Die Coronakrise hat das Einkaufsverhalten nachhaltig verändert. Die Verbraucher/-innen entdeckten in der Pandemie die Lebensmittellieferdienste – und wollen diese auch nach der Krise verstärkt nutzten. Zu diesem Ergebnis kam der Onlinemonitor 2021 des Handelsverbands HDE Deutschland. 52 Prozent der Verbraucher/-innen geben an, künftig öfter Lebensmittel per Smartphone oder Tablets bestellen zu wollen als bisher. Zwar machten Onlineverkäufe 2020 lediglich zwei Prozent des gesamten Lebensmittelumsatzes in Deutschland aus. Doch die Steigerung ist beachtlich: Noch 2018 betrug der Anteil nur 1,2 Prozent. E-Food wird den traditionellen Lebensmitteleinzelhandel jedoch nicht komplett verdrängen. Viel eher wird sich ein Gleichgewicht zwischen den beiden Formen einstellen, bei dem sich beide Seiten gegenseitig ergänzen können. Fest steht allerdings: E-Food wird, verglichen mit dem heutigen Stand, ein deutlich größeren Marktanteil entwickeln und somit neue logistische Konzepte notwendig machen.

Das 2011 in Berlin gegründete Unternehmen Hello Fresh organisiert eine eigene Lieferlösung für die Letzte Meile. Dazu hat das Unternehmen Auslieferungsdepots in Deutschland und Österreich eingerichtet und erwägt auch den Aufbau einer eigenen Lieferwagenflotte. Seit Mitte Februar werden die Kochboxen von einem Dienstleister aus der zentralen Produktionsstätte in Verden abgeholt und in die neu eingerichteten Depots geliefert, die in Zusammenarbeit mit Partnern aufgebaut wurden. Von dort aus werden die Boxen von Subunternehmern an ihr Ziel gebracht. Bisher bietet Hellofresh den hauseigenen Service in Berlin, Hamburg, Köln, Düsseldorf, München und Wien an, weitere Regionen sollen folgen.

In einer Pressemitteilung gibt der US-Lieferkonzern FedEx bekannt, künftig autonom fahrende Vehikel für Lieferungen auf “der letzten Meile”, also dem direkten Weg zum/ zur Kunden*in, einsetzen zu wollen. Möglich wird das durch eine Kooperation mit dem 2016 gegründeten US-amerikanischen Start-up Nuro, das speziell für diesen Zweck einen selbstfahrenden Liefer-Roboter entwickelt hat. Das Unternehmen wurde von ehemaligen Ingenieuren des selbstfahrenden Autoprojekts von Google, Waymo, gegründet. Nuro stellt autonom fahrende Vehikel her, die einzig für die Lieferung von Waren, insbesondere Lebensmittel konzipiert sind

Instacart ist ein 2010 gegründetes, US-amerikanisches Internet Unternehmen mit Hauptsitz in San Francisco, das über eine Website und eine mobile App in 5.500 Städten in den USA und Kanada einen Liefer- und Abholservice für Lebensmittel anbietet. Instacart hat Partnerschaften mit über 350 Einzelhändlern, die über mehr als 25.000 Lebensmittelgeschäfte verfügen, darunter u. a. Albertsons, Aldi, Costco, CVS Health, Kroger, Target Corporation und Walmart. Von Mitte März bis Mitte April 2020 stellte Instacart über weitere 300.000 Mitarbeiter*innen ein, um den Anstieg der Nachfrage (+ 218%) nach Lebensmittellieferungen.

Autonome Fahrzeuge/LKW´s werden in den nächsten Jahren unser Verständnis von Mobilität grundlegend auf den Kopf stellen. Mit ihren zahlreichen Radar-, Lidar- und Kamerasystemen scannen moderne Autos schon heute ihre Umgebung weit genauer, als menschliche Fahrer es können. Dieselben Technologien sind es auch, die autonome Drohnen immer leistungsfähiger machen und ihnen zum Durchbruch in der Wirtschaft verhelfen könnten. Künstliche Intelligenz ist das noch fehlende Puzzleteil, um den Automobilen ausreichende, eigene Entscheidungskompetenz zu verleihen. Dazu werden derzeit intelligente Entscheidungssysteme mit unzähligen Stunden an Bildmaterial trainiert. Ziel ist es, den Maschinen eine eigene Vorstellungskraft zu verleihen, um so auch auf so noch nicht dagewesene Fahrereignisse reagieren zu können. Letztendlich müssen autonome Fahr- und Flugzeuge sich in allen Situationen um ein Vielfaches besser erweisen als der Mensch, um von Politik und Gesellschaft akzeptiert zu werden.

Ein Pionier im Bereich des autonomen Fahrens ist das von Google initiierte Projekt „Waymo“. Es hat eine umfangreiche Testflotte von autonomen Fahrzeugen und führt bereits heute regelmäßig Fahrten ohne menschliche Fahrer durch. Das Unternehmen konzentriert sich auf die Entwicklung fortschrittlicher KI- und Maschinenlernalgorithmen für die Navigation im Straßenverkehr.

TuSimple, ein Unternehmen, das sich auf selbstfahrende Lkws spezialisiert hat, arbeitet mit Navistar International Corp und der Lkw-Einheit von Volkswagen, Traton SE, zusammen, um bis 2024 autonome 18-Wheeler auf den Markt zu bringen. Die Führungskräfte von TuSimple sind optimistisch hinsichtlich der Gewinnprognosen, da sie durch die autonomen Fahrzeuge die Betriebskosten halbieren und die Produktivstunden erhöhen könnten. Das Unternehmen hat in den letzten drei Jahren erhebliche Verluste verzeichnet, sieht aber ein großes Potenzial in der zunehmenden Nachfrage nach autonomen Lieferlösungen, insbesondere aufgrund des Booms im Online-Handel und des Mangels an Lkw-Fahrern.

Embark konzentriert sich auf die Entwicklung von Software für autonome Lkws und arbeitet mit verschiedenen Partnern zusammen, um deren Technologie in bestehende Fahrzeugflotten zu integrieren, mit dem Ziel, den Transport sicherer und effizienter zu gestalten. Das Unternehmen entwickelt autonome Lkw-Technologien und hat bedeutende Fortschritte erzielt, wie die Einführung der Embark Universal Interface, die die Integration ihrer Technologie in die Fahrzeugplattformen großer Lkw-Hersteller vereinfacht. Embark hat Partnerschaften mit namhaften Unternehmen wie Werner Enterprises und HP geschmiedet und plant, seine Technologie weiterhin zu kommerzialisieren und ein landesweites Netzwerk von Transferpunkten aufzubauen​​.

In den letzten zehn Jahren haben sich Drohnen von einem unterentwickelten Wunschtraum zu einem Vorreiter der Logistikbranche entwickelt. Drohnen, die auch als unbemannte Luftfahrzeuge (Unmanned Aerial Vehicles) bezeichnet werden, sind kleine, autonome Roboter, die entweder ferngesteuert oder auf einem eigenen internen Flugweg gesteuert werden können. Wie alle neuen Technologien, die Einzug in die Logistik halten, wecken auch Drohnen sowohl Erwartungen als auch Zweifel. Diese Fluggeräte könnten Gegenstände und Waren schnell transportieren, Lagerinventuren durchführen sowie schwer zugängliche Bereiche erreichen und untersuchen. Allerdings sind ihre Tragfähigkeit, Reichweite und Akkulaufzeit derzeit noch begrenzt. Drohnen bedeuten eine Veränderung und könnten, wenn sich die Technologie richtig weiterentwickelt, viele der Prozesse in der Lieferkette umgestalten und optimieren und ein komplett neues Zeitalter in der Logistik einleiten.

Amazon Prime Air ist ein innovatives Lieferprojekt, das darauf abzielt, Pakete mittels Drohnen zu den Kunden zu bringen. Das Ziel ist es, Lieferungen innerhalb von 30 Minuten oder weniger zu ermöglichen. Die Drohnen sind autonom und können Pakete bis zu fünf Pfund zu Kunden in einem Umkreis von 15 Meilen von einem Amazon-Lagerhaus transportieren. Die Technologie umfasst fortschrittliche Sicherheitsmerkmale, um die Drohne und die umliegende Umgebung sicher zu halten. Dieses Projekt steht für Amazons Bestreben, die Liefergeschwindigkeit zu revolutionieren und gleichzeitig den CO2-Fußabdruck zu reduzieren.

Volocopter ist ein deutsches Startup, das sich auf die Entwicklung von elektrisch angetriebenen Lufttaxis spezialisiert hat. Diese Lufttaxis sind darauf ausgelegt, eine neue Form der urbanen Mobilität zu ermöglichen, indem sie schnelle, effiziente und emissionsfreie Transportmöglichkeiten in städtischen Gebieten bieten. Volocopter strebt an, mit seinen innovativen Fluggeräten eine führende Rolle in der urbanen Luftmobilität einzunehmen und arbeitet aktiv an der Umsetzung von Pilotprojekten in verschiedenen Städten weltweit. Das Unternehmen hat bereits erfolgreiche Testflüge durchgeführt und arbeitet mit Regulierungsbehörden zusammen, um die notwendige Zulassung für den kommerziellen Betrieb zu erhalten.

Urban Ray plant, die städtische Logistik durch den Einsatz von Drohnen zu revolutionieren. Ihre Drohnenlösung „The Ray“ ist speziell für den urbanen Raum konzipiert und ermöglicht vertikale Starts und Landungen sowie hohe Geschwindigkeiten im horizontalen Flug. Ziel ist es, Lieferungen über den Straßenverkehr hinweg durchzuführen, um Verzögerungen zu vermeiden, den Verkehr zu entlasten und nachhaltige Transportmöglichkeiten zu fördern. Urban Ray strebt an, bis 2026 kommerziell zu starten und ein weltweit skalierbares, vollelektrisches Logistiknetzwerk aufzubauen.

Ein automatisches System zur Be- und Entladung von Lkw´s, auch bekannt als ATLS (Automatic Truck Loading Systems), ist ein System, durch das Paletten mithilfe von Robotertechnik und mit nur minimalem Eingreifen der Bediener in den Lkw ein- und ausgeladen werden. Das Handling von Paletten (Palettieren, Transportieren, Depalettieren) spielt bei den Herstellern, in den Verteilzentren und bei den Verbrauchern eine wichtige Rolle. Zum Bereitstellen der Paletten in der Verladezone sowie zum Be- und Entladen der Lkw besteht ein hoher Flächenbedarf. Die benötigte Verladezeit hat einen direkten Einfluss auf den Durchsatz von Lkw und Paletten sowie auf die Standzeiten der Lkw. Zur Beladung werden meist konventionelle Flurförderzeuge eingesetzt, wofür eine beträchtliche Anzahl von Fahrern-innen benötigt wird. Immer wieder kommt es zu teils schweren Unfällen. Folglich muss das Palettenhandling an der Verladerampe möglichst effizient gestaltet werden.

Die Complete Logistics Systems International (CLSI) aus Leer, hat ein Express-System für die Intralogistik entwickelt. Das Herzstück, ist der Expresslift. Der Expresslift ist das schienengeführte Bindeglied zwischen Kommissionierplatz, Lkw und Expressregal. Er ermöglicht den zeitsparenden Transport des Ladungsträgers in drei Dimensionen. Über ein zentrales Bedienelement können mit dem Expresslift beliebig viele Kommissionierplätze und Lkw-Übergabestationen angefahren werden. Hierbei übernimmt der Expresslift auch die Aufgabe der direkten Lkw-Be- oder Entladung.

Die Trapo AG bietet ein automatisches Be- und Entladesystem für Lkws, das TLS 3600, an. Es handelt sich um ein kompaktes, autonomes System, das drei Paletten gleichzeitig mit einer Gesamtlast von 3.600 kg laden kann. Der Prozess erfolgt in drei Schritten: Palettenausrichtung, Aufnahme und Beladung, wobei während des Ladevorgangs bereits die nächste Palettenreihe vorbereitet wird. Dieses System verbessert die Sicherheit und Effizienz im Ladebereich, indem es die Notwendigkeit von Gabelstaplern eliminiert und Wartezeiten reduziert.

Das US-amerikanische Start-up Pickle Robot Company hat den Logistik-Roboter „Dill“ entwickelt, der einen Lageranhänger mit mehr als 1.600 Picks pro Stunde schnell und effizient entladen kann und somit körperlich anstrengende und repetitive Aufgaben übernimmt. Die Mitarbeiter*innen wiederum überwachen die Arbeitsschritte des Roboters und heben beispielsweise vereinzelt heruntergefallene Pakete auf. Nicht nur werden durch „Dill“ die Kosten für Fehlsortierungen oder beschädigte Artikel reduziert, auch können die Kosten, die üblicherweise für den Einsatz von Automation anfallen, um bis zu 90 Prozent gesenkt werden.

Die Vision von der Industrie 4.0 beschreibt einen Paradigmenwechsel in der industriellen Fertigung hin zu dezentralen flexiblen Strukturen mit autonomen, sich selbst-steuernden Einheiten. Automatisierte und vernetzte Intralogistiklösungen, wie beispielsweise Fahrerlose Transportsysteme (FTS), und intelligente Software werden hierbei eine entscheidende Rolle spielen. Durch Forderungen nach kurzen Durchlaufzeiten, geringen Beständen und hoher Flexibilität gewinnt der innerbetriebliche Materialfluss als integratives Element im Unternehmen immer mehr an Bedeutung. Mit der Verwendung von fahrerlosen Transportsystemen kann so ein hohes Maß an Flexibilität erreicht werden.

Teslas humanoider Roboter, Optimus Gen 2, stellt einen bedeutenden Fortschritt in Teslas Vorstoß in die Robotik dar. Dieser neue Generationenroboter ist darauf ausgelegt, repetitive Aufgaben auszuführen, die menschliche Arbeit in bestimmten Bereichen ersetzen könnten. Er verfügt über von Tesla entwickelte Aktuatoren und Sensoren und hat eine bemerkenswerte Steigerung der Mobilität und Geschwindigkeit erreicht, da er 30% schneller laufen kann als frühere Versionen. Der Roboter ist außerdem leichter und zeigt verbesserte Balance und Geschicklichkeit, insbesondere mit seinen neuen Händen, die darauf ausgelegt sind, sowohl schwere als auch zarte Objekte zu handhaben. Tesla plant, diese Roboter in seinen Produktionsstätten einzusetzen, bevor sie zum Verkauf angeboten werden, mit dem übergeordneten Ziel, humanoide Roboter vielseitig und wirtschaftlich lebensfähig für verschiedene Anwendungen zu machen.

Walmart erweitert seine Partnerschaft mit dem Automatisierungsunternehmen Symbotic, um in den nächsten acht Jahren alle 42 regionalen Distributionszentren mit Robotern auszustatten. Diese Initiative baut auf einer bestehenden Zusammenarbeit auf, bei der bereits 25 Zentren automatisiert wurden. Die Technologie von Symbotic nutzt eine KI-gesteuerte Software, die eine Flotte von vollständig autonomen Robotern steuert, um Artikel zu empfangen, abzurufen und zu lagern

Der Einsatz von Robotern in den Fulfillment-Centern ermöglicht es Walmart, die Bestellabwicklung zu beschleunigen und die Genauigkeit bei der Bestandsverwaltung zu verbessern. Dies führt zu einer schnelleren Lieferung an die Kunden und hilft, die Betriebskosten zu senken. Darüber hinaus können durch die Automatisierung repetitive und physisch anstrengende Aufgaben reduziert werden, wodurch sich die Arbeitsbedingungen für die Mitarbeiter verbessern.

Starship Technologies setzt autonome Lieferroboter ein, um Lebensmittel und Pakete zu transportieren. Diese Roboter sind dafür konzipiert, Bürgersteige zu nutzen und sicher neben Fußgängern zu navigieren. Sie bieten eine effiziente und umweltfreundliche Alternative zu traditionellen Liefermethoden. Kunden können über eine App Bestellungen aufgeben und in Echtzeit verfolgen, wie ihre Lieferung von einem autonom navigierenden Roboter zugestellt wird. Die Roboter von Starship sind mit Sensoren und KI ausgestattet, die es ihnen ermöglichen, Hindernisse zu erkennen und zu umgehen, was für eine sichere und zuverlässige Lieferung sorgt.

Multimodale Künstliche Intelligenz (KI) ist ein aufkommender Makrotrend, der die Fähigkeit von KI-Systemen beschreibt, Informationen aus verschiedenen Modalitäten oder Datentypen – wie Text, Bild, Audio und Video – zu verstehen, zu interpretieren und darauf zu reagieren. Diese Entwicklung spiegelt einen signifikanten Fortschritt in der KI-Forschung und -Anwendung wider, da sie darauf abzielt, Maschinen ein umfassenderes und menschenähnlicheres Verständnis von Informationen zu ermöglichen. Multimodale KI-Systeme können Informationen aus einer Vielzahl von Quellen und Formaten gleichzeitig verarbeiten und integrieren. Beispielsweise kann ein System sowohl die gesprochenen Worte in einem Video verstehen als auch die dargestellten visuellen Informationen interpretieren. Multimodale KI ermöglicht eine breite Palette von Anwendungen, von fortgeschrittenen Chatbots und virtuellen Assistenten, die natürlichsprachige Konversationen mit visuellen Hinweisen kombinieren, bis hin zu intelligenten Sicherheitssystemen, die sowohl visuelle als auch akustische Signale erkennen und interpretieren können.

Diese multimodale KI ist Googles fortschrittlichstes und leistungsfähigstes KI-Modell, das in Zusammenarbeit mit DeepMind entwickelt wurde. Es ist multimodal konzipiert, was bedeutet, dass es unterschiedliche Informationsarten wie Text, Code, Audio, Bilder und Videos verarbeiten kann. Gemini zeichnet sich durch seine Flexibilität aus und kann effizient auf einer breiten Palette von Geräten, von Rechenzentren bis hin zu mobilen Geräten, eingesetzt werden. Gemini besteht aus mehreren Varianten, darunter Gemini Ultra, Pro und Nano, die jeweils für unterschiedliche Anwendungsbereiche und Geräte optimiert sind. Gemini Ultra ist das leistungsfähigste Modell, das für hochkomplexe Aufgaben eingesetzt wird, während Gemini Pro für eine breite Palette von Aufgaben skalierbar ist und Gemini Nano besonders effizient auf mobilen Geräten läuft.

GPT-4o („o“ für „omni“) ist die neueste Version des fortschrittlichen Sprachmodells von OpenAI, das noch leistungsfähiger und vielseitiger ist als seine Vorgänger. Es zeichnet sich durch eine verbesserte Fähigkeit zur natürlichen Sprachverarbeitung und -generierung aus, was zu noch präziseren und kontextbezogeneren Antworten führt. Ein herausragendes Merkmal von ChatGPT-4o ist die Omnidirektionalität, die bedeutet, dass das Modell Kontextinformationen in alle Richtungen berücksichtigt, was zu einer noch besseren Kohärenz und Genauigkeit führt. Es akzeptiert als Eingabe und Ausgabe jede Kombination aus Text, Audio, Bild und Video. Besonders beeindruckend ist seine Fähigkeit, auf Audioeingaben in nur 232 Millisekunden zu reagieren, was der menschlichen Reaktionszeit in Gesprächen sehr nahekommt. GPT-4o schlägt erneut die Performance des Vorgänger-Models und ist dabei in der API ca. 50 % günstiger . Zudem ist es besonders leistungsfähig in der Bild- und Audioverarbeitung im Vergleich zu bestehenden Modellen.

Die Integration von Sensordaten (z.B. Temperatur, Vibration), Bildern (für visuelle Inspektionen) und Wartungsaufzeichnungen ermöglicht es multimodalen KI-Systemen, den Zustand von Fahrzeugen und Ausrüstungen zu überwachen. Durch die Vorhersage potenzieller Ausfälle können so Wartungsarbeiten proaktiv geplant werden, um Ausfallzeiten zu minimieren.

Mit Machine Learning Code Generation kann aus natürlicher Sprache automatisch der notwendige Quellcode für die Softwareentwicklung generiert werden. Als Input wird in natürlicher Sprache beschreibend formuliert, welche Funktion die Software ausführen soll. Anschließend wird der Input via Machine Learning Algorithmen analysiert und daraus ausführbarer Quellcode generiert. Auch der umgekehrte Fall ist möglich: Auf Basis von vorhandenem Quellcode wird eine Dokumentation generiert, welche die Funktionen in natürlicher Sprache beschreibt. Mithilfe von Machine Learning Code Generation können Softwareanwendungen und Dokumentationen daher auch ohne ausgiebige Programmierkenntnisse generiert werden.

GitHub Copilot ist ein KI-basierter Programmierassistent, der in Zusammenarbeit mit OpenAI entwickelt wurde und Entwicklern hilft, effizienter Codes zu schreiben. Es bietet Vorschläge für ganze Zeilen oder Funktionen basierend auf dem Kontext des aktuellen Codes und unterstützt eine Vielzahl von Programmiersprachen, besonders Python, JavaScript, TypeScript, Ruby und Go. Das Tool lernt von dem individuellen Codierstil des Anwenders und bietet Alternativen zur Problemlösung. Die Anwendug ist direkt in den Editor integriert, wobei die Visual Studio Code-Erweiterung am häufigsten verwendet wird Die Technologie hinter GitHub Copilot, OpenAI Codex wurde speziell für Code-Generierung trainiert und besitzt ein tiefgreifendes Verständnis der Code-Nutzung.

CodeT5 ist ein Open-Source-Programmiersprachenmodell, das von Forschern bei SalesForce entwickelt wurde. Es basiert auf dem T5-Framework von Google (Text-to-Text Transfer Transformer). Um CodeT5 zu trainieren, hat das Team über 8,35 Millionen Beispiele von Programmcode, einschließlich Nutzerkommentaren, aus öffentlich zugänglichen GitHub-Repositories beschafft. Ein Großteil dieser Datensätze stammt aus dem CodeSearchNet-Datensatz, der Ruby, JavaScript, Go, Python, PHP, C und C# umfasst, sowie aus zwei C- und C#-Datensätzen von BigQuery.

Es ist nicht mehr notwendig, die Programmierumgebung zu verlassen, um zu suchen, wie eine bestimmte Funktion zu erstellen ist. Blackbox macht es leicht, den richtigen Codeschnipsel zu finden, ohne dass die Umgebung verlassen werden muss, mehrere Registerkarten geöffnet und Webseiten mit Dokumentation und Ressourcen zu durchsuchen. Geben Sie einfach eine Frage ein, und Blackbox AI generiert automatisch den richtigen Codeschnipsel, in jeder Programmiersprache!

Machine Learning ist eine Subdisziplin der Forschung im Bereich der künstlichen Intelligenz. Der Begriff umfasst sämtliche Techniken, die Algorithmen selbstständiges Lernen durch exemplarischen Dateninput ermöglichen. Diese Systeme wandeln die Erfahrungen aus Beispielen in Wissen um und erkennen Muster darin. Ziel im Machine Learning ist die stetige Verbesserung der Modelle, etwa bei Empfehlungssystemen in Onlineshops. Bekannte Methoden des Machine Learning sind künstliche neuronale Netze inkl. der Ausprägung Deep Learning. Sie wurden von den Prozessen des menschlichen Gehirns inspiriert. Beim Deep Learning werden mit Hilfe zusätzlicher Ebenen noch bessere Ergebnisse erzielt. Machine Learning ist Ausgangspunkt für eine Fülle von Einsatzgebieten – von Sicherheitssystemen über Robotics bis hin zu Echtzeitübersetzern im Ohr des Nutzers. Ein zentraler Fortschrittsbereich ist Computer Vision, eingesetzt bei der Gesichtserkennung und der maschinellen Bildverarbeitung, die autonomes Fahren möglich macht.

Mittels Algorithmen des maschinellen Lernens (ML) ermöglicht Walmart eine nahtlose Beladung von Anhängern und eine effiziente Routenplanung. Diese KI-gesteuerte Logistiklösung als Software-as-a-Service (SaaS) Plattform optimiert Fahrtrouten, gestaltet die Beladung von Anhängern effizient und minimiert die Fahrtstrecken . Das Ergebnis? Eine signifikante Reduzierung von CO2-Emissionen und eine Steigerung der Lieferketteneffizienz.

Ein neues KI-Modell des MIT optimiert mittels Deep Learning die Koordination von Robotern in Lagerhäusern, um Effizienz und Sicherheit in Lagerhäusern zu steigern. Diese Fortschritte in der KI-Technologie ermöglichen eine präzisere und schnellere Lagerverwaltung, reduzieren Betriebskosten und optimieren die Logistikprozesse. Das besondere an diesem neuen deep-Learning ist, dass diese KI hunderte Roboter auf einmal viermal schneller als bisherige Systeme steuern kann.

Amazon Web Services hat die allgemeine Verfügbarkeit von „Amazon Lookout for Vision“ bekannt gegeben. Konkret handelt es sich dabei um einen neuen Dienst, der Bilder via Computer Vision und maschinellem Lernen zur Erkennung von Produkt- oder Prozessfehlern und -anomalien in hergestellten Produkten analysiert. Benötigt werden dabei von Anwendern lediglich 30 Basisbilder, mit denen sich das KI-Modell trainieren lässt. Genutzt wird das System bereits von Unternehmen, um beispielsweise die Inspektion von Produktionslinien zu automatisieren und festzustellen, ob Produkte den Qualitätsvorgaben entsprechen.

Der Begriff Predictive Analytics bezeichnet Software, die in der Lage ist, auf der Grundlage von historischen und aktuellen Daten Situationen und Szenarien vorherzusagen und dementsprechende Handlungsempfehlungen zu geben. Das Ziel von Predictive Analytics ist es, mittels quantitativ und qualitativ ausreichenden direkten und indirekten Systemdaten und geeigneten Datenanalyseverfahren, Aussagen über den wahrscheinlichen zukünftigen (Teil-) Zustand eines Systems zu errechnen. Dies erfolgt meist in einem Datenmodell, welches dann zukünftige Zustände des Systems simulieren kann. Das System kann dabei eine Fabrik oder ein Maschinenpark sein, oder es kann – im Fall der Logistik – auch ein Lager oder sogar eine ganze Lieferkette sein.

Die Nagel-Group hat den Transport Volume Estimator implementiert, der eine signifikante Verbesserung in der Informationsvervollständigung der Stellplätze darstellt. Diese fortschrittliche Technologie ermöglicht es, den Laderaum auf eine optimierte Weise auszulasten und die Disposition automatisiert zu gestalten. Durch einen ausgeklügelten Machine Learning Algorithmus ist es nun möglich, die Transportvolumina mit einer bemerkenswerten Genauigkeit zu schätzen. Diese präzise Schätzung ist von unschätzbarem Wert für die Disponenten der Nagel-Group, da sie aktiv die operative Planung unterstützt und somit eine effizientere und effektivere Logistik ermöglicht.

Das 2015 in Seattle gegründete Start-Up Shelf Engine sagt die Nachfrage nach frischen Produkten in Restaurants und Lebensmittelläden vorher und will damit Abfälle reduzieren. Dafür verwendet es POS-Daten sowie Variablen wie Schulzeiten, lokale Veranstaltungen, Ferien und Wettervorhersagen. Bestellungen der Produkte können mithilfe von künstlicher Intelligenz komplett automatisiert ausgeführt werden. Während die durch weggeworfene Lebensmittel entstehenden Kosten sinken, können Einzelhändler die Menge an frühzeitig ausverkauften Produkten reduzieren und so ihren Profit maximieren.

Amazon hat sich durch seine Fähigkeit, ein breites Sortiment an Produkten anzubieten, stark positioniert, sah sich aber mit dem Nachteil konfrontiert, dass die Zustellung im Vergleich zu physischen Geschäften Zeit in Anspruch nimmt. Durch den Einsatz von Predictive Analytics im Rahmen seines Anticipatory Shipping Modells kann Amazon die Kundenerfahrung verbessern, indem es die Lieferzeiten verkürzt und gleichzeitig die Lager- und Transportkosten senkt. Hierbei wird die Ware zunächst ohne spezifische Lieferadresse in Richtung eines geografischen Bereichs verschickt, der auf der Vorhersage basiert. Sobald die endgültige Bestellung eingeht, kann die Lieferung schnell abgeschlossen werden​​.

Ein Metaverse oder auch Metaversum ist ein digitaler, virtueller Raum, in dem Menschen mithilfe von Virtual Reality (VR) und Augumented Reality (AR) als Avatare in Echtzeit miteinander interagieren können. Sie leben in einer Parallelwelt, in der die Avatare dieselben Handlungen ausüben, wie Menschen in der echten Welt. Dazu gehören alttägliche Aktivitäten wie leben, arbeiten sowie auch soziale Interaktionen wie Gespräche oder Beziehungen aufzubauen und zu führen. Auch der Kauf und Handel von Gegenständen, Konsumgütern oder Dienstleistungen gehört dazu und wird über Krypowährungen abgewickelt. Die Handlungen sind jedoch nicht begrenzt und es gibt kein Ziel oder Vorgabe für die User des Metaverse, analog zu dem echten Leben.

Bevor Sie in Meta Horizon Worlds einsteigen, fragen Sie sich vielleicht: Was ist Meta Horizon Worlds? Meta Horizon Worlds ist eine kostenlose App, die du mit deinem Meta Quest-Headset nutzen kannst. Es ist ein sich ständig erweiterndes soziales Universum, in dem du dich mit Freunden treffen kannst, neue Leute kennenlernst, Spiele spielst, an coolen Events teilnimmst und in dem es über 10.000 Welten und Erlebnisse zu entdecken gibt. In den Meta Horizon Worlds gibt es immer etwas Neues zu entdecken.

Mit Tausenden von virtuellen Erlebnissen und Gemeinschaften gehen Ihnen die Orte, die Sie erkunden können, und die Menschen, die Sie treffen können, nie aus. Musikclubs, Rollenspiel-Communities, virtuelle Kinos und mehr. Second Life ist immer wundervoll, manchmal seltsam und zu 100 % beeindruckend. Second Life ist ein umfassender Ort der Selbstdarstellung. Ganz gleich, ob Sie Ihre Geschichte mit anderen teilen oder sich mit anderen Menschen austauschen möchten, die ähnliche Erfahrungen wie Sie gemacht haben – in dieser brandneuen Ressource erfahren Sie mehr über die verschiedenen Gemeinschaften in der Welt.

Die LEGO Gruppe und Epic Games haben angekündigt, dass sie eine langfristige Partnerschaft eingehen, um die Zukunft des Metaverse zu gestalten und es für Kinder und Familien sicher und unterhaltsam zu machen. Die beiden Unternehmen werden sich zusammentun, um ein immersives, kreativ inspirierendes und fesselndes digitales Erlebnis für Kinder aller Altersgruppen zu schaffen, das sie gemeinsam genießen können. Das familienfreundliche digitale Erlebnis gibt Kindern Zugang zu Werkzeugen, die sie befähigen, selbstbewusst kreativ zu werden, und bietet erstaunliche Spielmöglichkeiten in einem sicheren und positiven Umfeld.