Glossar

KI im Transportwesen

Was ist KI im Transportwesen?

KI im Transportwesen umfasst Anwendungen in Logistik, Verkehr und Mobilität: Routen- und Tourenplanung, Verkehrsprognosen, vorausschauende Wartung von Fahrzeugen und Infrastruktur sowie Fahrerassistenzsysteme bis hin zu autonomen Fahrzeugen. Ziele sind kürzere Wege, weniger Leerfahrten, geringere Kosten und mehr Sicherheit. Viele Anwendungen sind sicherheitskritisch und daher streng reguliert. Beispiel: Ein Paketdienst plant Zustelltouren täglich neu anhand von Sendungsmenge und Verkehrslage.

Themen

Logistik
Mobilität
Verkehr

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten

← Alle Begriffe

Verwandte Begriffe

Autonome Fahrzeuge

Autonome Fahrzeuge bewegen sich mithilfe von Kameras, Radar, Lidar und KI-Software ganz oder teilweise ohne menschliches Eingreifen. Die Norm SAE J3016 unterscheidet sechs Stufen – von 0 (keine Automatisierung) bis 5 (vollständig fahrerlos überall). KI übernimmt dabei Wahrnehmung, Vorhersage des Verhaltens anderer Verkehrsteilnehmender und Routenplanung. Neben Pkw betrifft das Robotaxis, Lkw, Shuttles und Lagerfahrzeuge; Zulassung und Haftung regelt jedes Land eigens.

Mobilität
Computer Vision
+1

Computer Vision

Computer Vision (maschinelles Sehen) ist ein Teilgebiet der KI, in dem Computer Bilder und Videos auswerten. Typische Aufgaben sind das Erkennen und Lokalisieren von Objekten, das Lesen von Text in Bildern oder das Vermessen von Bauteilen. Eingesetzt wird die Technik etwa in der Qualitätskontrolle in der Fertigung, in Fahrassistenzsystemen, in der Logistik oder in der medizinischen Bildgebung.

Bildanalyse
Deep Learning
+1

Prädiktive Analytik

Prädiktive Analytik nutzt historische Daten, Statistik und maschinelles Lernen, um wahrscheinliche künftige Ereignisse abzuschätzen. Sie beantwortet Fragen wie: Welche Kunden kündigen bald? Wie viel Ware wird nächsten Monat gebraucht? Wann fällt eine Maschine voraussichtlich aus? Die Ergebnisse sind Wahrscheinlichkeiten, keine Gewissheiten. Ihr Wert hängt stark von der Datenqualität ab und davon, ob die Vorhersagen tatsächlich in Entscheidungen und Abläufe einfließen.

Datenanalyse
Prognose
+1

Reinforcement Learning (RL)

Reinforcement Learning (verstärkendes Lernen) ist ein Teilgebiet des maschinellen Lernens, bei dem ein Agent durch Versuch und Irrtum lernt. Er handelt in einer Umgebung, erhält für gute Ergebnisse Belohnungen und für schlechte Abzüge und entwickelt so eine Strategie, die den Gesamtnutzen maximiert. Bekannte Beispiele sind Programme, die Brettspiele wie Go meistern, Robotersteuerungen oder die Feinabstimmung von Sprachmodellen anhand menschlicher Bewertungen.

Lernverfahren
Belohnung
+1