HeiGIT präsentiert Forschungsprojekte zu dynamischem Routing und Logistikoptimierung
Fünfte Sitzung der Arbeitsgruppe "KI in der humanitären Logistik": Wie können KI, Erdbeobachtung und dynamische Routenplanung humanitären Organisationen helfen, sich in sich rasch verändernden Einsatzumgebungen zurechtzufinden?
Während der 5. Sitzung der virtuellen Arbeitsgruppe „KI in der humanitären Logistik“ der Logistics Hall of Fame stellten Sukanya Randhawa, Julian Ferdinand Seyffer und Alec Schule-Eckel von HeiGIT drei miteinander verbundene Forschungsprojekte zur dynamischen Routenplanung und Logistikoptimierung vor. Sie basieren auf Daten, die für den Erfolg von Hilfseinsätzen von Bedeutung sind: „Adaptive Humanitarian Mobility“, „AILAS“ (AI Logistics Awareness System) und die ersten globalen Vergleichswerte über die Breite von Straßen und deren Zustand. Alle drei Themen stehen im Zusammenhang mit der laufenden Zusammenarbeit von HeiGIT mit der Hilfsorganisation Welthungerhilfe, deren operative Anforderungen und Einsätze vor Ort Teile dieser Forschung geprägt haben.
Die Vorträge befassten sich mit einer anhaltenden operativen Herausforderung: Eine effektive humanitäre Logistik hängt von einem genauen, aktuellen Bild des Einsatzumfelds ab. Der Zustand und die Befahrbarkeit der physischen Infrastruktur (wie Straßen und Brücken), der Status von Grenzübergängen, sich verändernde Sicherheitslagen, das Ausmaß von Überschwemmungen oder andere klimabedingte und katastrophenbedingte Auswirkungen schränken die Auslieferung von Hilfsgütern ein. Dieses Bild ändert sich ständig. Und Informationen zu diesen Faktoren sind oft fragmentiert, verzögert oder inkompatibel. Das zwingt Planer dazu, kritische Transporte über Strecken zu leiten, in denen der Zustand der Infrastruktur oft unbekannt ist.
Um diese Lücke zu schließen, stellte das Team drei miteinander verbundene Forschungsprojekte vor:
Adaptive Humanitarian Mobility: Die Lösung basiert auf einer dynamischen, auf OpenStreetMap basierenden Routenführung und bietet die Möglichkeit, Infrastruktur- und Barrierefreiheitsinformationen in Echtzeit in die Mobilitätsanalyse einzubeziehen. Sie synchronisiert Daten aus proprietären und offenen Quellen über ein spezielles Gateway und bildet diese entsprechend der sich ändernden Bedingungen direkt im Routenplanungsgraphen ab.
AILAS: Dieses Tool ist ein wetteradaptives Routing-System, das die Logistikplanung auf unbefestigten Straßen im Zusammenhang mit hydrometeorologischen Katastrophen verbessert. Es kombiniert Straßenbilder mit Deep-Learning-Modellen, um die aktuelle Befahrbarkeit der Straßen zu bewerten, verknüpft diese Bedingungen mit Wetter- und Umweltdaten und nutzt Wettervorhersagen, um die weitere Entwicklung der Befahrbarkeit vorherzusagen. Die Ergebnisse fließen direkt in die Mobilitätsanalyse für den operativen Einsatz ein.
Planet road surface data: Mithilfe von Deep Learning auf der Grundlage von Bildmaterial aus den Jahren 2020 bis 2024 klassifiziert die globale Referenzdatenbank zur Straßenbefestigung Straßen weltweit als befestigt oder unbefestigt und liefert Routenplanern so zuverlässigere und konsistentere Informationen zur Straßenqualität.
Zusammen zeigen diese Projekte laut HeiGIT, wie KI, Erdbeobachtung und dynamische Routenplanung fragmentierte und sich schnell ändernde Bedingungen in ein kohärentes und umsetzbares Gesamtbild für die humanitäre Logistik verwandeln können.
Adaptive humanitarian mobility: https://heigit.org/rethinking-humanitarian-routing-when-every-minute-and-mile-matter/
AILAS: https://heigit.org/ailas/
Planet road surface data: https://heigit.org/heigit-releases-global-satellite-dataset-for-humanitarian-routing-and-mapping-infrastructure-change/
