Ob Optimierung von Transportrouten, genauere Prognosen der ETA (Estimated Time of Arrival) oder automatisierte Frachtabfertigung – künstliche Intelligenz (KI) soll die Prozesse am Containerterminal effizienter und kostengünstiger gestalten. Beim Hamburger Terminalbetreiber HHLA kommt die Technologie beispielsweise im Blocklager am Container Terminal Burchardkai (CTB) zum Einsatz. Dort müssen die Boxen effizient, also zeit- und platzsparend, für den Weitertransport bereitgestellt werden. Hier hilft KI dem Lagerkransystem (LKS) dabei, stets die voraussichtlich günstigste Abstellposition vorauszusehen.
Außerdem wird KI am CTB zur Vorhersage der Verweildauer von Containern genutzt. So können bereits vor dem Entladen der Box ihre Verweildauer im Yard und die anschließenden Transportträger wie Lkw, Bahn oder Schiff prognostiziert werden. „Diese präzise Vorhersage ermöglicht eine effizientere Stapelung und Transportplanung sowie die Minimierung von Bewegungen, was die Betriebskosten und auch den Energieverbrauch senkt“, erläutert ein Sprecher der HHLA.
Im Hafen von Rotterdam wird unter anderem „Routescanner“ eingesetzt, eine Plattform zur Planung optimaler Routen in der Containerlogistik, die Verlader dabei unterstützt, mithilfe von KI nachhaltige Entscheidungen zu treffen. „Pronto“, eine kollaborative Plattform für die Schiffs- und Terminalplanung, hat sich inzwischen zu Portxchange entwickelt, einer eigenständigen Tochtergesellschaft des Hafenbetriebs Rotterdam.
Auch Nextlogic, ebenfalls eine Tochtergesellschaft des Hafenbetreibers, die ein gleichnamiges Planungssystem für die Abfertigung der Containerbinnenschifffahrt betreibt, und „Portbase“, das Hafeninformationssystem für die beiden niederländischen Seehäfen Rotterdam und Amsterdam, setzen KI ein. „Außerdem arbeiten wir an Anwendungen im Hafen, wie bald physische Objekte auf der Grundlage von KI lernen können, was von ihnen in verschiedenen Kontexten erwartet wird“, berichtet Sprecherin Sigrid Hesselink.
KI kann Verladebereitschaft für den Vorlauf berechnen
Neben den Hafenbetreibern wollen auch PortCommunity-System-Anbieter wie das Hamburger Softwareunternehmen Dakosy Prognoseverfahren rund um die Aktivitäten im Hamburger Hafen künftig mit KI durchführen. So kann etwa im Export auf Basis von Echtzeitdaten berechnet werden, wann die Ware spätestens für den Vorlauf verladebereit sein muss, um das gewünschte Schiff zu erreichen. Weiter lässt sich planen, wann der dafür benötigte Leercontainer das Depot verlassen muss.
Ebenso ist ermittelbar, ob der Exportcontainer rechtzeitig für die Weiterverladung eintrifft – wichtig vor allem für Hubs wie Umschlagbahnhöfe und Binnenhäfen im Hinterland. Kann die erwartete Bewegung und Ankunft einer Sendung im Zwischenhub vorhergesagt werden, reduziert sich die geplante Pufferzeit, sodass die Hinterlandterminals entlastet und effizienter genutzt werden können.
Auch Start-ups wie das finnische Unternehmen Awake AI beschäftigen sich mit der Optimierung der Warenströme in den Häfen. Kern ist eine KI-gesteuerte Logistikplattform, die entwickelt wurde, um die maritimen Akteure auf See, in den Häfen und an Land zusammenzubringen und den Hafenbetrieb effizienter, sicherer und nachhaltiger zu machen.
So lassen sich für Terminalbetreiber die Hafenanläufe mit KI-Einsichten optimieren, Hafenbehörden können die Nutzung ihrer vorhandenen Hafenkapazitäten maximieren, Schiffsbetreibern werden Just-in-time(JIT)- Ankünfte und schnellere Abfertigungszeiten ermöglicht und Frachteigentümer erhalten volle Transparenz über den Ladungsfluss auf See, im Hafen und an Land.
Profitieren sollen neben den Hafenbehörden, Terminalbetreibern und Reedereien auch die Verlader. Dazu zählen nach Einschätzung von Awake AI vor allem die vollständige Transparenz der Ladungsströme zwischen See, Hafen und Land, die Optimierung des Betriebskapitalzyklus für die JIT-Produktion und -Lieferung sowie bessere Planungs- und Vorhersagemöglichkeiten für Tage beziehungsweise Wochen im Voraus.
Am Fraunhofer-Center für Maritime Logistik und Dienstleistungen CML in Hamburg gibt es ebenso einige KI-Projekte mit Bezug zum Containerterminal. Hierzu zählt vor allem „Cookie“ (Containerdienstleistungen optimiert durch künstliche Intelligenz), das die Planbarkeit der Wartung und die Verfügbarkeit von Leercontainern im Hamburger Hafen verbessern soll.
Bilderkennung mithilfe von KI bei schadhaften Boxen
Im Rahmen von „Maintenance & Repair“ (Wartung und Reparatur von Leercontainern) soll die KI-basierte Bilderkennung die Inspektoren bei der Schadensidentifikation und -bewertung unterstützen und dadurch die Uniformität der Beurteilung erhöhen. Das führt zu einer besseren Sondierung von intakten und beschädigten Boxen sowie zu einer besseren Planbarkeit des Wiedereinsatzes von Leercontainern.
Im Anwendungsfeld „Tankcontainerreinigung“ soll ein optimales Reinigungsprogramm selbstständig durch ein KI-System erlernt und die Reinigungsprozedur dokumentiert werden. Es wird angestrebt, eine weitestgehende Automatisierung der Anlagen bei gleichzeitiger Steigerung der Ressourceneffizienz zu erreichen. Dabei kommen moderne Algorithmen aus dem Bereich des Reinforcement Learning zum Einsatz.
Das Projekt „Flexiking“ (fortlaufende Anpassung von Lkw-Abfertigungszeitfenstern durch flexible künstliche Intelligenz) hat vor allem die Fuhrunternehmer im Blick. Immer mehr Terminals haben Zeitfensterbuchungssysteme (ZFBS) zur Glättung von Lastspitzen eingeführt, um die Ablaufgestaltung zu verbessern. Diese Systeme unterstützen jedoch in erster Linie die Terminals, während sie für die Fuhrunternehmen die Komplexität in der Transportplanung erhöhen. Ziel des Projekts ist es daher, ein flexibles und kollaboratives ZFBS zu erarbeiten, das es beiden Parteien ermöglicht, zuvor vergebene Zeitfenster neu zu verhandeln.
„Durch Vorhersagen der Gate-Auslastung oder eine Vorhersage der Verladebereitschaft von Containern haben auch Fuhrunternehmen die Möglichkeit, ihre Tourenplanung an die jeweiligen Gegebenheiten anzupassen und damit Standzeiten zu verringern und ihre Produktivität zu verbessern“, unterstreicht Patrick Specht, wissenschaftlicher Mitarbeiter am Institut für Seeverkehrswirtschaft und Logistik (ISL).
Bei all den spannenden Ansätzen gilt es jedoch, einige grundsätzliche Herausforderungen zu bewältigen. Insbesondere in komplexen Umgebungen wie Containerterminals kann die Sammlung und Verarbeitung großer Mengen an qualitativ hochwertigen Daten, die KI-Systeme benötigen, schwierig sein. Hinzu kommt, dass KI-Technologien in bestehende Systeme und Prozesse integriert werden müssen, was oft umfangreiche Anpassungen und Schulungen voraussetzt.
Darüber hinaus kann der Datenschutz ein Thema werden, wenn es um sensible Daten wie Standortinformationen und persönliche Angaben geht. Zudem führt der Einsatz von KI möglicherweise zu grundlegenden Veränderungen von Arbeitsabläufen und -prozessen, sodass auch die Mitarbeiter frühzeitig einbezogen werden sollten.
