© 2024 House of Logistics and Mobility (HOLM) GmbH

Projekte der Innovationsförderung: DeepLearningCargo

Frankfurt am Main, 27.04.2021 – Das Land Hessen und die HOLM GmbH unterstützen seit 2014 im Rahmen der hessischen Innovationsförderung innovative Projekte und Vorhaben im Bereich Logistik und Mobilität. Inzwischen sind zahlreiche Ideen aus Mitteln des Landes und unter der Projektträgerschaft der HOLM GmbH und der HA Hessen Agentur GmbH gefördert und viele Projekte abgeschlossen worden. Die Projekte werden hier in loser Folge vorgestellt.

Heute: DeepLearningCargo. Prof. Dr. Ulrich Schwanecke, Professor für Computer Graphics and Vision an der Hochschule RheinMain, hat unsere Fragen über das Projekt beantwortet.

Wie ist die Idee für das Projekt entstanden?
Die Idee ist während des Projekts „Smart Air Cargo Trailer (SAT)“ entstanden, das mein Kollege Prof. Dr. Benjamin Bierwirth und ich zwischen 2018 und 2019 durchgeführt haben. Dabei ging es um die Optimierung von Abläufen in der internen Transportlogistik der Cargo City Süd des Frankfurter Flughafens. Das SAT-Projekt konzertierte sich auf die automatisierte Erfassung der Packstückinformationen, kodiert in den Aufklebern der Luftfrachtbriefe. DeepLearningCargo hat das Ziel, die in SAT entwickelten Lösungen mithilfe neuer Methoden aus dem Bereich der Künstlichen Intelligenz zu verbessern und um die Erfassung weiterer Merkmale, zum Beispiel Gefahrgutkennzeichnungen oder Paketvolumen, zu ergänzen.

Welche Bedeutung hat/hatte die HOLM-Innovationsförderung für das Projekt?
Eine große Bedeutung. Ohne die Förderung wäre das Projekt nicht realisierbar gewesen. Auf die HOLM-Innovationsförderung wurde ich durch meinen Kollegen Prof. Dr. Benjamin Bierwirth aufmerksam. Die Förderung hat die interdisziplinäre Zusammenarbeit ermöglicht.

Welchen Nutzen für Wirtschaft und/oder Wissenschaft/Politik/Gesellschaft sehen Sie für Ihr Projekt?
Das Projekt hat große Bedeutung in der Logistik. An vielen Stellen erfolgt die Abfertigung von Luftfracht noch rein manuell. Dies ist zeitaufwändig und fehleranfällig. Im Rahmen des Projekts DeepCargoLearning werden Methoden entwickelt, um Frachtstücke automatisch zu vermessen und darauf angebrachte Barcodes sowie Gefahrgutkennzeichnungen zu detektieren. Dadurch kann der gesamte Logistikprozess der Luftfracht deutlich schneller und kosteneffizienter gestaltet werden.

Was hat Sie am Projekt am meisten überrascht?
Die Vielfalt an unterschiedlichen Frachtstücken. Da es unzählige verschiedene Frachtstücke gibt, wird wohl auch nach dem Projekt noch ein gewisser Prozentsatz an Frachtstücken händisch vermessen und kontrolliert werden müssen. Die Komplexität der Fragestellung ist hier höher als ursprünglich gedacht.

Wo sehen Sie einen weiteren Forschungs-/Anwendungsbedarf und/oder Einsatzbereich?
Die Ergebnisse des Projekts sind nicht auf den Bereich Luftfracht beschränkt. Sie können in allen Bereichen der Logistik eingesetzt werden. Dabei ist aufgrund der großen Variabilität einzelner Frachtstücke weitere Forschungs- und Entwicklungsleistung notwendig.

Mit welchen Partnern möchten/wollen Sie das Projekt ggf. fortführen/weiter entwickeln?
Gerne würde ich das Projekt weiterhin mit den aktuellen Partnern aus dem Bereich der Luftfracht und insbesondere auch Prof. Bierwirth fortführen. Aber auch neue Partner im Bereich der Logistik wären sehr interessant.

Bild: Prof. Schwanecke | HS RM

Projekte der Innovationsförderung: DeepLearningCargo