Cargotec setzt Daten und ML ein, um den Frachtfluss zu optimieren und nachhaltige Lösungen zu fördern

Cargotec Oyj (Cargotec), ein globaler Anbieter von Lösungen für den Fracht- und Ladungsumschlag, ist ein 1,5-°C-Unternehmen. Das bedeutet, dass es sich zum Ziel gesetzt hat, seine Kohlendioxidemissionen zwischen 2019 und 2030 zu halbieren. Um dieses Ziel zu erreichen, treibt Cargotec Effizienz und Nachhaltigkeit voran, indem das Unternehmen seinen Kunden elektrische Lösungen anbietet und mit seiner Internet of Things (IoT)-Lösung Daten sammelt. Cargotec hat sich zum Ziel gesetzt, die digitale Transformation der Fracht- und Ladungsabwicklung voranzutreiben und einen intelligenteren Frachtablauf für einen besseren Alltag zu ermöglichen.

Die Ermöglichung von Datenanalytik ist der Schlüssel für die Zukunft der Transport- und Logistikbranche und auch für ein globales Unternehmen wie Cargotec. Kalmar, eine der strategischen Geschäftseinheiten von Cargotec, bietet Lösungen an, die jedes Jahr an fast 800 Millionen Container-Bewegungen weltweit beteiligt sind. Und drei von vier Schiffen in der weltweiten Schifffahrt sind mit Ausrüstung von MacGregor, einem weiteren Geschäftsbereich von Cargotec, ausgestattet. Die Entwicklung einer IoT-Architektur, die Daten aus allen Lösungen von Cargotec erfasst und diese dann analysiert, um Erkenntnisse zu gewinnen, würde eine Herausforderung darstellen.

Für die Entwicklung dieser IoT- und Datenanalyselösung wandte sich Cargotec an Amazon Web Services (AWS). Das Team für datengesteuerte Dienstleistungen von Cargotec nutzte den Service Amazon SageMaker, mit dem sich hochwertige Modelle für Machine Learning (ML) schnell vorbereiten, erstellen, trainieren und bereitstellen lassen, um Modelle zur Unterstützung datengesteuerter digitaler Dienstleistungen zu erstellen. Mit Amazon SageMaker und anderen AWS-Services verwandelt Cargotec seine Daten in Erkenntnisse, die zu einem effizienteren, nachhaltigeren und kostengünstigeren Betrieb geführt haben.

Cargotec bietet über seine vier Geschäftsbereiche Kalmar, Hiab, MacGregor und Navis Fracht- und Ladungsumschlaglösungen für Schiffe, Häfen, Terminals und Binnenlogistikunternehmen in mehr als 100 Ländern an. Im Jahr 2020 belief sich der Umsatz des Unternehmens auf etwa 3,3 Milliarden Euro.

Im Jahr 2015 begann Cargotec mit der Entwicklung eines IoT- und Datenanalysesystems in AWS, um seine Kunden weltweit besser bedienen zu können. „Wir wollten unsere Kunden und ihre betrieblichen Herausforderungen mit IoT und Datenerfassung besser verstehen“, erklärt Pekka Mikkola, Director of Data-driven Services bei Cargotec. Gemeinsam mit seinen Kunden war das Unternehmen in der Lage, intelligente Services zu entwickeln, die Daten in neuen Zusammenhängen nutzen. Diese IoT- und Datenanalyseansätze würden auch die neuen elektrifizierten Lösungen von Cargotec unterstützen – zum Beispiel durch die Verbesserung von Ladeszenarien zur Optimierung des Strombetriebs. In einem Blog von Cargotec heißt es: „Datengestützte Methoden wie künstliche Intelligenz sind entscheidend, um den Übergang zu elektrisch betriebenen Flotten auf vernünftige, sachliche Weise statt durch Spekulationen zu ermöglichen.“

Seit 2018 nutzt das Unternehmen AWS-Services, darunter Amazon Simple Storage Service (Amazon S3) – ein Objektspeicherservice, der branchenweit führende Skalierbarkeit, Datenverfügbarkeit, Sicherheit und Leistung bietet – den Cargotec zum Speichern von Hunderten von Terabytes an Rohdaten verwendet.

Mikkola hebt hervor, dass Cargotec AWS wegen seiner Flexibilität und Innovationsgeschwindigkeit gewählt hat: „Wir können unseren Kunden schnell einen Mehrwert demonstrieren. Wir haben einen vielfältigen Kundenstamm und eine breite Palette von Lösungen, die eine echte Modularität der von uns genutzten Services erfordern, und die Nutzung von AWS hat diese Anforderungen erfüllt.“ 

Cargotec hat eine Pipeline entwickelt, die Daten von Ausrüstungen mit Amazon Data Firehose sammelt, einer einfachen Möglichkeit, Streaming-Daten zuverlässig in Data Lakes, Datenspeicher und Analysedienste zu laden. Die Streaming-Daten werden in Amazon S3 gespeichert, wo sich auch andere Datentypen, wie z.B. Daten von Geschäftssystemen, befinden. Die Datenwissenschaftler von Cargotec verwenden anschließend Amazon Athena, einen interaktiven Serverless-Abfrageservice, um Daten in Amazon S3 mit einer strukturierten Standardabfragesprache zu analysieren. Sie können daraufhin Daten aus Amazon-Athena-Tabellen in Amazon QuickSight eingeben, einem skalierbaren, einbettbaren, ML-gestützten Serverless-Business-Intelligence-Service, der es dem Expertenteam ermöglicht, interaktive Dashboards mit ML-gestützten Erkenntnissen zu erstellen und für ein breiteres Publikum zu veröffentlichen. Das Unternehmen verwendet auch AWS Lambda, einen Serverless-Computing-Service, mit dem Benutzer Code ausführen können, ohne Server bereitstellen oder verwalten, eine für die Workload geeignete Cluster-Skalierungslogik erstellen, Ereignis-Integrationen pflegen oder Laufzeiten verwalten zu müssen. „Wir sind in der Lage, unsere Kern-Services zu optimieren und die Rechenleistung an die tägliche Nachfrage anzupassen, um Flexibilität und Skalierbarkeit zu gewährleisten“, meint Mikkola.

Mithilfe von Amazon SageMaker hat das Team für datengesteuerte Dienstleistungen ML-Modelle entwickelt und bereitgestellt, die prädiktive Analysen für Cargotec-Ausrüstungen durchführen. „Der Einsatz von Amazon SageMaker ermöglicht es unseren Datenwissenschaftlern, produktiv zu sein und auf Hunderte von Terabyte gespeicherter Daten von den Maschinen zuzugreifen und diese Daten zu untersuchen“, betont Mikkola. „Wir benötigen keine speziellen Mitarbeiter für die Datenmanipulation. Die Datenwissenschaftler können selbst auf die Daten zugreifen und sie bearbeiten. Wir sind besonders stolz auf unsere vollständig serverlose ML-Operations-Pipeline, die die Datenerfassung, die Modellbereitstellung und alles dazwischen verwaltet.“ Eine serverlose Architektur ist nicht nur effizient, sie ist auch kostengünstig.

Ein ML-Modell kommt im Zusammenhang mit der neu eingeführten Energiespargarantie des Unternehmens zum Einsatz: eine hochmoderne, ökoeffiziente Verkaufsinitiative, die es Kunden ermöglicht, die Betriebskosten abzuschätzen und bei der Umstellung auf elektrische Maschinen wie die Elektrostapler von Kalmar Emissionen einzusparen. Cargotec verwendet ein ML-Modell, um zu verstehen, wie viel Energie die Ausrüstungen für den Güterumschlag in verschiedenen Szenarien auf der Grundlage der Betriebsbedingungen, der Fahrstrecken und des Gewichts der Ladungen verbrauchen werden. In der Folge kann Cargotec die Kunden über die geplante Nutzung der Ausrüstungen befragen und daraufhin den Energieverbrauch vorhersagen. Wenn die Kunden den prognostizierten Wert überschreiten, verspricht Cargotec ihnen eine entsprechende Erstattung. „Die Kunden sind sehr zufrieden: Dank dieses Angebots kann ein Unternehmen das, was zuvor variable Kosten waren, zu Fixkosten machen“, meint Mikkola.

Datenanalysen werden auch zur Verbesserung der Wartungsarbeiten an Ausrüstungen eingesetzt, z. B. um vorherzusagen, wann Ausrüstungen möglicherweise ausfallen oder gewartet werden müssen. Diese Informationen können den Servicebetrieb orchestrieren und neue Erkenntnisse bringen. Mithilfe von AWS-Lösungen destillieren wir Informationen aus Service- und Wartungsdaten sowie aus den Daten zur Ausrüstungsnutzung, um den Kundenbetrieb zu optimieren und eine bessere Betriebszeit für unsere Kundenausrüstungen zu gewährleisten“, erläutert Mikkola.

Durch den Einsatz von AWS hat Cargotec eine IoT- und Datenanalyselösung entwickelt, mit der die Kunden des Unternehmens ihre Abläufe sicherer, effizienter, nachhaltiger und kostengünstiger gestalten können. Kunden können die AWS-gestützten Lösungen von Cargotec nutzen, um ihre täglichen Abläufe zu optimieren – für einen intelligenteren Frachtfluss und einen besseren Alltag.

Weitere Informationen erhalten Sie unter thinkwithwp.com/sagemaker.