SlideShare ist ein Scribd-Unternehmen logo
1
Substitution der Akteur-
Beteiligung durch KI und BI
am Beispiel eines Logistik-
Projekts in den Neuss-
Düsseldorfer Häfen
Beitrag zur LWDA2020 11.09.2020
Claus Brell, Ralf Kuron, Wilhelm Mülder
Niederrhein University of Applied Sciences, Institut GEMIT
Überblick
1. Projekt: Ausgangspunkt, Zielsetzung, Methodik
2. Gladbacher Crowd Solving Konzept
3. Informationsdrehscheibe, Dashboard und KI-Kameras
4. Erkenntnisse
5. Fazit
2
Crowd Solving – Intelligente
Infrastrukturnutzung
am Beispiel der Neuss-Düsseldorfer Häfen
04.2017 – 07.2020
Prof. Dr. Wilhelm Mülder, Prof. Dr. Claus Brell, Ralf Kuron, Diana Klein
Prof. Dr. André Schekelmann, Katharina Patzelt, Christian Salz,
Abdullah Shams, Sebastian Schmetz
Das Projekt
3
Zeitplan
4
Befragungen
2016
2017
2018
2019
5
Untersuchungsobjekt: Hafen, Anrainer, Fahrer
6
Ausgangslage
• Neuss-Düsseldorfer Häfen: Verkehrsknotenpunkt + Gewerbegebiet
• Kein weiteres Flächenwachstum möglich
• Zeitverluste durch LKW-Staus & Hafenbahn
• Begrenzte Parkflächen für LKW und PKW
• Intelligente Konzepte nötig, um steigende Logistikintensität in Zukunft
zu bewältigen
7
Ausgangslage Impression Autobahnausfahrt
8
Gefördert durch:
Projektpartner:
Partner und Förderung
Industrie-Partner
Ambrogio GmbH
ATN Autoterminal Neuss GmbH & Co. KG
BCA Autoauktionen
BLG AutoTransport GmbH & Co. KG
Contargo Neuss GmbH
Essity Hygiene Products GmbH
Göldner Spedition+Logistik GmbH
Raiffeisen Waren-Zentrale Rhein-Main eG, Logistik Nord
Knauf Gips KG
Logistikregion Rheinland e.V.
M. Zietzschmann GmbH & Co. KG
Neuss-Düsseldorfer Häfen GmbH & Co. KG
Neuss Trimodal GmbH
Walter Rau Neusser Öl und Fett AG
9
Ziel und Methode
• Verkehrssituation in den Neuss-Düsseldorfer Häfen verbessern
• Lösungsansatz Crowd-Solving:
Jeder Akteur im Hafen trifft Logistik-Entscheidungen auf Basis
aktueller logistikrelevanter Informationen
• Neben innovativer Logistik sind soziale und ökologische Ziele
wichtig.
10
Gladbacher Crowd Solving Konzept
11
Gladbacher Crowd Solving Konzept - Eckpunkte
12
i. Akteure erhalten für ihr Handeln relevante Informationen.
ii. Verhalten der Akteure passt sich an Informationslage an.
=> Durch angepasstes Verhalten: Die (Verkehrs-) Lage
verbessert sich auch für alle anderen.
iii. Jeder Akteur liefert Informationen, die in einer
Datendrehscheibe agglomeriert und distribuiert werden.
iv. Informationen werden durch zusätzliche Daten (Wetter,
Stauinfos …) angereichert
Gladbacher Crowd Solving Konzept – Problem 1
13
i. Akteure erhalten für ihr Handeln relevante Informationen.
ii. Verhalten der Akteure passt sich an Informationslage an.
=> Durch angepasstes Verhalten: Die (Verkehrs-) Lage
verbessert sich auch für alle anderen.
Annahme: Fahrer müssen dazu motiviert werden, Ihr Verhalten zu
ändern.
Lösungsansatz: Gamification
Gladbacher Crowd Solving Konzept – Problem 2
14
iii. Jeder Akteur liefert Informationen, die in einer
Datendrehscheibe agglomeriert und distribuiert werden.
Bereitschaft, operative Daten beizusteuern, geringer als zu
Projektbeginn angenommen.
Erklärungsansatz: 90 – 9 – 1 Regel*
(*) Nielsen, J.: Participation Inequality: Encouraging More Users to Contribute. In: Nielsen Norman Group. Online-
Ressource: https://www.nngroup.com/articles/participation-inequality/ (2006)
Gladbacher Crowd Solving Konzept – Lösung 2
15
iii. Informationen werden durch zusätzliche Daten (Wetter,
Stauinfos …) angereichert
Erzeugung von neuen Informationen aus aktueller
Verkehrsbeobachtung mit KI-Kameras.
Dadurch Substitution der fehlende Informationen direkt von den
Akteuren.
Informationsdrehscheibe, Webseite als Dashboard
16
https://hafenneuss.de/
Parksensoren
17
Parksensoren detektieren ungern Auflieger:
1. Stütze mehr als 2,5 T.
2. kein Metall direkt über Sensor.
KI-Kamera
18
Warum Edge-Computing?
19
Datenschutz ist wesentlich.
Keine
a) Übertragung
b) Speicherung
von (bewegt-) Bilddaten über das Internet.
KI und Edge-Computing erlauben, statt Bilder anonyme
Kennzahlen zu übertragen und zu speichern.
(Keine personenbeziehbare Daten)
Testeinbau einer KI Kamera
20
Nvidia Jetson TX2
KI Realisierung
21
Bilderkennung mit YOLO V3 / Darknet.
Kombination der Frameworks:
• zum Realisierungszeitpunkt Neuland
• heute Standard
• Nun YOLO V4 möglich
Hardware:
• zum Zeitpunkt der Realisierung teuer (NVIDIA Jetson TX)
• nun preiswerter (NVIDIA Jetson nano, Raspberry + Intel KI Stick)
Lessons Learned:
• Grundlegendes Konzept ist wichtig.
• Konkrete Technik hat geringe Halbwertzeit.
KI-Bilderkennung: Übertragung der Kenntnisse auf
andere Anwendungsfelder (Bienen statt LKW)
22
https://cbrell.de/naturwatchcamhttps://youtu.be/RkB7i4QD_5A?t=142
Evaluation und Befragungen - Kernergebnisse
Informationsdrehscheibe / Dashboard
(+) intuitiv bedienbar.
(+) nützlich.
(- ) trägt nicht per se zur Verbesserung der betrieblichen
Abläufe im Unternehmen bei.
Weitere Dienste
• Parkplatz-Sharing, Fahrer-Sharing und Fahrrad-Dienste
nicht gewünscht.
• Kostenbeteiligung nicht gewünscht.
• Bessere Ampelphasen bei der Bahn gewünscht.
23
Fazit
• Crowd Solving funktioniert nur
„asymmetrisch“.
• KI-Kameras liefern eine wertvolle
Datenbasis zur Verkehrsanalyse
• Informationsdrehscheibe als Konzept
funktioniert, muss aber in die
Anwenderprozesse integriert werden
• Informationsdrehscheibe ist übertragbar
auf andere (Gewerbe-) Gebiete
• Weiterbetrieb der Plattform nach
Projektende durch Wirtschaftspartner
Traffgo Road GmbH.
24

Weitere ähnliche Inhalte

Ähnlich wie Vortrag Substitution Beteiligung KI 200911

Big-Data solutions based on cyber-physical-systems: Is Industrie 4.0 applicab...
Big-Data solutions based on cyber-physical-systems: Is Industrie 4.0 applicab...Big-Data solutions based on cyber-physical-systems: Is Industrie 4.0 applicab...
Big-Data solutions based on cyber-physical-systems: Is Industrie 4.0 applicab...
Sebastian Scholze
 
Prof. Dr. Michael Prange - Skalierbare Datenplattform für intelligente Infras...
Prof. Dr. Michael Prange - Skalierbare Datenplattform für intelligente Infras...Prof. Dr. Michael Prange - Skalierbare Datenplattform für intelligente Infras...
Prof. Dr. Michael Prange - Skalierbare Datenplattform für intelligente Infras...
FIWARE
 
Michael Pfefferle (Bitkom) Datenplattform für intelligente Infrastrukturen.pdf
Michael Pfefferle (Bitkom) Datenplattform für intelligente Infrastrukturen.pdfMichael Pfefferle (Bitkom) Datenplattform für intelligente Infrastrukturen.pdf
Michael Pfefferle (Bitkom) Datenplattform für intelligente Infrastrukturen.pdf
FIWARE
 
Bpug2014 vortrag-ksoll
Bpug2014 vortrag-ksollBpug2014 vortrag-ksoll
Bpug2014 vortrag-ksoll
Wolfgang Ksoll
 
TFF2023 - Navigating Tourism Data Nexus
TFF2023 - Navigating Tourism Data NexusTFF2023 - Navigating Tourism Data Nexus
TFF2023 - Navigating Tourism Data Nexus
TourismFastForward
 
Ist Crowdsourcing ein Teil unserer nationalen Geodateninfrastruktur (NGDI)?
Ist Crowdsourcing ein Teil unserer nationalen Geodateninfrastruktur (NGDI)?Ist Crowdsourcing ein Teil unserer nationalen Geodateninfrastruktur (NGDI)?
Ist Crowdsourcing ein Teil unserer nationalen Geodateninfrastruktur (NGDI)?
Stephan Heuel
 
UBA Data Cube
UBA Data CubeUBA Data Cube
UBA Data Cube
Safe Software
 
Satellitendaten für Smart Cities
Satellitendaten für Smart CitiesSatellitendaten für Smart Cities
Satellitendaten für Smart Cities
Wolfgang Ksoll
 
Schweizer BIM Kongress 2016: Referat von Martin Vesper, digitalSTROM AG
Schweizer BIM Kongress 2016: Referat von Martin Vesper, digitalSTROM AGSchweizer BIM Kongress 2016: Referat von Martin Vesper, digitalSTROM AG
Schweizer BIM Kongress 2016: Referat von Martin Vesper, digitalSTROM AG
Bauen digital Schweiz
 
Agiles Data Mining mit Data Vault 2.0
Agiles Data Mining mit Data Vault 2.0Agiles Data Mining mit Data Vault 2.0
Agiles Data Mining mit Data Vault 2.0
Michael Olschimke
 
TechEvent 2019: Customer Case Mission Possible - Deka Bank Fonds - DWH in a n...
TechEvent 2019: Customer Case Mission Possible - Deka Bank Fonds - DWH in a n...TechEvent 2019: Customer Case Mission Possible - Deka Bank Fonds - DWH in a n...
TechEvent 2019: Customer Case Mission Possible - Deka Bank Fonds - DWH in a n...
Trivadis
 
Selbermachen!
Selbermachen! Selbermachen!
OKLab Leipzig 2021
OKLab Leipzig 2021OKLab Leipzig 2021
OKLab Leipzig 2021
joergreichert
 
41. Open Data MeetUp & Talk Stadt Wien
41. Open Data MeetUp & Talk Stadt Wien41. Open Data MeetUp & Talk Stadt Wien
41. Open Data MeetUp & Talk Stadt Wien
Stadt Wien
 
Linked Open Data Pilotprojekt Österreich - LOD Pilot AT
Linked Open Data Pilotprojekt Österreich - LOD Pilot ATLinked Open Data Pilotprojekt Österreich - LOD Pilot AT
Linked Open Data Pilotprojekt Österreich - LOD Pilot AT
Martin Kaltenböck
 
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der CloudBATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern
 
OkLab Leipzig (state: 2017)
OkLab Leipzig (state: 2017)OkLab Leipzig (state: 2017)
OkLab Leipzig (state: 2017)
joergreichert
 
HTAG_Skalierung_Plattform_lokal_final_versand.pptx
HTAG_Skalierung_Plattform_lokal_final_versand.pptxHTAG_Skalierung_Plattform_lokal_final_versand.pptx
HTAG_Skalierung_Plattform_lokal_final_versand.pptx
FIWARE
 
Linked Open Data Pilot Österreich - Beta Launch
Linked Open Data Pilot Österreich - Beta LaunchLinked Open Data Pilot Österreich - Beta Launch
Linked Open Data Pilot Österreich - Beta Launch
Martin Kaltenböck
 
Everything as-a-service Modelle: Als Industriedienstleister die "Fabrik der Z...
Everything as-a-service Modelle: Als Industriedienstleister die "Fabrik der Z...Everything as-a-service Modelle: Als Industriedienstleister die "Fabrik der Z...
Everything as-a-service Modelle: Als Industriedienstleister die "Fabrik der Z...
Leadec
 

Ähnlich wie Vortrag Substitution Beteiligung KI 200911 (20)

Big-Data solutions based on cyber-physical-systems: Is Industrie 4.0 applicab...
Big-Data solutions based on cyber-physical-systems: Is Industrie 4.0 applicab...Big-Data solutions based on cyber-physical-systems: Is Industrie 4.0 applicab...
Big-Data solutions based on cyber-physical-systems: Is Industrie 4.0 applicab...
 
Prof. Dr. Michael Prange - Skalierbare Datenplattform für intelligente Infras...
Prof. Dr. Michael Prange - Skalierbare Datenplattform für intelligente Infras...Prof. Dr. Michael Prange - Skalierbare Datenplattform für intelligente Infras...
Prof. Dr. Michael Prange - Skalierbare Datenplattform für intelligente Infras...
 
Michael Pfefferle (Bitkom) Datenplattform für intelligente Infrastrukturen.pdf
Michael Pfefferle (Bitkom) Datenplattform für intelligente Infrastrukturen.pdfMichael Pfefferle (Bitkom) Datenplattform für intelligente Infrastrukturen.pdf
Michael Pfefferle (Bitkom) Datenplattform für intelligente Infrastrukturen.pdf
 
Bpug2014 vortrag-ksoll
Bpug2014 vortrag-ksollBpug2014 vortrag-ksoll
Bpug2014 vortrag-ksoll
 
TFF2023 - Navigating Tourism Data Nexus
TFF2023 - Navigating Tourism Data NexusTFF2023 - Navigating Tourism Data Nexus
TFF2023 - Navigating Tourism Data Nexus
 
Ist Crowdsourcing ein Teil unserer nationalen Geodateninfrastruktur (NGDI)?
Ist Crowdsourcing ein Teil unserer nationalen Geodateninfrastruktur (NGDI)?Ist Crowdsourcing ein Teil unserer nationalen Geodateninfrastruktur (NGDI)?
Ist Crowdsourcing ein Teil unserer nationalen Geodateninfrastruktur (NGDI)?
 
UBA Data Cube
UBA Data CubeUBA Data Cube
UBA Data Cube
 
Satellitendaten für Smart Cities
Satellitendaten für Smart CitiesSatellitendaten für Smart Cities
Satellitendaten für Smart Cities
 
Schweizer BIM Kongress 2016: Referat von Martin Vesper, digitalSTROM AG
Schweizer BIM Kongress 2016: Referat von Martin Vesper, digitalSTROM AGSchweizer BIM Kongress 2016: Referat von Martin Vesper, digitalSTROM AG
Schweizer BIM Kongress 2016: Referat von Martin Vesper, digitalSTROM AG
 
Agiles Data Mining mit Data Vault 2.0
Agiles Data Mining mit Data Vault 2.0Agiles Data Mining mit Data Vault 2.0
Agiles Data Mining mit Data Vault 2.0
 
TechEvent 2019: Customer Case Mission Possible - Deka Bank Fonds - DWH in a n...
TechEvent 2019: Customer Case Mission Possible - Deka Bank Fonds - DWH in a n...TechEvent 2019: Customer Case Mission Possible - Deka Bank Fonds - DWH in a n...
TechEvent 2019: Customer Case Mission Possible - Deka Bank Fonds - DWH in a n...
 
Selbermachen!
Selbermachen! Selbermachen!
Selbermachen!
 
OKLab Leipzig 2021
OKLab Leipzig 2021OKLab Leipzig 2021
OKLab Leipzig 2021
 
41. Open Data MeetUp & Talk Stadt Wien
41. Open Data MeetUp & Talk Stadt Wien41. Open Data MeetUp & Talk Stadt Wien
41. Open Data MeetUp & Talk Stadt Wien
 
Linked Open Data Pilotprojekt Österreich - LOD Pilot AT
Linked Open Data Pilotprojekt Österreich - LOD Pilot ATLinked Open Data Pilotprojekt Österreich - LOD Pilot AT
Linked Open Data Pilotprojekt Österreich - LOD Pilot AT
 
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der CloudBATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
 
OkLab Leipzig (state: 2017)
OkLab Leipzig (state: 2017)OkLab Leipzig (state: 2017)
OkLab Leipzig (state: 2017)
 
HTAG_Skalierung_Plattform_lokal_final_versand.pptx
HTAG_Skalierung_Plattform_lokal_final_versand.pptxHTAG_Skalierung_Plattform_lokal_final_versand.pptx
HTAG_Skalierung_Plattform_lokal_final_versand.pptx
 
Linked Open Data Pilot Österreich - Beta Launch
Linked Open Data Pilot Österreich - Beta LaunchLinked Open Data Pilot Österreich - Beta Launch
Linked Open Data Pilot Österreich - Beta Launch
 
Everything as-a-service Modelle: Als Industriedienstleister die "Fabrik der Z...
Everything as-a-service Modelle: Als Industriedienstleister die "Fabrik der Z...Everything as-a-service Modelle: Als Industriedienstleister die "Fabrik der Z...
Everything as-a-service Modelle: Als Industriedienstleister die "Fabrik der Z...
 

Mehr von Claus Brell

Empirische Methoden 3 Auswertung 200502
Empirische Methoden 3 Auswertung 200502Empirische Methoden 3 Auswertung 200502
Empirische Methoden 3 Auswertung 200502
Claus Brell
 
Empirische Methoden 1 Erkenntnistheorie 200501
Empirische Methoden 1 Erkenntnistheorie 200501Empirische Methoden 1 Erkenntnistheorie 200501
Empirische Methoden 1 Erkenntnistheorie 200501
Claus Brell
 
Wissensmanagement
WissensmanagementWissensmanagement
Wissensmanagement
Claus Brell
 
Informationssicherheitsmanagment
InformationssicherheitsmanagmentInformationssicherheitsmanagment
Informationssicherheitsmanagment
Claus Brell
 
Projektmanagement 200420
Projektmanagement 200420Projektmanagement 200420
Projektmanagement 200420
Claus Brell
 
Funktionshierarchiebaum 200409
Funktionshierarchiebaum 200409Funktionshierarchiebaum 200409
Funktionshierarchiebaum 200409
Claus Brell
 
Zieldiagramm 200409
Zieldiagramm 200409Zieldiagramm 200409
Zieldiagramm 200409
Claus Brell
 
Baumstruktur 200409
Baumstruktur 200409Baumstruktur 200409
Baumstruktur 200409
Claus Brell
 
Flussdiagramme 200407
Flussdiagramme 200407Flussdiagramme 200407
Flussdiagramme 200407
Claus Brell
 
2 1b-prozessmodellierung-eepk-erweiterung-200406
2 1b-prozessmodellierung-eepk-erweiterung-2004062 1b-prozessmodellierung-eepk-erweiterung-200406
2 1b-prozessmodellierung-eepk-erweiterung-200406
Claus Brell
 
2 1a-prozessmodellierung-epk-einfuehrung-200406
2 1a-prozessmodellierung-epk-einfuehrung-2004062 1a-prozessmodellierung-epk-einfuehrung-200406
2 1a-prozessmodellierung-epk-einfuehrung-200406
Claus Brell
 
Topologien verstehen und erstellen - Methoden der Wirtschaftsinformatik-200329
Topologien verstehen und erstellen - Methoden der Wirtschaftsinformatik-200329Topologien verstehen und erstellen - Methoden der Wirtschaftsinformatik-200329
Topologien verstehen und erstellen - Methoden der Wirtschaftsinformatik-200329
Claus Brell
 
Organigramm - Modellierung mit ARIS 200327
Organigramm - Modellierung mit ARIS 200327Organigramm - Modellierung mit ARIS 200327
Organigramm - Modellierung mit ARIS 200327
Claus Brell
 
Leichter imkern-191110
Leichter imkern-191110 Leichter imkern-191110
Leichter imkern-191110
Claus Brell
 
Wirtschaftsinformatik Basics für Betriebswirte und Ingenieure
Wirtschaftsinformatik Basics für Betriebswirte und IngenieureWirtschaftsinformatik Basics für Betriebswirte und Ingenieure
Wirtschaftsinformatik Basics für Betriebswirte und Ingenieure
Claus Brell
 
Raspberry Pi Lehrerworkshop
Raspberry Pi LehrerworkshopRaspberry Pi Lehrerworkshop
Raspberry Pi Lehrerworkshop
Claus Brell
 
Motivationstheorien 190524
Motivationstheorien 190524Motivationstheorien 190524
Motivationstheorien 190524
Claus Brell
 
Vorgehensmodelle - Methoden der Wirtschaftsinformatik
Vorgehensmodelle - Methoden der WirtschaftsinformatikVorgehensmodelle - Methoden der Wirtschaftsinformatik
Vorgehensmodelle - Methoden der Wirtschaftsinformatik
Claus Brell
 
Webservices - was ist das und wie programmiert man sie
Webservices - was ist das und wie programmiert man sieWebservices - was ist das und wie programmiert man sie
Webservices - was ist das und wie programmiert man sie
Claus Brell
 
Webtechnologien - ein kurzer Überblick
Webtechnologien - ein kurzer ÜberblickWebtechnologien - ein kurzer Überblick
Webtechnologien - ein kurzer Überblick
Claus Brell
 

Mehr von Claus Brell (20)

Empirische Methoden 3 Auswertung 200502
Empirische Methoden 3 Auswertung 200502Empirische Methoden 3 Auswertung 200502
Empirische Methoden 3 Auswertung 200502
 
Empirische Methoden 1 Erkenntnistheorie 200501
Empirische Methoden 1 Erkenntnistheorie 200501Empirische Methoden 1 Erkenntnistheorie 200501
Empirische Methoden 1 Erkenntnistheorie 200501
 
Wissensmanagement
WissensmanagementWissensmanagement
Wissensmanagement
 
Informationssicherheitsmanagment
InformationssicherheitsmanagmentInformationssicherheitsmanagment
Informationssicherheitsmanagment
 
Projektmanagement 200420
Projektmanagement 200420Projektmanagement 200420
Projektmanagement 200420
 
Funktionshierarchiebaum 200409
Funktionshierarchiebaum 200409Funktionshierarchiebaum 200409
Funktionshierarchiebaum 200409
 
Zieldiagramm 200409
Zieldiagramm 200409Zieldiagramm 200409
Zieldiagramm 200409
 
Baumstruktur 200409
Baumstruktur 200409Baumstruktur 200409
Baumstruktur 200409
 
Flussdiagramme 200407
Flussdiagramme 200407Flussdiagramme 200407
Flussdiagramme 200407
 
2 1b-prozessmodellierung-eepk-erweiterung-200406
2 1b-prozessmodellierung-eepk-erweiterung-2004062 1b-prozessmodellierung-eepk-erweiterung-200406
2 1b-prozessmodellierung-eepk-erweiterung-200406
 
2 1a-prozessmodellierung-epk-einfuehrung-200406
2 1a-prozessmodellierung-epk-einfuehrung-2004062 1a-prozessmodellierung-epk-einfuehrung-200406
2 1a-prozessmodellierung-epk-einfuehrung-200406
 
Topologien verstehen und erstellen - Methoden der Wirtschaftsinformatik-200329
Topologien verstehen und erstellen - Methoden der Wirtschaftsinformatik-200329Topologien verstehen und erstellen - Methoden der Wirtschaftsinformatik-200329
Topologien verstehen und erstellen - Methoden der Wirtschaftsinformatik-200329
 
Organigramm - Modellierung mit ARIS 200327
Organigramm - Modellierung mit ARIS 200327Organigramm - Modellierung mit ARIS 200327
Organigramm - Modellierung mit ARIS 200327
 
Leichter imkern-191110
Leichter imkern-191110 Leichter imkern-191110
Leichter imkern-191110
 
Wirtschaftsinformatik Basics für Betriebswirte und Ingenieure
Wirtschaftsinformatik Basics für Betriebswirte und IngenieureWirtschaftsinformatik Basics für Betriebswirte und Ingenieure
Wirtschaftsinformatik Basics für Betriebswirte und Ingenieure
 
Raspberry Pi Lehrerworkshop
Raspberry Pi LehrerworkshopRaspberry Pi Lehrerworkshop
Raspberry Pi Lehrerworkshop
 
Motivationstheorien 190524
Motivationstheorien 190524Motivationstheorien 190524
Motivationstheorien 190524
 
Vorgehensmodelle - Methoden der Wirtschaftsinformatik
Vorgehensmodelle - Methoden der WirtschaftsinformatikVorgehensmodelle - Methoden der Wirtschaftsinformatik
Vorgehensmodelle - Methoden der Wirtschaftsinformatik
 
Webservices - was ist das und wie programmiert man sie
Webservices - was ist das und wie programmiert man sieWebservices - was ist das und wie programmiert man sie
Webservices - was ist das und wie programmiert man sie
 
Webtechnologien - ein kurzer Überblick
Webtechnologien - ein kurzer ÜberblickWebtechnologien - ein kurzer Überblick
Webtechnologien - ein kurzer Überblick
 

Vortrag Substitution Beteiligung KI 200911

  • 1. 1 Substitution der Akteur- Beteiligung durch KI und BI am Beispiel eines Logistik- Projekts in den Neuss- Düsseldorfer Häfen Beitrag zur LWDA2020 11.09.2020 Claus Brell, Ralf Kuron, Wilhelm Mülder Niederrhein University of Applied Sciences, Institut GEMIT
  • 2. Überblick 1. Projekt: Ausgangspunkt, Zielsetzung, Methodik 2. Gladbacher Crowd Solving Konzept 3. Informationsdrehscheibe, Dashboard und KI-Kameras 4. Erkenntnisse 5. Fazit 2
  • 3. Crowd Solving – Intelligente Infrastrukturnutzung am Beispiel der Neuss-Düsseldorfer Häfen 04.2017 – 07.2020 Prof. Dr. Wilhelm Mülder, Prof. Dr. Claus Brell, Ralf Kuron, Diana Klein Prof. Dr. André Schekelmann, Katharina Patzelt, Christian Salz, Abdullah Shams, Sebastian Schmetz Das Projekt 3
  • 7. Ausgangslage • Neuss-Düsseldorfer Häfen: Verkehrsknotenpunkt + Gewerbegebiet • Kein weiteres Flächenwachstum möglich • Zeitverluste durch LKW-Staus & Hafenbahn • Begrenzte Parkflächen für LKW und PKW • Intelligente Konzepte nötig, um steigende Logistikintensität in Zukunft zu bewältigen 7
  • 9. Gefördert durch: Projektpartner: Partner und Förderung Industrie-Partner Ambrogio GmbH ATN Autoterminal Neuss GmbH & Co. KG BCA Autoauktionen BLG AutoTransport GmbH & Co. KG Contargo Neuss GmbH Essity Hygiene Products GmbH Göldner Spedition+Logistik GmbH Raiffeisen Waren-Zentrale Rhein-Main eG, Logistik Nord Knauf Gips KG Logistikregion Rheinland e.V. M. Zietzschmann GmbH & Co. KG Neuss-Düsseldorfer Häfen GmbH & Co. KG Neuss Trimodal GmbH Walter Rau Neusser Öl und Fett AG 9
  • 10. Ziel und Methode • Verkehrssituation in den Neuss-Düsseldorfer Häfen verbessern • Lösungsansatz Crowd-Solving: Jeder Akteur im Hafen trifft Logistik-Entscheidungen auf Basis aktueller logistikrelevanter Informationen • Neben innovativer Logistik sind soziale und ökologische Ziele wichtig. 10
  • 12. Gladbacher Crowd Solving Konzept - Eckpunkte 12 i. Akteure erhalten für ihr Handeln relevante Informationen. ii. Verhalten der Akteure passt sich an Informationslage an. => Durch angepasstes Verhalten: Die (Verkehrs-) Lage verbessert sich auch für alle anderen. iii. Jeder Akteur liefert Informationen, die in einer Datendrehscheibe agglomeriert und distribuiert werden. iv. Informationen werden durch zusätzliche Daten (Wetter, Stauinfos …) angereichert
  • 13. Gladbacher Crowd Solving Konzept – Problem 1 13 i. Akteure erhalten für ihr Handeln relevante Informationen. ii. Verhalten der Akteure passt sich an Informationslage an. => Durch angepasstes Verhalten: Die (Verkehrs-) Lage verbessert sich auch für alle anderen. Annahme: Fahrer müssen dazu motiviert werden, Ihr Verhalten zu ändern. Lösungsansatz: Gamification
  • 14. Gladbacher Crowd Solving Konzept – Problem 2 14 iii. Jeder Akteur liefert Informationen, die in einer Datendrehscheibe agglomeriert und distribuiert werden. Bereitschaft, operative Daten beizusteuern, geringer als zu Projektbeginn angenommen. Erklärungsansatz: 90 – 9 – 1 Regel* (*) Nielsen, J.: Participation Inequality: Encouraging More Users to Contribute. In: Nielsen Norman Group. Online- Ressource: https://www.nngroup.com/articles/participation-inequality/ (2006)
  • 15. Gladbacher Crowd Solving Konzept – Lösung 2 15 iii. Informationen werden durch zusätzliche Daten (Wetter, Stauinfos …) angereichert Erzeugung von neuen Informationen aus aktueller Verkehrsbeobachtung mit KI-Kameras. Dadurch Substitution der fehlende Informationen direkt von den Akteuren.
  • 16. Informationsdrehscheibe, Webseite als Dashboard 16 https://hafenneuss.de/
  • 17. Parksensoren 17 Parksensoren detektieren ungern Auflieger: 1. Stütze mehr als 2,5 T. 2. kein Metall direkt über Sensor.
  • 19. Warum Edge-Computing? 19 Datenschutz ist wesentlich. Keine a) Übertragung b) Speicherung von (bewegt-) Bilddaten über das Internet. KI und Edge-Computing erlauben, statt Bilder anonyme Kennzahlen zu übertragen und zu speichern. (Keine personenbeziehbare Daten)
  • 20. Testeinbau einer KI Kamera 20 Nvidia Jetson TX2
  • 21. KI Realisierung 21 Bilderkennung mit YOLO V3 / Darknet. Kombination der Frameworks: • zum Realisierungszeitpunkt Neuland • heute Standard • Nun YOLO V4 möglich Hardware: • zum Zeitpunkt der Realisierung teuer (NVIDIA Jetson TX) • nun preiswerter (NVIDIA Jetson nano, Raspberry + Intel KI Stick) Lessons Learned: • Grundlegendes Konzept ist wichtig. • Konkrete Technik hat geringe Halbwertzeit.
  • 22. KI-Bilderkennung: Übertragung der Kenntnisse auf andere Anwendungsfelder (Bienen statt LKW) 22 https://cbrell.de/naturwatchcamhttps://youtu.be/RkB7i4QD_5A?t=142
  • 23. Evaluation und Befragungen - Kernergebnisse Informationsdrehscheibe / Dashboard (+) intuitiv bedienbar. (+) nützlich. (- ) trägt nicht per se zur Verbesserung der betrieblichen Abläufe im Unternehmen bei. Weitere Dienste • Parkplatz-Sharing, Fahrer-Sharing und Fahrrad-Dienste nicht gewünscht. • Kostenbeteiligung nicht gewünscht. • Bessere Ampelphasen bei der Bahn gewünscht. 23
  • 24. Fazit • Crowd Solving funktioniert nur „asymmetrisch“. • KI-Kameras liefern eine wertvolle Datenbasis zur Verkehrsanalyse • Informationsdrehscheibe als Konzept funktioniert, muss aber in die Anwenderprozesse integriert werden • Informationsdrehscheibe ist übertragbar auf andere (Gewerbe-) Gebiete • Weiterbetrieb der Plattform nach Projektende durch Wirtschaftspartner Traffgo Road GmbH. 24