Fraunhofer Austria
Das Forschungsvorhaben StandPI soll der verladenden Wirtschaft ermöglichen, anbieterunabhängige Transportkapazitäten, nach Vorbild des Physical Internets, effizient zu nutzen. Hierzu werden inner- und außerbetriebliche Systemparameter kontinuierlich erfasst. Die Echtzeit-Daten fließen in einen Machine Learning Algorithmus, der Warenbereitstellung seitens Verlader und dynamische Transportkapazitäten, in Form von Crowdsourcing Delivery, optimal koordiniert. Ziel ist die selbstlernende Steuerung an der Schnittstelle von Transport- und Intralogistik zur systemübergreifenden Optimierung dieser heute sequentiell gesteuerten Teilbereiche. Die konsequente Nutzung der Restkapazitäten, von sich ohnehin auf der Straße bewegenden Fahrzeugen, soll einen wesentlichen Beitrag zur Erhöhung der ökonomischen, ökologischen und sozialen Nachhaltigkeit in der physischen Distribution leisten.
Aktuell bewegen sich weit mehr LKW auf den europäischen Straßen als für den Transport von Gütern eigentlich erforderlich ist. Der hohe Anteil an Leerfahrten und die schlechte Kapazitätsausnutzung haben negative Auswirkungen auf Wirtschaft, Umwelt und Gesellschaft. Die starke Zunahme von E-Commerce, die hohe Nachfrage nach Same Day Delivery und Just in Time (JIT) Strategien der verladenden Wirtschaft drohen die Nachhaltigkeit des Güterverkehrs weiter zu verschlechtern. Innovative Konzepte, wie z.B. Crowdsourcing Delivery, welches den Gütertransport zu einem gewissen Anteil auf private PKWs auslastet, sollen dieser Entwicklung entgegenwirken. Die verladende Industrie ist gegenwärtig technisch jedoch noch nicht in der Lage diese ungenützten Transportkapazitäten zu nutzen respektive Aufträge anteilig sicher und kontinuierlich auszulagern.
