Der Kunde identifizierte die Logistik als einen wichtigen Kostenfaktor in seiner Produktionskette, den es zu optimieren galt. Gesucht wurde eine Lösung, die die benötigten Transportaktivitäten im Zielmarkt minimiert und darüber Kosten reduziert. Dort werden die Fahrzeuge zwar zentral, aber bisher nicht auf Grundlage von Daten oder intelligenten Einsichten zu den Händlern verteilt und transportiert.
Für die Pilotierung entschieden wir uns gemeinsam mit dem Kunden für ein Setup, bei dem die bereitgestellten Daten in einer gesicherten, lokalen Umgebung verarbeitet werden. Nach einer tiefgehend Analyse der Marktcharakteristika und Korrelationen verglich Contiamo mehrere Algorithmen. Die final entwickelte künstliche Intelligenz bestand aus einem Klassifizierungsmodell, welches die Verteilung von Autos innerhalb des Zielmarktes optimiert. Es erhält vielfältige Inputdaten wie Verkaufsdaten, aktuelle Bestandsdaten, Marktnachfrage und Händlerinformationen. Das Outputformat wurde so gewählt, dass es sich optimal für die Auswertung und weitere Analysen der Transportaktivitäten eignet. Das Setup der Pipeline wurde so gewählt, dass es leicht auf die parallel vorbereitete Cloud-Umgebung des Kunden übertragen werden kann.
Für dieses Projekt arbeiteten Contiamo und der Kunde in wöchentlichen Sprints zusammen. Nach einer ersten Datenexploration und Überprüfung der Eignung der Daten wurden detaillierte statistische Analysen der Transportaktivitäten durchgeführt. Die Ergebnisse der Untersuchungen wurden iterativ mit dem Kunden diskutiert. Es wurden drei vielversprechende KI-Algorithmen zur Beantwortung der zentralen Frage identifiziert. Die Algorithmen adressieren verschiedene Zielformulierungen entweder durch Regressions- oder Klassifizierungsalgorithmen. Diese vorläufigen Modelle wurden im Hinblick auf ihre Korrektheit und Aussagekraft verglichen. Der Kunde entschied sich für ein Modell, welches auch unseren Empfehlungen entsprach. Es wurde anschließend verbessert und verfeinert. Dieses Pilot-Modell ist in der Lage, den Erfolg von Logistikaktivitäten auf der Grundlage historischer Daten genau vorherzusagen. Die Ergebnisse werden nun vom Kunden diskutiert.
Zielsprache auswählenDeutsch automatisch Reduzierung der Logistikaktivitäten um 40%
75% genaue Vorhersage der Verkaufsorte
Robuste KI, die auf weitere Märkte übertragbar ist
Wir haben ein Machine-Learning-Modell entwickelt, um die logistischen Bewegungen von Autos zu reduzieren. Dabei wird ermittelt, welche Autos zu welchem Händler transport werden, indem wahrscheinliche Verkaufsmuster vorhergesagt werden. Unter Verwendung effizienter und hochmoderner Bibliotheken wurde eine leistungsstarke künstliche Intelligenz geschaffen, deren Vorhersagen zu 75 % mit historischen Verkaufsempfehlungen übereinstimmen. Die hohe Genauigkeit bietet eine hervorragende Grundlage für eine umfassende Optimierung der Logistik unter Berücksichtigung verschiedener anderer Marktbedingungen (z. B. gleichbleibende Verfügbarkeit, Händlernachfrage, Bestellprozesse) im nächsten Schritt.
.png){kind=small}
.png)
.png)
.png)