die Implementierung in bestehende Systeme, einschließlich Transport Management Systemen.
Fehlerreduktion
Die automatisierte Datenextraktion durch den Form Recognizer hilft, menschliche Fehler bei der manuellen Dateneingabe zu minimieren, was die Genauigkeit und Effizienz in der Datenverarbeitung verbessert.
BI-Lösungen
Microsofts Business Intelligence
Mithlife von Microsofts Business Intelligence (BI)-Lösungen sind erweiterte Analyse- und Reportingfunktionen möglich. Ein Schlüsselelement in diesem Kontext ist Microsoft Power BI, eine umfassende Business-Analytics-Plattform, die Visualisierung und Business Intelligence vereint:
Durch die Integration von KI in Power BI bietet Microsoft Unternehmen die Möglichkeit, fortschrittliche Analysen durchzuführen, prädiktive Modelle zu erstellen und tiefe Einblicke in ihre Daten zu gewinnen, ohne dass umfangreiche Kenntnisse in maschinellem Lernen erforderlich sind.
Automatisierte Erkenntnisse mit Quick Insights
Power BI verfügt über eine Funktion namens „Quick Insights“, die automatisch Muster in Ihren Daten identifiziert und wichtige Erkenntnisse hervorhebt. Hierbei kommen KI-Technologien wie Clustering und Mustererkennung zum Einsatz. So lassen sich Muster und Anomalien schnell erkennen.
Künstliche Intelligenz in Power Query
Power Query, ein Bestandteil von Power BI, ermöglicht die Integration von KI in den Prozess der Datenbereinigung und -transformation. Sie können zum Beispiel KI-Modelle verwenden, um fehlende Werte zu schätzen oder Rauschen zu reduzieren.
AI-gesteuerte Visualisierungen
Power BI ermöglicht es, KI-gesteuerte Visualisierungen zu erstellen. Dies könnte beispielsweise die Integration von Vorhersagemodellen oder Cluster-Analysen in Diagrammen und Dashboards sein.
Azure Machine Learning Integration
Power BI kann nahtlos mit Azure Machine Learning integriert werden. Das bedeutet, dass Sie komplexe KI-Modelle in Azure erstellen und trainieren können, diese dann aber innerhalb von Power BI nutzen, um in Echtzeit Vorhersagen zu treffen oder Daten zu analysieren.
Natural Language Query (NLQ)
Power BI bietet Natural Language Query, mit dem Benutzer Fragen in natürlicher Sprache stellen können. Hinter den Kulissen können KI-Algorithmen die Sprache analysieren und die passenden Daten visualisieren.
DAX-Funktionen für statistische Analysen
Data Analysis Expressions (DAX) ist eine Formel- und Abfragesprache in Power BI. Mit speziellen DAX-Funktionen können statistische Analysen und Kalkulationen durchgeführt werden, die auf KI-Algorithmen basieren.
Wie echte KI Speditionen bei der Tagespreisberechnung helfen kann
Wissen Sie genau, was eigentlich der Transport einer Palette von Wuppertal nach Hamburg kostet? Nicht etwa im Sinne einer ziemlich guten Schätzung, sondern im Sinne eines verbindlichen Tagespreises, der in kürzester Zeit ausgegeben wird? Derzeit sind solche Angaben für viele Logistiker noch ein bisschen wie Voodoo. Bei ANAXCO arbeiten wir an einer Möglichkeit, mithilfe von KI beispielsweise sämtliche Transporte von einem Depot in sämtliche PLZ-Gebiete zu analysieren. Mithilfe weiterer Daten wie Sendungsgewicht, Entfernung und in der Vergangenheit auf dieser Strecke tatsächlich verursachten Kosten entsteht eine „Lernmenge“, auf deren Basis ein KI-Modell die „echten“ Kosten für jede Sendung ausrechnen kann – man spricht in diesem Fall auch von einem Vorhersagemodell.. Hierbei gibt es ein sogenanntes Konfidenz-Niveau, also den Grad an Sicherheit, mit der die KI diese Aussage treffen kann. Konkret bedeutet dass, dass die Vorhersage für häufig genutzte Relationen recht gut funktioniert. Die Datenbasis der Künstlichen Intelligenz muss also groß genug sein, um verlässliche Resultate zu erzielen. Will man zudem Wochentage, Feier- und Brückentage sowie Ferienzeiten berücksichtigen, wird das Training umso wichtiger.
Einfach das Handbuch befragen und Antworten von der KI erhalten
Umfangreiche Software kommt in aller Regel auch mit einer umfangreichen Bedienungsanleitung. Programmierer müssen diese regelmäßig anpassen, Anwender suchen darin immer wieder Antworten auf ihre Bedienungsfragen. Nun stellen Sie sich einmal vor, mithilfe einer KI bräuchten Sie nur eine Frage zu einer bestimmten Anwendung zu stellen und erhielten genau die Antwort auf Ihre Frage – vielleicht sogar noch mit einem Beispiel, wie sie vorgehen sollten. Genau daran arbeiten wir derzeit bei ANAXCO. Wir parametrisieren die KI mit dem Handbuch für die Cargo Suite. Dann können Nutzer dieses System beispielsweise fragen, wie sie einen Transportauftrag erfassen. Die KI liefert dann auf Grundlage des Handbuchs ganz anschaulich und in einer höflichen Chat-Konversation, wie der User vorgehen muss. Hier gibt nicht etwa ein Chatbot aus vorgefertigten FAQs Antworten aus, sondern hier arbeitet eine KI eine umfassende Dokumentation durch und gibt konkrete Hilfestellungen. Derzeit befindet sich das System in Entwicklung, aber mit einer ersten Beta-Version für unsere Kunden rechnen wir noch 2024.
Vorsicht vor AI-Washing:
Cleverer Etikettenschwindel
Künstliche Intelligenz“ als Marketingphrase
Es gibt Softwareunternehmen, die den Begriff „Künstliche Intelligenz“ als Marketingphrase verwenden, ohne dass tatsächlich fortschrittliche KI-Technologien hinter den jeweiligen Produkten stehen. Bei diesem „AI-Washing“ genannten Vorgehen vermitteln Unternehmen bewusst den Eindruck einer KI, obwohl in Wirklichkeit einfache oder traditionelle Technologien dahinterstehen. Dazu gehören beispielsweise:
Stichwortbasierte Suchalgorithmen
Einige Unternehmen behaupten, fortschrittliche KI-Suchfunktionen zu haben, verwenden jedoch nur stichwortbasierte Algorithmen. Während dies eine Form von Automatisierung darstellt, ist es nicht notwendigerweise fortschrittliche KI.
Automatisierte Berichterstellung
Produkte, die als KI-basiert beworben werden, können in Wirklichkeit einfache automatisierte Berichterstellungsfunktionen haben, die vordefinierte Muster befolgen, ohne echte KI-Intelligenz für die Analyse oder Anpassung zu nutzen.
Automatisierte Kundeninteraktion
Manchmal werden Chatbots oder virtuelle Assistenten als KI-Systeme dargestellt, obwohl sie auf vorprogrammierten Regeln und Mustern basieren und keine echte Lernfähigkeit aufweisen.
Datenvisualisierung
Einige Tools behaupten, KI für fortschrittliche Datenvisualisierung zu verwenden, während sie tatsächlich lediglich vorgefertigte Diagramme und Dashboards anbieten.
Darum ist es wichtig, kritisch zu prüfen, wie und wo KI in Produkten tatsächlich eingesetzt wird, um sicherzustellen, dass die beworbenen „KI-Funktionen“ nicht nur als Marketingfloskeln dienen, sondern echten Mehrwert durch fortschrittliche KI-Technologien bieten. Nicht überall, wo KI draufsteht, ist auch KI drin.