Internationales Verkehrswesen (75) 3 | 2023 48 KI und Beladeoptimierung im-Kombinierten Verkehr Datengetriebene Planung als Instrument zur Erreichung der-Klimaziele Digitalisierung, Netzwerkoptimierung, Schienengüterverkehr Die Künstliche Intelligenz und datengetriebene Beladeoptimierung in kombiniertem Straßen-/ Schienengüterverkehr spielen eine wichtige Rolle zur Erreichung der Klimaziele. Um den Anforderungen einer zunehmenden Nachfrage gerecht zu werden, besteht die Notwendigkeit effizienter Beladeplanung. Digitale Technologien und KI können genau hierzu beitragen und haben das Potential, die Auslastung im gesamten Schienennetz zu steigern. Die Digitalisierung im Schienengüterverkehr ermöglicht ein tiefes Verständnis der technischen und betrieblichen Anforderungen im KV, um das volle Potential der digitalen Innovationen auszuschöpfen. Ralf Elbert, Yuerui Tang D ie gegenwärtige Epoche ist geprägt durch die essenzielle Notwendigkeit, den Kombinierten Straßen-/ Schienengüterverkehr (KV) zu stärken. Bundesverkehrsminister Dr. Volker Wissing unterstreicht diese Bedeutung mit Verweis auf eine ansteigende Nachfrage, die nur durch eine effiziente und zeitgemäße Verkehrs- und Digitalinfrastruktur bewältigt werden kann [1]. In Bezug auf die CO 2 -Ziele, deren Erreichung eine dringliche Reduzierung der Emissionen erfordert, kann der KV, so die Prognose der Beschleunigungskommission, eine maßgebliche Rolle einnehmen, indem er im Vergleich zum reinen Straßentransport bis zu 90 % weniger emittiert [2]. Der KV ist eine Art der Güterbeförderung, bei der eine standardisierte Ladeeinheit, z. B. ein Sattelanhänger, ein Wechselbehälter oder ein Container von mindestens 20 Fuß Länge die Zu- und Ablaufstrecke auf der Straße sowie den Großteil der Strecke auf der Schiene zurücklegt [3]. Dieses System vereint die KV-Umschlag im DUSS-Terminal Frankfurt (Main) Ost Foto: Autoren LOGISTIK Digitalisierung Internationales Verkehrswesen (75) 3 | 2023 49 Digitalisierung LOGISTIK Vorteile der verschiedenen Verkehrsträger, wie etwa die Umweltverträglichkeit und Kapazität der Schiene sowie die Flexibilität der Straße, und ermöglicht dadurch eine effizientere Nutzung der Ressourcen sowie der notwendigen Infrastruktur. Dadurch entsteht immer mindestens ein Umschlag zwischen Straße und Schiene. Aktueller Stand der Beladeplanung für KV-Züge Eine optimale Abwicklung der Umschläge ist von großer Bedeutung, um die Kapazitätsauslastung zu steigern und die Sicherheit des Personals zu gewährleisten. Bisher beruht die erfolgreiche Beladung der Wagen während des Umschlags vorrangig auf den individuellen Erfahrungen der Kranführer und Lademeister. Fehler in der Beladung können jedoch die Effizienz im Betriebsablauf beeinträchtigen und im Extremfall die Sicherheit des Personals und anderer Verkehrsteilnehmer gefährden. Außerdem sind Plätze auf Zügen knappe Ressourcen und müssen effizient und damit auch kostenoptimiert eingesetzt werden. Bei der Beladeplanung für Güterzüge befasst sich die Literatur mit dem Train-Loading-Problem. Dabei geht es um die Optimierung der Zugbeladung unter Berücksichtigung verschiedener Faktoren während der Buchungs- und Planungsphasen [4]. Verschiedene Waggontypen weisen unter anderem unterschiedliche Längen, Achsenzahlen, Höchstlasten und Zapfenpositionen auf, um unterschiedliche Ladeeinheiten aufnehmen zu können. Die Umsetzbarkeit der Platzierung einer Ladeeinheit wird in erster Linie durch die Berechnung der resultierenden Achslasten überprüft. Die Zuordnung einer Ladeeinheit zum Laderaum erfolgt jedoch in der operativen Planung nach Beladeschemata, die speziell für jeden Wagentyp berechnet sind (Bild 1). Die möglichen Kombinationen von beladenen Ladeeinheiten auf einem Waggon sind somit endlich und können in Planungsmodellen abgebildet werden [5]. Nach Heggen et al. [6] lassen sich verschiedene Ziele und Nebenbedingungen unterscheiden. Während Ziele wie Kostenund/ oder Zeitminimierung oder Auslastungsmaximierung in erster Linie von dem KV-Operateur beeinflusst werden, der für die Formulierung und Überarbeitung des Ladeplans verantwortlich ist, werden Nebenbedingungen in erster Linie durch technische Anforderungen bestimmt [7]. Aus den Ergebnissen der durchgeführten Fokusgruppeninterviews geht hervor, dass mehrere reale Einschränkungen, wie beispielsweise Transportzeitbeschränkungen und unterschiedliche Gewichts- und Längenbeschränkungen für verschiedene Arten von Ladeeinheiten, Wagen und Zuggarnituren, besondere Beachtung finden müssen. Die integrierte Beladungsplanung auf aggregierter Ebene, die die Kapazitätsauslastung des gesamten Schienennetzes berücksichtigt und entscheidet, ob Güter mit Direkt- oder Gateway-Zügen transportiert werden, hat bisher nur wenig Beachtung gefunden [8]. Es ist ein wiederkehrendes Problem, dass Anschlusszüge voll beladen sind und daher Ladeeinheiten nicht weiter transportiert werden können. Dies resultiert aus einem Mangel an Daten und darauf basierenden Lösungsverfahren für den Planer über den Grad der Auslastung des Anschlusszugs und die Verfügbarkeit von geeigneten Plätzen. Digitaler Wandel erreicht die Beladeoptimierung im KV Die Digitalisierung nimmt eine entscheidende Rolle bei der Bewältigung dieser Herausforderungen ein. Im Rahmen des Projekts „KV 4.0“ wurde eine zentrale Datendrehscheibe entwickelt, die allen beteiligten Akteuren direkten Zugriff auf transportrelevante Parameter des Kombinierten Verkehrs ermöglicht [9]. Auf die damit verfügbaren begründet sich das vom Bundesministerium für Digitales und Verkehr geförderte Forschungsprojekt „KIBA - Künstliche Intelligenz und diskrete Beladeoptimierungsmodelle zur Auslastungssteigerung in Kombinierten Verkehr“, an dem das Fachgebiet Unternehmensführung und Logistik der Technischen Universität Darmstadt beteiligt ist. Weitere Projektpartner sind: Kombiverkehr Deutsche Gesellschaft für kombinierten Güterverkehr mbH & Co. KG (Konsortialführer), Goethe Universität Frankfurt, Deutsche Umschlaggesellschaft Schiene-Straße (DUSS) GmbH, VTG Rail Europe GmbH, INFORM GmbH und KombiConsult GmbH. Eine Herausforderung im Forschungsprojekt besteht darin, ein robustes Optimierungsmodell zu entwickeln, das die Auslastung im gesamten Schienennetz maximiert und dabei Planungsunsicherheiten, wie die Volatilität der Nachfrage, berücksichtigt. Ein wichtiger Aspekt ist hierbei die vorausschauend optimierte Beladeplanung bei sequenziell eingehenden Ladeeinheiten. Diese Planungsunsicherheiten sollen durch Verfahren der Künstlichen Intelligenz adressiert werden, was gleichzeitig die Resilienz und Reaktionsfähigkeit bei Störungsereignissen erhöhen kann. Durch die Standardisierung von Datenformaten verschiedener europäischer Wagenhalter in einer gemeinsamen Datenbank und die Erfassung und Bereitstellung elektronischer Fahrplandaten in einem einheitlichen Datenstandard, das EDIGES4.0-Format in einer zentralen Datendrehscheibe, soll die angestrebte Beladeoptimierung im Transportnetzwerk ermöglichen werden. Auf diese Weise können sämtliche Transportinformationen - von Fahrplan, über Buchung - bis hin zu Terminal- und Zugstatusmeldungen sowie Ankunftsprognosen - elektronisch ausgetauscht werden. Durch die geplante Digitalisierung der Zugbeladung können die Verkehrsträger Straße und Schiene zu einem integrierten Verkehrssystem zusammenwachsen. Die zuvor aufgezeigte Forschungslücke auf der Netzwerkebene, für die es unserem Kenntnisstand nach derzeit keine Optimierungsmodelle gibt, kann mithilfe der durch die Datendrehscheibe zur Verfügung gestellten Informationen bearbeitet werden. Ein wichtiger Aspekt ist die Entscheidung, ob eine Ladeeinheit mit Direkt- oder Gateway-Zügen befördert werden soll. Direkte Züge ermöglichen zwar eine schnellere Beförderung, da Umwege über Umschlagsterminals vermieden werden. Aber sie sind möglicherweise nicht für jedes Start- und Endknoten-Paar verfügbar oder die entsprechenden Ladeplätze im Direktzug sind bereits ausgebucht. Folglich ist es von entscheidender Bedeutung, zu bestimmen, welche Ladeeinheiten über welche Züge geleitet werden sollen und wie dies am effizientesten geschieht [8]. Auf diese Weise wird gewährleistet, dass jede Ladeeinheit ? Bild 1: Schematische Darstellung der Beladeplanung für einen KV-Zug Eigene Darstellung Internationales Verkehrswesen (75) 3 | 2023 50 LOGISTIK Digitalisierung auf jeder Strecke einen geeigneten Platz erhält, ohne die Pläne anderer Ladeeinheiten zu durchkreuzen oder aufgrund mangelnder Ladekapazitäten auf einem ihrer Anschlusszüge selbst an Umschlagterminals aufgehalten zu werden. Die Bewältigung dieser Herausforderung durch Optimierung der Lastplanung würde die Gesamteffizienz und Kapazitätsauslastung der KV-Netzwerke verbessern. Die Untersuchung des mathematischen Modells Train Loading Problem zusammen mit einer Routing-Entscheidung und diskreten Simulationsmodellen auf der Netzwerkebene sowie der Einsatz von Algorithmen des maschinellen Lernens zur Vorhersage von Aufträgen auf der Grundlage historischer realer Verkehrsdaten sind einige der möglichen Ansätze, um einen Beitrag zur Schließung dieser Forschungslücke zu leisten und die Nachhaltigkeit und Kosteneffizienz im Güterverkehr zu verbessern. Die Kombination von künstlicher Intelligenz und mathematischer Optimierung bietet neue wissenschaftliche Erkenntnisse für die intelligente Beladungssteuerung und besitzt daher für den Kombinierten Verkehr großes Potential. Zusammenfassung und weitere Entwicklung Insgesamt zeigt sich, dass der Kombinierte Verkehr eine entscheidende Rolle bei der Erreichung der Klimaziele spielt und durch den Einsatz von Digitalisierung und künstlicher Intelligenz weiter verbessert werden kann. Dabei eröffnen vor allem die Möglichkeiten der Datendrehscheibe in Form des EDIGES4.0-Standards, kombiniert mit der Entwicklung von Optimierungsmodellen und dem Einsatz maschinellen Lernens, neue Perspektiven für eine effiziente Beladeplanung und Netzwerkoptimierung. Es ist jedoch wichtig, zu betonen, dass ein tiefgreifendes Verständnis der technischen und betrieblichen Anforderungen im Kombinierten Verkehr unerlässlich bleibt und in die Planungs- und Optimierungsmodelle integriert werden muss. Nur so lässt sich das volle Potential ausschöpfen und zur Verbesserung von Nachhaltigkeit und Kosteneffizienz im Güterverkehr beitragen. ■ Wir bedanken uns für die Förderung durch das Bundesministerium für Digitales und Verkehr der Bundesrepublik Deutschland. LITERATUR [1] Balser, M. (2023): Lkw-Boom: Warum Verkehrsminister Wissing Straßen ausbauen will. Süddeutsche Zeitung, 03.03.2023. www.sueddeutsche.de/ wirtschaft/ wissing-autobahnen-prognose-autoslkw-strassenausbau-1.5762065 (Abruf: 20.06.2023). [2] Verkehrsforum (2022): Schiene: Große Erwartungen an die Beschleunigungskommission. www.verkehrsforum.de/ de/ service/ newsletter/ 2022-12-13-newsletter-nr-4-dezember-2022/ 2022- 12-15-schiene-grosse-erwartungen-die-beschleunigungskommission (Abruf: 20.06.2023). [3] Bundesministerium für Digitales und Verkehr (2022): Richtlinie zur Förderung von Investitionen in Umschlaganlagen des Kombinierten Verkehrs. https: / / bmdv.bund.de/ SharedDocs/ DE/ Anlage/ G/ foerder richtlinie-von-umschlaganlagen-des-kombinierten-verkehrs. pdf? __blob=publicationFile (Abruf: 20.06.2023). [4] Nehring, K.; Kłodawski, M.; Jachimowski, R.; Klimek, P.; Vašek, R. (2021): Simulation analysis of the impact of container wagon pin configuration on the train loading time in the intermodal terminal. Archives of Transport, Vol. 60, No. 4, pp. 155-169. doi: 10.5604/ 01.3001.0015.6928. [5] Bruns, F.; Knust, S. (2012): Optimized load planning of trains in intermodal transportation. OR Spectrum, Vol. 34, No. 3, pp. 511-533. doi: 10.1007/ s00291-010-0232-1. [6] Heggen, H.; Braekers, K.; Caris, A. (2016): Optimizing Train Load Planning: Review and Decision Support for Train Planners. In: Computational Logistics (Eds: . Paias, A.; Ruthmair, M.; Voß, S.) Springer International Publishing, pp. 193-208. [7] Heggen, H.; Braekers, K.; Caris, A. (2017): A multi-objective approach for intermodal train load planning. OR Spectrum, 1 Jan. 2017. doi: 10.1007/ s00291-017-0503-1. [8] Elbert, R.; Tang, Y. (2023): Train Load Planning for Intermodal Rail Operators in a Hub-and-Spoke Network. Conference proceeding (contribution accepted, not published yet) Logistic Management Conference. [9] BMDV: Digitalisierung intermodaler Lieferketten durch die Entwicklung einer gemeinsamen Datendrehscheibe zur informationstechnischen Abbildung der gesamten physischen Transportkette - KV 4.0. https: / / bmdv.bund.de/ SharedDocs/ DE/ Artikel/ DG/ mfundprojekte/ kv4.html (Abruf: 20.06.2023). Ralf Elbert, Prof. Dr. Leiter des Fachgebiets Unternehmensführung und Logistik, Technische Universität Darmstadt elbert@log.tu-darmstadt.de Yuerui Tang, M.Sc. Wissenschaftlicher Mitarbeiter, Fachgebiet Unternehmensführung und Logistik, Technische Universität Darmstadt tang@log.tu-darmstadt.de DAS FACHMAGAZIN ZUM URBANEN WANDEL www.transforming-cities.de Digitalisierung versus Lebensqualität Big Data | Green Digital Charter | Kritische Infrastrukturen | Privatheit | Sharing-Systeme 1 · 2016 Was macht Städte smart? URBANE SYSTEME IM WANDEL. DAS TECHNISCH-WISSENSCHAFTLICHE FACHMAGAZIN Mit veränderten Bedingungen leben Hochwasserschutz und Hitzevorsorge | Gewässer in der Stadt | Gründach als urbane Klimaanlage |Baubotanik 1 · 2017 Stadtklima URBANE SYSTEME IM WANDEL. DAS TECHNISCH-WISSENSCHAFTLICHE FACHMAGAZIN Lebensmittel und Naturelement Daseinsvorsorge | Hochwasserschutz | Smarte Infrastrukturen | Regenwassermanagement 2 · 2016 Wasser in der Stadt URBANE SYSTEME IM WANDEL. DAS TECHNISCH-WISSENSCHAFTLICHE FACHMAGAZIN URBANE SYSTEME IM WANDEL. DAS TECHNISCH-WISSENSCHAFTLICHE FACHMAGAZIN Verbrauchen · Sparen · Erzeugen · Verteilen Energiewende = Wärmewende | Speicher | Geothermie | Tarifmodelle | Flexible Netze | Elektromobilität 2 · 2017 2 · 2017 Stadt und Energie URBANE SYSTEME IM WANDEL. DAS TECHNISCH-WISSENSCHAFTLICHE FACHMAGAZIN Erlebnisraum - oder Ort zum Anbau von Obst und Gemüse Urban Farming | Dach- und Fassadenbegrünung | Grüne Gleise | Parkgewässer im Klimawandel 3 · 2016 Urbanes Grün URBANE SYSTEME IM WANDEL. DAS TECHNISCH-WISSENSCHAFTLICHE FACHMAGAZIN UUR Die Lebensadern der Stadt - t für die Zukunft? Rohrnetze: von Bestandserhaltung bis Digitalisierung | Funktionen von Bahnhöfen | Kritische Infrastrukturen 4 · 2016 Städtische Infrastrukturen URBANE SYSTEME IM WANDEL. DAS TECHNISCH-WISSENSCHAFTLICHE FACHMAGAZIN Die Vielschichtigkeit von Informationsströmen Smart Cities | Automatisierung | Mobilfunk | Urbane Mobilität | Datenmanagement | Krisenkommunikation 3 · 2017 Urbane Kommunikation URBANE SYSTEME IM WANDEL. DAS TECHNISCH-WISSENSCHAFTLICHE FACHMAGAZIN Angri ssicherheit · Betriebssicherheit · gefühlte Sicherheit IT-Security | Kritische Infrastrukturen | Notfallkommunikation | Kaskadene ekte | Vulnerabilität | Resilienz 4 · 2017 4 · 2017 Sicherheit im Stadtraum URBANE SYSTEME IM WANDEL. DAS TECHNISCH-WISSENSCHAFTLICHE FACHMAGAZIN Was macht Städte smart? Soft Data | IT-Security | Klimaresilienz | Energieplanung | Emotionen | Human Smart City | Megatrends 1 · 2018 Die intelligente Stadt URBANE SYSTEME IM WANDEL. DAS TECHNISCH-WISSENSCHAFTLICHE FACHMAGAZIN TranCit für IV.indd 1 TranCit für IV.indd 1 16.08.2021 10: 42: 44