Die Datenrevolution in der Schifffahrt
in Trends von Raghib Raza
Künstliche Intelligenz in der Welt von heute:
KI oder künstliche Intelligenz ist ein Sammelbegriff, der sich auf viele Computersysteme bezieht, die in der einen oder anderen Form über "Intelligenz" verfügen, auch wenn das Programm in hohem Maße von Menschen überwacht wird. Dennoch machen "enge KI" (KI, die keine allgemeine Autonomie besitzt), obwohl sie weit weniger interessant ist, weit mehr von dem aus, was die Gesellschaft heute als KI wahrnimmt.
Die Stärke einer KI liegt darin, die zugrundeliegenden Muster zu erkennen und Schlüsse aus Daten zu ziehen, die für menschliche Analysefähigkeiten zu komplex sind, und dementsprechend Lösungen für Probleme zu finden. Diese können bei der Diagnose von Problemen und der Suche nach neuen Lösungen von unschätzbarem Wert sein, und zwar nicht nur in Unternehmen, sondern in einer Vielzahl von Bereichen, die von banalen Verkehrsflussproblemen bis hin zu komplexen neurowissenschaftlichen Problemen reichen. Laut einer weltweiten McKinsey-Umfrage steigt der Einsatz von KI in Unternehmen von Jahr zu Jahr um 25 %.
KI in der Schifffahrtsbranche:
Die Logistik ist ein Bereich, der in hohem Maße von KI profitieren kann. Es ist ziemlich intuitiv zu begreifen, dass die Rohdaten, richtig verarbeitet, logistische Engpässe aufzeigen. Sie können auch dazu verwendet werden, Simulationen durchzuführen und Lösungen zu testen, um diese Engpässe zu beseitigen. Die Schifffahrtsbranche legt großen Wert auf Optimierung und ist daher relativ frei von offensichtlichen Hindernissen, aber KI kann noch einen Schritt weiter gehen und durch Feinabstimmung von Abläufen wie Container-Routing, Betankung usw. Verbesserungen erzielen, die allen zugute kommen.
Völlig autonome Schiffe sind das erste, was einem in den Sinn kommt, wenn man an KI in der maritimen Industrie denkt. Das erste vollständig autonome Schiff Schiff wurde von Rolls Royce auf den Markt gebracht und 2018 vorgeführt. Die Mayflower Autonomous Ship (MAS), ein autonomes Trimaran-Forschungsschiff Schiff , ging am 15. September 2020 auf ihre erste Reise. Die Mayflower Autonomous Ship ( Schiff ) wurde von IBM, ProMare und anderen gemeinsam entwickelt, um kritische Themen wie die globale Erwärmung, die Verschmutzung durch Mikroplastik und den Schutz von Meeressäugern zu untersuchen.
Das in Boston ansässige Startup Sea machine robotics baut ferngesteuerte Schiffe und völlig autonome Schiffe für kommerzielle Zwecke. Das Unternehmen bietet auch ein System für Arbeitsschiffe an, mit dem ältere Schiffe für weniger als 100.000 USD nachgerüstet werden können. Sea Machine hat vor kurzem einen Vertrag mit Maersk über den Einsatz von Situationsbewusstseinstechnologie bekannt gegeben, die auf die Eisklasse Schiffe angewendet werden soll. Sea Machines geht davon aus, dass dadurch die Betriebskosten um 40 Prozent gesenkt und die Produktivität der Schiffe um 200 Prozent gesteigert werden können.
Silo.AI und Awake.AI, zwei private KI-basierte Unternehmen, arbeiten zusammen, um das Situationsbewusstsein in der Hafenlogistik zu verbessern. Ihre Programme haben zu besseren Vorhersagen der Ankunftszeiten von Schiffen geführt, was einer Verbesserung von über 80 % entspricht. Außerdem ist es ihnen gelungen, die schwierige manuelle Analyse von Schiffsrouten zu automatisieren. Dies beschleunigt die Planung der Frachtlogistik und verbessert auch die Fähigkeit, potenzielle Ausnahmen zu erkennen, die unterwegs auftreten können, so dass proaktiv Lösungen angewendet werden können. Die Anwendung von KI in den Häfen trägt auch zu einer effizienteren Automatisierung bei, indem sie die Ankunft von Ladung vorhersagt und dadurch andere Fahrzeuge wie Bagger und Gabelstapler so mobilisiert, dass die Leerlaufzeit minimiert wird.
Die zu bewältigenden Herausforderungen:
So undurchdringlich und unbesiegbar die KI in den heutigen Medien auch erscheinen mag, sie ist nicht frei von Irrtümern. Eine KI ist keine magische Kugel, die alle Antworten hat. Bei komplexen Problemen bedarf es großer Fähigkeiten, um Lösungen zu finden, während andere vielleicht gar nicht lösbar sind.
Viele Experten sind der Meinung, dass der wichtigste Teil der meisten KI der verfügbare Datensatz ist. Ein Mangel an guten Quelldaten kann eine KI völlig lähmen. Der Mangel an sensorischen Daten an Bord der meisten Schiffe und die mangelnde Bereitschaft, Daten zu teilen, um sich einen Wettbewerbsvorteil zu verschaffen, können das Wachstum in diesem Bereich behindern. Ein weiteres Problem sind ungenaue oder fehlerhafte Daten. Wenn Daten über die gesamte Lieferkette hinweg gesammelt werden, ist die Wahrscheinlichkeit groß, dass sich Fehler in die Eingabedaten einschleichen, insbesondere wenn die Daten von Mitarbeitern gesammelt werden, die mit den Feinheiten einer KI nicht vertraut sind.
Ein weiterer großer Nachteil ist der Mangel an Fachwissen. Bei den meisten engen KI-Systemen ist der Aufbau eines Rahmens, der Daten ordnungsgemäß verarbeiten und analysieren kann, eine Fähigkeit, die leider Mangelware ist. So sehr das Feld der KI auch aufgeblüht ist, viele Unternehmen beklagen den Mangel an Fachkräften in diesem Bereich.
Die drohende Angst vor der Übernahme von Arbeitsplätzen durch die KI ist vielleicht nicht ganz unbegründet. Im Zuge der "Optimierung" der Lieferkette und der Logistikbranche besteht eine begründete Wahrscheinlichkeit, dass einige Arbeitsplätze überflüssig werden. Ein gutes Beispiel dafür ist, dass 30 % der Kosten einer Schiffsreise auf die Entlohnung der Besatzung entfallen, so dass die Reedereien durch die Umstellung auf völlig autonome Schiffe einen ordentlichen Gewinn erzielen könnten.
Die Vorteile der KI-Integration:
Wie jeder andere Bereich kann auch die Schifffahrtsbranche von der Datenrevolution profitieren. Die Erstellung optimierter Routen zur Einsparung von Treibstoff und zur Vermeidung von Hindernissen, die Steuerung von Hafen- und Schiffsausrüstungen und die Vorhersage der Verschlechterung des Schiffszustandes sind nur die Spitze des Eisbergs. Hitachi Europe Ltd. Partnerschaft mit Stena Line, einer der größten Reedereien Europas, bei der Implementierung von KI auf Schiffen zur Reduzierung des Treibstoffverbrauchs im Rahmen der Umweltinitiative.
Im Juni 2017 wurde der Schifffahrtsriese Maersk Co. Opfer eines Cyberangriffs, der dem Unternehmen einen Schaden von über 300 Millionen Dollar zufügte. Cybersecurity-Bedrohungen gehen in der Regel ungewöhnliche Netzwerkaktivitäten voraus. Eine KI kann den Netzwerkverkehr untersuchen und Netzwerkanomalien erkennen, die zu subtil sind, um von Menschen bemerkt zu werden.
Die Verbesserung der Sicherheit ist ein weiterer Aspekt, der nicht zu vernachlässigen ist. 75 % der Unfälle auf See werden durch die menschliche Komponente der maritimen Industrie verursacht (Allianz 2019). Es besteht also eine zunehmende Abhängigkeit von KI, nicht nur um die Besatzung zu entlasten, sondern auch um Wettermuster, Kriminalitätsschwerpunkte, technische Anomalien, Hafenbedingungen usw. zu erkennen und eine fundierte Entscheidung zu treffen, die für alle von Vorteil ist.
Neben den unzähligen anspruchsvollen und komplexen Problemen, die durch den Einsatz von KI gelöst werden, gibt es auch ganz alltägliche Aspekte wie die Bearbeitung von Papierkram. Die Schifffahrtsbranche ist berüchtigt für die riesigen Mengen an Papierkram, die jeden Tag akribisch abgeheftet werden müssen. Während dies für Menschen eine entmutigende Aufgabe ist, sind Computer für solche Aufgaben besonders geeignet und können die Arbeit ohne Fehler viel wirtschaftlicher erledigen.
In der globalen Lieferkette gibt es naturgemäß große Ineffizienzen. KI wird im Laufe der Zeit unweigerlich in immer mehr Bereichen der Schifffahrtsbranche Einzug halten. Nautic Expo geht davon aus, dass die Einnahmen aus dem Frachtverkehr aufgrund der weit verbreiteten Einführung von KI von 166 Milliarden Dollar im Jahr 2017 auf 205 Milliarden Dollar im Jahr 2023 steigen werden.
FleetMon und KI-Technologie:
"Die korrekte Vorhersage von aufeinanderfolgenden Hafen-zu-Hafen-Routen spielt eine wesentliche Rolle in der maritimen Logistik und ist daher für viele weitere Aufgaben wie die genaue Vorhersage der voraussichtlichen Ankunftszeit unerlässlich."
(D. Marten, C. Hilgenfeld, A. Heuer 2020, S. 2)
FleetMon arbeitet an einem skalierbaren KI-basierten Ansatz zur Vorhersage kommender Hafenziele von Schiffe auf der Grundlage historischer AIS-Daten. Die entsprechende Methode ist hauptsächlich als Ersatz für Fälle gedacht, in denen der AIS-Zieleintrag eines Schiff nicht interpretierbar ist. Es ist uns gelungen, eine stabile und effiziente datenbankinterne KI-Lösung zu finden, die auf Markov-Modellen basiert und für massiv parallele Vorhersageaufgaben mit hoher Genauigkeit geeignet ist. Die Forschungsarbeit ist Teil eines geförderten Projekts namens PRESEA ("Real-time based maritime traffic forecast"). Das PRESEA-Projekt wird vom deutschen Bundesministerium für Wirtschaft und Energie (BMWi) gefördert. Die Projektträgerschaft liegt beim Projektträger Jülich (PtJ) im Rahmen der Ausschreibung "Echtzeittechnologien für die maritime Sicherheit". Das Projekt läuft von Juni 2019 bis November 2021.
Wenn Sie mehr über diesen KI-basierten Ansatz erfahren möchten, lesen Sie bitte das von zwei unserer Datenexperten veröffentlichte Open-Source-Papier:
