Welche Möglichkeiten ergeben sich durch die Nutzung von Künstlicher Intelligenz (KI) in Fahrzeugflotten? Wie können autonome Fahrzeuge in Carsharing-IKT-Systeme integriert werden? Das Fraunhofer IAO untersucht im Projekt »KI4ROBOFLEET« die Einsatz- und Anwendungsmöglichkeiten von KI im Bereich des Autonomen Fahrens.
Welche Möglichkeiten ergeben sich durch die Nutzung von Künstlicher Intelligenz (KI) in Fahrzeugflotten? Wie können autonome Fahrzeuge in Carsharing-IKT-Systeme integriert werden? Das Fraunhofer IAO untersucht im Projekt »KI4ROBOFLEET« die Einsatz- und Anwendungsmöglichkeiten von KI im Bereich des Autonomen Fahrens.
Künstliche Intelligenz (KI) bildet die Grundlage für autonome Systeme. Selbstlernende Systeme und KI-Anwendungen erfahren momentan eine dynamische Entwicklung. Damit rücken Lösungsansätze und Anwendungsszenarien speziell im Bereich des Autonomen Fahrens in den Fokus der angewandten Forschung. Kombiniert mit den bereits gesammelten Erfahrungen aus Forschungsprojekten rund um Fahrzeugflotten, Carsharing und Elektromobilität erschließen die Wissenschaftlerinnen und Wissenschaftler des Fraunhofer-Instituts für Arbeitswirtschaft und Organisation IAO nun das Einsatzpotenzial von KI in diesem Bereich.
Forschungsgegenstand ist das vom Wirtschaftsministerium Baden-Württemberg im Rahmen der Mittelstandsoffensive Mobilität (MOM) geförderte Projekt »KI4ROBOFLEET«. Das Forschungsteam geht der Frage nach, wie autonome Fahrzeuge für Carsharing oder in Fahrzeugflotten in Zukunft eingesetzt werden können. Zudem möchte das Projektteam anhand von erweiterten Anwendungsszenarien technische, wirtschaftliche und verkehrsökologische Aspekte unter die Lupe nehmen.
Das Projektkonsortium aus Fraunhofer IAO, der Hochschule Esslingen, den klein- und mittelständischen Unternehmen Stadtmobil Rhein-Neckar AG und PAN GEO Gesellschaft für Angewandte Geographie mbH nimmt mit »KI4ROBOFLEET« zwei große Fragestellungen in den Blick: Welche neuen Anforderungen ergeben sich aus der Nutzung von autonomen Fahrzeugen in Fahrzeugflotten? Und welche Anforderungen (technischer Art) ergeben sich aus der Integration solcher Fahrzeuge in Carsharing-IKT-Systeme? »Wir möchten herausfinden, wie Fahrzeuge und Flotten auch außerhalb des Personentransports effektiv eingesetzt werden können. Denkbar wäre es, das autonome Fahrzeug als mobilen Energieträger einzusetzen, der Energiespitzen bei Unternehmen dynamisch ausgleicht, oder als selbständiges Transportmittel in der Logistik, beispielsweise als nächtlicher Paketlieferant«, erläutert Ilko Hoffmann, Projektleiter am Fraunhofer IAO.
Dafür werden im Rahmen des zweijährigen Projekts bis Ende 2020 unter anderem Mobilitätsanalysen bei Carsharing-Anbietern wie Stadtmobil durchgeführt, mögliche Anwendungsszenarien identifiziert und klassifiziert. Des Weiteren untersucht das Projektteam Einsatzmöglichkeiten von geeigneten, selbstlernenden Algorithmen und KI-Technologien und führt Verkehrssimulationen durch, um bestimmte Anwendungsszenarien analysieren und bewerten zu können. Aus der Überführung der Ergebnisse und Anforderungen geht anschließend ein Systementwurf hervor, der aufzeigt, welche KI-Technologien bei der Integration von autonomen Fahrzeugen in Flotten im Carsharing-Bereich einsetzbar sind. Nicht zuletzt werden die Analyse- und Bewertungsergebnisse der Anwendungsszenarien am Ende der Projektzeit in einer Studie zusammengefasst und veröffentlicht.
Ziel des Projekts ist es, realistische Zukunftsszenarien sowohl zu entwickeln als auch auf ihre mögliche Anwendung und technische Machbarkeit hin zu prüfen.
Die Studie vergleicht digitale Objekterfassungs-Technologien in folgenden vier Feldern: optoelektronische Erkennung (Barcodes), Sender-Empfänger-Systeme (RFID), Echtzeit-Lokalisierung (RTLS) und Blockchain-Technologie. Innerhalb dieser vier Basisverfahren existieren unterschiedliche Varianten zur Objekterkennung. Da sich nicht alle Varianten für dieselben Aufgabenstellungen und Umweltanforderungen eignen, hat das Fraunhofer IAO logistikspezifische Kriterien identifiziert, anhand derer die einzelnen Technologien bewertet werden. In der so entstandenen Bewertungsmatrix sind die Unterschiede, Anwendungsfelder sowie Vor- und Nachteile übersichtlich und verständlich abzulesen.
Die Studie »Track and Trace Technologien im Überblick« wurde durch das Ministerium für Wirtschaft, Arbeit und Wohnungsbau Baden-Württemberg gefördert und ist nun online verfügbar. Diese Studie des Fraunhofer IAO resultiert aus der intensiven Beschäftigung mit dem Themenkomplex Digitalisierung, Innovation und Logistik, der zukünftig noch stärker in den Mittelpunkt der Forschung rücken wird.
Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO