Bis zum Jahr 2025 wird sich die Datenmenge weltweit im Vergleich zum Jahr 2015 verzehnfachen. Diese Zahlen wurden vom Beratungsunternehmen IDC (eng. International Data Company) im Bericht „Datenära 2025“ bekannt gegeben.
In der Logistikbranche unterscheidet sich der Trend nicht vom globalen. Die Informationsmenge verdoppelt sich alle zwei Jahre. Laut Analysten wird die Datenmenge bereits im Jahr 2020 44 Zettabyte betragen. Als Referenz: Eine 1-Zettabyte-Festplatte enthält hochauflösendes 4K-Video mit einer Gesamtzeit von über 63 Millionen Jahren…
Für die Analyse und Interpretation großer Datenmengen kommen Algorithmen des maschinellen Lernens (ML) zum Einsatz. Die Region Moskau erstellt anhand der erhaltenen Informationen und der ermittelten Trends Prognosen. Für weitere Informationen zum maschinellen Lernen und seiner Anwendung in der Transport- und Logistikbranche wenden wir uns an Vitaly Verbilovich, Leiter Forschung und Entwicklung der internationalen Unternehmensgruppe AsstrA.
Vitaliy, wie wird maschinelles Lernen in der Logistik eingesetzt?
Maschinelles Lernen wird in allen Bereichen des Transports und der Logistik eingesetzt.
- Lagerlogistik. Computer Vision überwacht die Warenreste in den Lagern, kontrolliert die Arbeiter und sorgt für die Sicherheit in den Einrichtungen.
- Expedition. Basierend auf den gesammelten Informationen über Transport werden Routen geplant und gebaut und Saisonalitätswellen prognostiziert.
- Verkauf. Die Prognose von Absatzmengen, Änderungen der Preispolitik des Transport- und Logistikunternehmens wird unter Berücksichtigung historischer Indikatoren für den Verkauf von Dienstleistungen erstellt.
- Sicherheit. Scoringmodellen (engl. Scoring ist ein auf numerischen statistischen Methoden basierendes Punktesystem) helfen, unzuverlässige oder potenziell problematische Vertragspartner bereits vor Beginn der Zusammenarbeit anhand von Informationen über die Beziehungen zu Lieferanten zu identifizieren.
Welche Informationen werden mit ML-Algorithmen verarbeitet, und was sollte man Analysten belassen?
In der Analytik stehen die Darstellung des Problems und die Formulierung der Anforderung zur Auswahl der erforderlichen Informationen an erster Stelle. Hier kann man nicht auf menschliches Eingreifen verzichten - Analytik mit Erfahrung und Wissen in einem bestimmten Geschäftsbereich. Als nächstes kommen maschinelle Lernalgorithmen ins Spiel, die die Aufgaben der Erfassung, Verarbeitung und Primäranalyse von Informationen effizienter bewältigen. Der Analytiker wird von Routineaufgaben und zeitaufwändigen Tätigkeiten befreit und konzentriert sich auf die konzeptionellen Aspekte der Arbeit.
Wie werden die Algorithmen für maschinelles Lernen durch AsstrA verwendet?
Die Unternehmensgruppe AsstrA-Associated Traffic AG verwendet die Algorithmen für maschinelles Lernen, um drei Kategorien von Aufgaben zu lösen:
- Digitalisierung des Dokumentenverkehrs durch Aufbau relevanter Datenbanken mit Weiterverarbeitung von Informationen.
- Prognose und Information über mögliche Umstände höherer Gewalt auf dem Wege des Güterverkehrs. Zwecks der Erhöhung der Transparenz der Lieferkette arbeitet AsstrA mit Shippeo zusammen, dessen Algorithmen es ermöglichen, die Transparenz der Lieferketten in Echtzeit zu erhöhen sowie mögliche Signale auf dem Verkehrsweg vorherzusagen und zu signalisieren.
- Vorausschauende Analyse von Gesetzmäßigkeiten in den Indikatoren für frühere Perioden und Einschätzung zukünftiger Risiken und Chancen.
Dank der verarbeiteten Informationen werden fundierte Entscheidungen zur Steigerung der Effizienz von Lieferketten getroffen.