KIGlas – Optimierung der Glasproduktion mit Hilfe von Methoden der Künstlichen Intelligenz

Ziel des Projekts ist die Verringerung des Ausschusses in der Glasproduktion mit Hilfe datenbasierter Prognosen. Die Forschungsarbeiten konzentrieren sich dazu auf automatisierte Produktionsanlagen, die mit regenerativer Energie kundenspezifische Aufträge bearbeiten. Als Methoden werden tiefe neuronale Netze zur prädiktiven Analyse der Sensordaten aus der Produktionsumgebung ein-gesetzt. Parallel dazu wird die Sensorik entsprechend der Bedarfe der Analytik ergänzt. Schließlich wird auf der Basis der Prognosen ein Entscheidungsunterstützungssystem realisiert, das Empfehlungen zur Optimierung und Effizienzsteigerung der Produktion liefert. Dieser Ansatz hat das Potential, die Glasproduktion in Bayern trotz hoher Energiepreise zu stabilisieren und damit die Arbeitsplätze in dieser Branche zu sichern.

Optimierung des intermodalen Verkehrs im ländlichen Raum – OptiModal

Problemstellung

Für die Schaffung flächendeckender und zeiteffizienter ÖPNV-Angebote in ländlichen Räumen werden zunehmend bedarfsgesteuerte Verkehre eingerichtet. Da diese Angebote nur in eng begrenzten Bereichen effizient funktionieren, ist eine Verknüpfung mit einem angepassten Linienverkehr notwendig. Planungen für einen solchen intermodalen ÖPNV als konkurrenzfähige Angebote zum Individualverkehr sind komplexe Planungs- und Optimierungsprobleme, die ohne die Hilfe geeigneter digitaler Werkzeuge kaum lösbar sind.

Projektziel

Das Projekt „OptiModal“ wird geeignete Werkzeuge für die Planung und Optimierung solcher Angebote entwickeln. Für die Bewertung von Angeboten entwickelt das Projekt eine Simulation als digitaler Zwilling. Mit Hilfe von Optimierungswerkzeugen können die Angebote dann verbessert und mit der Simulation neu bewertet werden. Für die Entwicklung der Werkzeuge werden Struktur-, Bewegungs- und Nutzungsdaten existierender Mobilitätsangebote sowie Verfahren der Analytik einschließlich neuronaler Netze eingesetzt.

Durchführung

Der Startpunkt des Projekts ist die Schaffung einer Datenbasis als virtuelles Abbild der Region (Data Lake). Mit diesen Daten werden Transportbedarfe sowie die Verkehrsmittelwahl analysiert. Darauf aufbauend werden eine realitätsnahe Simulation sowie Optimierungswerkzeuge realisiert und miteinander verzahnt. Damit lassen sich Planungsschritte, wie die Positionierung von Haltestellen und das Erstellen von Fahrplänen, sowie deren Überprüfung und Optimierung teilweise automatisieren. Für die Interaktion mit Planerinnen und Planern erforscht das Projekt neue Möglichkeiten der Visualisierung für die Darstellung der komplexen Zusammenhänge in diesem Planungskontext.

ROLAND – Rural Remote Operated Land Vehicle

Gerade im ländlichen Raum stellt die Versorgung mit Waren des täglichen Bedarfs eine immer größer werdende Herausforderung dar. Insbesondere in einem dörflich geprägten Umfeld mit geringer Siedlungsdichte ist bereits heute eine kosteneffiziente Versorgung für Warentransporte kaum noch umsetzbar. Während für den öffentlichen Personennahverkehr verschiedene Konzepte zur Einsparung von Kosten zum Beispiel durch On-Demand-Fahrdienste oder fahrerlose Shuttle untersucht oder bereits eingesetzt werden, sind neuartige Lösungen für Waren des täglichen Bedarfs wenig im Fokus. Dabei ist insbesondere die Belieferung von Personen mit Mobilitätseinschränkungen eine wichtige Aufgabe für die zukünftige Versorgung auf dem Land. Autonome Liefersysteme können und müssen hier in Zukunft einen Beitrag leisten.

Lieferroboter stehen heutzutage vor verschiedenen Herausforderungen. Neben regulatorischen und rechtlichen Gegebenheiten stehen Fragen zur Akzeptanz und zu sozialen Aspekten im Raum. Die wahrscheinlich größte Herausforderung liegt jedoch weiterhin in der komplexen Automatisierung der Systeme. Wie auch im Bereich des hochautomatisierten Fahrens, stehen die heutigen Hersteller vor hohen Hürden in Bezug auf die Sicherheits- und Zuverlässigkeitsanforderungen der Sensorik und Umgebungswahrnehmung. Zusätzlich müssen für Lieferroboter Aspekte des Diebstahl- und Vandalismusschutzes berücksichtigt werden. Diese Voraussetzungen beschränken den Einsatz aktueller Liefersysteme auf städtische Bereiche, insbesondere außerhalb Europas.

Ziel des Projektes ist die Entwicklung neuer Konzepte basierend auf Methoden der (generativen) künstlichen Intelligenz, um die eingeschränkte Kommunikationsinfrastruktur in ländlichen Gebieten für die Realisierung eines zuverlässigen und robusten teleoperierten Liefersystems zu nutzen. Ländliche Gebiete und deren Kommunikationsnetze stellen besondere Herausforderungen an die Liefersysteme, wie zum Beispiel stark variierende Bandbreitenverfügbarkeit. Das Projekt wird sich ausführlich mit der Entwicklung von Methoden und Lösungen unter den gegebenen Einschränkungen beschäftigen.

Ein wichtiger Bestandteil des Projektes ist die Weiterentwicklung bestehender direkter Teleoperationssysteme hin zur indirekten (trajektorienbasierten) Teleoperation insbesondere in Bereichen mit geringen Übertragungsraten. Teleoperation besitzt den großen Vorteil, dass von einer Leitwarte aus eine Vielzahl von Robotern teilweise gleichzeitig gesteuert werden kann. Dadurch kann der personelle Aufwand für die Auslieferung der Waren bereits deutlich reduziert werden, ohne die extrem hohen Herausforderungen des autonomen Fahrens vollständig lösen zu müssen. Durch den flexiblen Einsatz von direkter Teleoperation, welche insbesondere auf eine geringe Latenz angewiesen ist, und indirekte Teleoperation sollen Einschränkungen in der vorhandenen Kommunikationsinfrastruktur überbrückt werden.

Mittels neuartiger Konzepte basierend auf Methoden des maschinellen Lernens werden die Anforderungen der Teleoperation an Latenz und Kommunikationsbandbreite reduziert. Insbesondere Datenkomprimierung, Rekonstruktion, sowie Prädiktion mittels generativer Modelle stellen Lösungsmöglichkeiten für die vorhandenen Einschränkungen dar.

Durch die Nutzung mehrerer Roboter und die Vernetzung dieser über V2V Konzepte, sowie deren Anbindung an einen zentralen Server, können schließlich Vorteile aus dem Bereich der Crowd Sourced Data angewandt werden.

Mit Hilfe dieser Konzepte wird eine Möglichkeit zur Realisierung von Lieferrobotern entwickelt, die zum einen kosteneffizient und sicher ist, zum anderen aber auch bereits in den kommenden Jahren kommerziell eingesetzt werden könnte. Zusätzlich ermöglicht dieser Ansatz eine schrittweise Weiterentwicklung der Lieferroboter auch hin zu größerer Autonomie. Damit kann ein entscheidender Beitrag zur zukünftigen Versorgung ländlicher Regionen geleistet werden.