Bild: steheap (AdobeStock)

EU-Projekt DataPorts: Sehr erfolgreiche Begutachtung der ersten Projektphase durch Europäische Kommission

Im Projekt DataPorts entwickeln 13 Unternehmen und Forschungseinrichtungen eine Big-Data-Plattform für europäische Seehäfen. Das Softwaretechnik-Institut paluno der Universität Duisburg-Essen steuert eine KI-Komponente bei, die Logistikern hilft, proaktive Entscheidungen zu treffen.

Die Projektpartner – darunter die Häfen von Valencia und Thessaloniki – wollen mit der neuen Datenplattform die Basis für eine umfassende Automatisierung in den Häfen durch Künstliche Intelligenz legen. Das ist bislang schwierig, weil die vielen Stakeholder ihre Daten nicht ohne Probleme teilen können. DataPorts erforscht daher Lösungen, um die diversen Daten einfach, sicher und datenschutzkonform zusammenzuführen. Darüber hinaus sollen neuartige KI-Werkzeuge und kognitive Dienste bereitgestellt werden, damit die Häfen in Zukunft mehr Wert aus ihren Daten schöpfen.

Die paluno-Arbeitsgruppe von Prof. Pohl entwickelt in diesem Zusammenhang eine KI-Komponente, die sehr genaue Prognosen über den Fortgang laufender Geschäftsprozesse liefert. Drohen z.B. Verspätungen in einer Transportkette soll die Anwendung die Gründe nennen und konkrete Vorschläge machen, zu welchem Zeitpunkt und mit welchen Maßnahmen die laufenden Prozesse am besten anzupassen sind.

Das von der EU geförderte Projekt ist Anfang 2020 mit einer Laufzeit von drei Jahren gestartet. Zur Projekthalbzeit haben Vertreter der Europäischen Kommission nun die Zwischenergebnisse begutachtet. Sie zeigten sich äußerst zufrieden mit dem Projektfortschritt und der Qualität der entwickelten Technologien. Das Team von Prof. Pohl wird in den nächsten Monaten die Praxistauglichkeit seiner Entwicklung anhand weiterer realer Daten aus den Häfen validieren. Zum Ende des Projektes werden alle entwickelten KI-Komponenten zu einer integrierten Datenplattform zusammengeführt werden.

Projektwebsite: https://dataports-project.eu/

This project has received funding from the European Union's Horizon 2020 research and innovation programme under grant agreement no. 871493