Vielversprechende Daten und große Herausforderungen
Die Schwierigkeit ist es einerseits, die Parameter im Algorithmus des Künstlichen neuronalen Netzes anzupassen, um die Effizienz zu erhöhen. „Das ist die Aufgabe der angewandten Forschung“, so Engelmayer. „Für uns ist die praktische Umsetzbarkeit viel relevanter,“ fährt er fort. Um zu testen, ob sich tatsächlich eine höhere Effizienz bei der Verwendung des neuronalen Netzes einstellt, gilt es nicht nur die Ergebnisse der KI-Tests zu betrachten. Sondern diese sind auch mit den bestehenden Möglichkeiten zur Optimierung der Intralogistik zu kontrastieren. „Da muss man schon ehrlich sein“, sagt Engelmayer. „Das, was CIM in Prolag World bisher hat, ist in meinen Augen so ziemlich das Beste, das auf dem Markt ist.“ Die Effizienz-Analyse, die Prolag World in zahlreichen bestehenden Lagern bereits nutzt, wird zum Kontrast mit den gleichen Daten gefüttert, wie der Algorithmus des Künstlichen neuronalen Netzes. Dabei wird deutlich, dass das neuronale Netz durchaus zu einer beachtlichen Leistung in der Effizienzanalyse fähig ist. „Man kann das Potential der Technologie deutlich erkennen, insbesondere bei den Zusammenhängen zwischen den Artikeln“, fügt der Intralogistikexperte an. Trotzdem gibt es Faktoren, die an anderen Stellen die Leistungsfähigkeit der KI negativ beeinträchtigen. „Da ist zum Beispiel das Thema der Rechnerkapazitäten und der Response-Zeit des neuronalen Netzes“, so Engelmayer. „Hier ist unser bisheriger Algorithmus einfach weniger anspruchsvoll.“
Weitere Tests und Forschungen versprechen neue Ergebnisse
Von einem Fazit oder auch nur einem deutlichen Zwischenergebnis in den Bemühungen wagt Andreas Engelmayer aber noch nicht zu sprechen. „Wir sind eigentlich noch ganz am Anfang“, gibt er zu bedenken. Wirklich spannend, so Engelmayer, seien die kommenden Wochen und Monate, in denen komplexere Testdaten zur Anwendung kommen sollten. „Bislang haben wir nur mit einem gering bestückten Lagern gearbeitet“, gibt Engelmayer zu. „Um näher an die Praxis zu rücken, werden wir demnächst mit hoher und sehr hoher Lagerbelegung arbeiten. Dann werden wir sehen, ob die KI noch immer so gute Ergebnisse in der Effizienz der Intralogistik erzielt.“
Bevor er also evaluieren möchte, gilt es abzuwarten. Ein Test dauert in der Regel zwei Wochen und die Daten sind daraufhin erst noch auszuwerten. Bevor ein vorläufiges Urteil gefällt werden kann, sind zudem noch weitere Artikeldaten einzupflegen, sodass die Ergebnisse ein realistisches Bild einer KI-gesteuerten Intralogistik abliefern.
Fragt man Andreas Engelmayer, was er für Ergebnisse erwartet, weicht er der Frage geschickt aus und lacht. „Es ist unglaublich aufregend, mit dieser Technologie zu arbeiten. Und ich bin sehr gespannt, was da im nächsten halben Jahr auf uns wartet.“ Die Forschungskooperation zwischen der Technischen Universität München und CIM wird noch bis Juli 2023 andauern. Bis dahin ist noch viel Zeit für weitere Tests und Optimierungen geplant. Spannend bleibt es in jedem Fall.
