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. Expertenschätzungen 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 Anwenderinnen und Anwender 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 und -zulieferer oder Logistikdienstleister.

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 Mitarbeiter 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

  • 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
Zurück