Amazon setzt in der Logistik auf künstliche Intelligenz

Die technische Entwicklung schreitet mit großen Schritten voran und auch Amazon will in Sachen „Machine Learning“ - also dem maschinellen Lernen - weiter vorankommen. Der Online-Riese setzt auf künstliche Intelligenz, die künftig in den hauseigenen Logistikzentren die Arbeit für den Menschen erheblich erleichtern soll und Prognosen beziehungsweise Empfehlungen ausspricht.

© Inok - Fotolia.com

Das Thema künstliche Intelligenz erfreut sich seit jeher großer Beliebtheit und bildet beispielsweise die Grundlage für zahlreiche Kinofilme. Dabei wird oft die Frage aufgeworfen, was passiert, wenn die künstliche Intelligenz ein Eigenleben entwickelt und nicht mehr vom Menschen kontrollierbar ist. Abgesehen von diesen düsteren und noch nicht greifbaren Zukunftsvisionen bietet das sogenannte „Machine Learning“ bereits nutzbare Vorteile, die sich Amazon zunutze machen will.

Künstliche Intelligenz als Hilfe für Logistikzentren

Im Amazon Development Center in Berlin arbeitet ein Team von Wissenschaftlern und Entwicklern an einer Technologie, die die Arbeit in der Logistik erleichtern soll. Dabei steht nicht nur die Verbindung zwischen Mensch und Maschine im Vordergrund, sondern auch die Frage, wie Maschinen Routineaufgaben erkennen und erlernen können. Machine Learning steht dabei in einem engen Zusammenhang mit künstlicher Intelligenz, denn die Software ist dazu in der Lage, eigene Schlüsse aus eingegebenen Daten zu ziehen, die wiederum aus den Erfahrungen der Kunden sowie von Mitarbeitern der Logistikzentren stammen.

Ein Anwendungsbeispiel bildet die Wahl der richtigen Verpackung: Bei einer Bestellung müssen meist verschiedene Artikel effizient in einen Karton verpackt werden. Hier kann Machine Learning wirkungsvoll zum Einsatz kommen, indem die richtige Größe vorhergesagt wird. Dr. Ralf Herbrich, Leiter des Development Centers, meint zu der Frage, wie genau das Programm dies voraussagen kann:

„Hier kommen Mitarbeiter und Kunden ins Spiel. Die Kunden geben beispielsweise Feedback zur Verpackung, und Mitarbeiter tragen Erfahrungen aus ihrer täglichen Arbeit bei. All das fließt in die Software ein, zusätzlich zu anderen Informationen wie etwa Eckdaten zu jedem Produkt: Höhe, Länge, Breite und Gewicht. In den Daten erkennt die Software Muster und wählt auf dieser Grundlage die richtige Verpackungsgröße. Dank dieses Prozesses verbrauchen wir viel weniger Verpackungsmaterial. Das ist natürlich bequem für unsere Kunden, aber es ist auch besser für die Umwelt.“

Machine Learning und Stückzahlen-Prognose

Ein weiteres Beispiel, in welchem Bereich diese künstliche Intelligenz effektiv genutzt werden kann, bildet die Vorhersage, wie viele Stückzahlen eines Artikels im jeweiligen Logistikzentrum in etwa vorrätig sein müssen. Eine „regionale Prognose“ umfasst dabei beispielsweise die Einschätzung, dass in ländlichen Gebieten das neuste angesagte Sneaker-Paar weitaus weniger erhältlich sein muss als dies in Großstädten der Fall ist.

Machine Learning scheint sich in der beschriebenen Form als sehr nützlich zu erweisen und die Arbeit für den Menschen zu erleichtern. Die Angst davor, dass sich Arbeitsplätze bei der Weiterentwicklung künstlicher Intelligenz zukünftig als obsolet erweisen, wird nie vollkommen verschwinden. Für die Logistik stellt Machine Learning nichtsdestoweniger ein fruchtbares und aussichtsreiches Feld dar.