watchER

Entwicklung eines wartungs­armen cyber-physischen Logistik­systems zur lückenlosen Echtzeit-Über­wachung und sukzessiven Verbesserung der Prozess- und Ressourceneffizienz innerhalb von Lieferketten.

Projektziel

Weltweit entstehen durch Lebens­mittelverschwendung enorme Mengen an CO2-Emissionen. Diese werden Studien zufolge mit ca. 3,6 Mrd. Tonnen CO2-Äquivalenten im Jahr beziffert. Der Anteil an Lebens­mittelabfällen, der dabei im Rahmen von Distributions­prozessen der Lebens­mittelbranche anfällt, liegt bei ca. 5,1 Prozent. Expert*innenschätzungen zufolge ließe sich die Entsorgungs­quote im Zusammenhang mit Distributions- und Handels­logistikprozessen durch die Verwendung von Zustandsüberwachungs­technologien auf Ladeeinheitenebene innerhalb eines Zeitraumes von fünf Jahren sukzessive um bis zu 15 Prozent reduzieren. Einem flächendeckenden Einsatz solcher Systeme auf Ladeeinheitenebene steht aus Praxissicht – neben den zum Teil hohen Investitions­kosten – insbesondere der hohe Wartungs­aufwand entgegen, verursacht durch eine begrenzte Lebens­dauer aktueller Lösungen der Energieversorgung.

Um diesen Problemen zu begegnen und somit die beträchtlichen CO2-Emissionen durch die Verschwendung von Lebens­mitteln zu reduzieren, hat das Projekt zum Ziel ein neuartiges cyber-physisches Logistik­system zu entwickeln, welches aus einer IoT-Plattform auf Cloud-Basis sowie einem IoT-fähigen Mehrwegladungs­träger bestehen soll. Der intelligente Ladungs­träger soll dabei im Rahmen einer echtzeit­fähigen Güterüberwachung auf Ladeeinheitenebene – mit Ausnahme der regelmäßig notwendigen Kalibrierung des Mess­systems – über seine gesamte Lebens­dauer hinweg wartungs­frei und damit wirtschaft­lich genutzt werden können. Hierbei soll die Energiequelle an bestimmten Punkten der Logistikkette, an denen ohnehin nutzbare elektrische Energie zur Verfügung steht (beispielsweise über das LKW-Bordnetz oder das Stromnetz einer Lagerhalle), kontakt- und kabellos, induktiv aufgeladen werden können.

Potenzielle Anwender*innen der angestrebten Produktinnovation sind dabei sämtliche Industrie­unter­nehmen, die ihren Materialfluss mithilfe von Ladungs­trägern steuern und durch eine Echtzeit-Über­wachung dieser unter anderem ihre Prozess­effizienz, -trans­parenz und -qualität steigern können. Hierzu zählen zum Beispiel Unter­nehmen der Lebens­mittel- und Pharmaindustrie, Automobilhersteller*innen und -zulieferer*innen oder Logistikdienstleister*innen.

Projektlaufzeit
Das Projekt ist zum 1.10.2021 gestartet und läuft bis zum 30.09.2023.

Projektbudget
Das Projekt umfasst ein Gesamtbudget von ca. 1,2 Mio Euro. Es wird durch das Bundes­ministerium für Bildung und Forschung (BMBF) mit einer Fördersumme von rund 830.000 Euro gefördert. Die Projektträgerschaft übernimmt das Deutsche Zentrum für Luft- und raumfahrt (DLR). Das InES erhält eine Gesamtzuwendung von rund 217.000 Euro und beteiligt sich mit einem*einer Mitarbeiter*in an der Forschung über die gesamte Projektlaufzeit.

Forschungs­ziel

Damit eine trans­parente, für alle Prozess­beteiligten zugängliche Echtzeit-Über­wachung und eine gezielte KI-basierte Echtzeitanalyse der durch den intelligenten Ladungs­träger bereitgestellten Zustandsdaten möglich wird, hat das Institut für Enterprise Systems (InES) an der Universität Mannheim als eingebundener wissenschaft­licher Partner die folgenden Hauptziele im Rahmen von Forschung und Entwicklung:

1. Aufbau einer cloud-basierten IoT-Plattform zur Massendatenerfassung, -speicherung und -auswertung
2. Entwicklung von KI-Algorithmen zur Unter­stützung passender Anwendungs­szenarien und Diensten auf Basis der erhaltenen Daten

Die wesentlichen diesbezüglich festgelegten Arbeits­ziele und technischen Zielkriterien der IoT-Plattform umfassen ein hohe Verfügbarkeit, Verlässlichkeit und schneller Datenübertragung mit geringer Latenzzeit. Im Allgemeinen soll eine hohe Benutzer­freundlichkeit bzw. Software-Ergonomie sichergestellt werden und auf etablierte Datenübertragungs­standards (zum Beispiel NB-IoT, LoRa, 5G, BLE, NFC etc.) aufgebaut werden. Darüber hinaus ist eine ausreichende Speicherkapazität und Rechenleistung für KI-Integrationen in Abhängigkeit der gewählten Machine Learning-Modelle zu gewährleisten unter Beachtung einer hohen Datensicherheit.

Projekt­partner*innen

• Brehmer GmbH & Co. KG, Ansprech­partner: Herr Moritz Schmidt à Projektkoordination; Elektronik- und Firmware­entwicklung
• WALTHER Falt­systeme GmbH, Ansprech­partner: Herr Oliver van Neerven à Entwicklung des geplanten neuartigen Mehrwegladungs­trägers
• MALORG GmbH, Ansprech­partner: Herr Christian Wolfgarten à Ganzheitliche, logistische Systemplanung und -integration
• Universität Mannheim, Institute for Enterprise Systems (InES), Ansprech­partner: Herr Dr. Christian Bartelt à Entwicklung IoT-Plattform und KI-Algorithmen; Forschungs­trans­fer