Expertensysteme zur Entscheidungsfindung nachhaltiger Transformationsprozesse für Logistik- und Transportanwendungen im Kontext emissionsfreier Mobilität
Moritz Bippus (),
Lorenz Bamler (),
Oliver Ehret () and
Ralf Wörner ()
Additional contact information
Moritz Bippus: Hochschule Esslingen
Lorenz Bamler: Hochschule Esslingen
Oliver Ehret: Hochschule Esslingen
Ralf Wörner: Hochschule Esslingen
A chapter in New Players in Mobility, 2025, pp 459-475 from Springer
Abstract:
Zusammenfassung Im Kontext aktueller regulativer Vorgaben der EU wird angestrebt, eine weitergehende Treibhausgasreduktion in allen Sektoren um 55 % bis 2030 ggü. 1990 zu erreichen. Für den Verkehrssektor wurde durch die Bundesrepublik Deutschland zur Erfüllung dieser Emissionsziele eine Richtlinie (KsNI) eingesetzt, die u. a. die Förderung von Machbarkeitsstudien vorsieht, welche die Beschaffung von klimafreundlichen Nutzfahrzeugen (Nfz) und Ladeinfrastruktur vorbereiten. Für die Logistik-Unternehmen sind für derart weitreichende Umstellungsprozesse Instrumente zur Erfassung und Strategieplanung, basierend auf digitalisierten TCO-Berechnungen und Expertensystemen mit Dashboard-Visualisierung ein wichtiges Werkzeug. Das geschilderte Planungs-Tool, welches im Rahmen einer „Use-Case-Study“ in Zusammenarbeit mit einem mittelständischen Bau- und Entsorgungsunternehmen entwickelt wurde, schaffte die Grundlage für die Anwendung von auf Business-Intelligence (BI) basierenden Expertensystemen in Logistikbetrieben. Das neu entwickelte Tool wird mit dem Akronym „MarBeL“ bezeichnet und besteht aus vier einzelnen Modulen, die in den Ergebnisauswertungen unterschiedliche Key-Performance-Indikators (KPIs) für die Entscheidungsempfehlung visualisiert ermitteln. Vorgelagert werden variable Inputdaten sowie der Datenbestand aus mehreren dynamischen Datenbanken zusammengeführt, sowie durch einen Algorithmus verarbeitet und in Analysen zu KPIs umgewandelt sowie in Diagrammen dargestellt. Basis für die digitalen Analysemethoden sind Eingangsdaten in Form von Substitutionsoptionen des bestehenden Fuhrparks sowie vorformulierte Szenarien für dessen schrittweisen Ersatz durch emissionsfreie Fahrzeuge. Dabei werden die Anforderungen an Stromlade- und Wasserstoff-Kraftstoffinfrastrukturen neben Aspekten der Energieversorgung automatisiert mitberücksichtigt. Anschließend werden diese Anforderungen mittels Auswertealgorithmen in Gesamtbetriebskosten und Umweltauswirkungen übersetzt, wobei auf dynamische Datenbanken mit zurückgegriffen wird. Die Ergebnisse werden in Handlungsempfehlungen zur Beschaffung alternativer Fahrzeuge und notwendiger Infrastrukturen überführt. Zur abschließenden Gesamtbewertung wird das Expertensystem mit einer Multiparameter-Datenbank verknüpft, die regulatorische sowie marktbezogene Informationen aller relevanter Einflussgrößen berücksichtigt. Die Ergebnisse werden durch den Nutzer in frei gestaltbaren Dashboards visualisiert. Anhand dieses Expertensystems wird damit eine nach Gesichtspunkten ökonomischer und ökologischer Ziele optimierte Umstellung der Fahrzeugflotte von Transportunternehmen ermittelt. Im Rahmen einer nachgelagerten Case-Study eines konkreten Logistik-Anwendungsfalles konnte das Planungs-Tool MarBeL den Nachweis erbringen, optimale Flottenumstellungsszenarien zu ermitteln, wobei die resultierenden TCO-Prognosen im Einklang mit gängigen Veröffentlichungen stehen.
Date: 2025
References: Add references at CitEc
Citations:
There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.
Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.
Export reference: BibTeX
RIS (EndNote, ProCite, RefMan)
HTML/Text
Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-46485-1_29
Ordering information: This item can be ordered from
http://www.springer.com/9783658464851
DOI: 10.1007/978-3-658-46485-1_29
Access Statistics for this chapter
More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().