OneRail nutzt Nvidia-KI zur Optimierung der Echtzeit-Zustellung auf der „Last Mile“

OneRail hat eine KI-gestützte Lieferplattform eingeführt, die auf Nvidia-Technologie basiert und Einzelhändlern, Großhändlern und Distributoren dabei hilft, die effizientesten Liefermethoden für einzelne Bestellungen zu ermitteln.

Das System mit dem Namen OmniSTAR bewertet laut OneRail verschiedene Lieferkanäle – darunter firmeneigene Fuhrparks, Kuriere, Paketdienste und andere Logistikarten –, um die kostengünstigste Lösung zu ermitteln, die die Service-Level-Vereinbarungen erfüllt.

Die Plattform integriert die Entscheidungsoptimierungs-Engine „cuOpt“ und die Datenverarbeitungssoftware „cuDF“ von Nvidia mit den firmeneigenen Lieferpreis- und Leistungskennzahlen von OneRail. Die beschleunigte Recheninfrastruktur von Nvidia übernimmt die Berechnungen für Routenplanung und Liefermethoden.

Laut OneRail reduziert das System die Rechenzeiten um das bis zu Zehnfache. Aufgaben, die zuvor 20 Minuten in Anspruch nahmen, können nun in weniger als zwei Minuten erledigt werden, während wöchentliche Berechnungen auf etwa zwei Tage verkürzt werden.

OneRail gibt an, dass diese beschleunigte Verarbeitung eine Optimierung im laufenden Lieferbetrieb ermöglicht, sodass vor der Zuweisung eines Auftrags mehrere Fulfillment-Optionen bewertet werden können.

„Wenn man nicht in der Lage ist, blitzschnelle Entscheidungen zu treffen, verschenkt man Gewinnspanne“, sagte Catania in einem Interview mit CNBC. „Die Last-Mile-Zustellung ist teuer.“

Von der Vorhersage bis zu Lieferentscheidungen

Die umfassenderen KI-Systeme von OneRail nutzen Prognosen und Optimierung in verschiedenen Phasen des Lieferprozesses. Das Unternehmen berichtet, dass seine Modelle für maschinelles Lernen Faktoren wie die Dienstleistungsdauer, das Verspätungsrisiko, die Wahrscheinlichkeit einer erfolgreichen Zustellung beim ersten Versuch und erwartete Preisspannen vorhersagen.

Diese Prognosen fließen in Optimierungssysteme ein, die Strategien zur Auftragsabwicklung festlegen. Unabhängig davon erklärt OneRail, dass OmniSTAR verschiedene Fulfillment-Modelle vergleicht, um anhand von Kosten und Serviceanforderungen eine Option auszuwählen.

Die Forschung zur dynamischen Fahrzeugroutenplanung unterscheidet zwischen der Vorhersage sich ändernder Bedingungen und der Neuberechnung operativer Entscheidungen, sobald neue Informationen vorliegen. Eine Übersichtsarbeit aus dem Jahr 2024 im „European Journal of Operational Research“ identifizierte die Vorhersage von Fahrzeiten und die Echtzeit-Reoptimierung als eigenständige Bereiche der zeitabhängigen Routenplanungsforschung.

Nvidia cuOpt übernimmt die Routenoptimierung

Nvidia beschreibt cuOpt als eine Open-Source-Bibliothek zur GPU-beschleunigten Optimierung, die für die Fahrzeugroutenplanung und andere mathematische Optimierungsaufgaben entwickelt wurde.

Aus der Dokumentation von Nvidia geht hervor, dass cuOpt bei der Routenberechnung Fahrzeugkosten, Kapazitäten, Fahrzeiten, Betriebsfenster, Startorte und andere Einschränkungen berücksichtigt. Seine Kostenmodelle können Entfernung, Zeit, monetäre Kosten oder eine gewichtete Kombination dieser Kennzahlen einbeziehen.

OmniSTAR wendet cuOpt sowohl auf die Routenplanung als auch auf die Auswahl der Lieferart an. OneRail erklärt, dass das System dadurch in der Lage ist, verfügbare Ausführungsoptionen für einen Auftrag zu vergleichen und die kostengünstigste Option zu ermitteln, die den Serviceanforderungen entspricht.

OneRail weist darauf hin, dass viele Einzelhändler bei diesen Entscheidungen nach wie vor auf statische Regeln oder manuelle Planung zurückgreifen, während OmniSTAR darauf ausgelegt ist, mehr Lieferkombinationen innerhalb kürzerer Betriebszeiträume zu bewerten.

Nvidia erklärt, dass cuOpt nicht jede mögliche Route erschöpfend testet. Stattdessen generiert der Solver Lösungsvorschläge und verbessert diese iterativ mithilfe von GPU-beschleunigten Heuristiken, um innerhalb einer vorgegebenen Rechenzeit qualitativ hochwertige Ergebnisse zu erzielen.

Die Plattform nutzt zudem Nvidia cuDF, eine GPU-beschleunigte Bibliothek für die Verarbeitung tabellarischer Daten, einschließlich Filterung, Verknüpfung und Aggregation von Datensätzen.

OneRail kombiniert diese Funktionen mit seinen eigenen Lieferdaten und Betriebsmodellen. Sein Datensatz basiert auf Millionen von Lieferungen in einem Netzwerk, das mehr als 12 Millionen Fahrer und über 1.000 Logistikpartner umfasst.

Die Daten umfassen Preisgestaltung und Lieferleistung über verschiedene Transportarten hinweg. OneRail gibt an, dass OmniSTAR diese Informationen nutzt, um kostenerhöhende Lieferregeln zu identifizieren und zu bewerten, wie sich Lieferentscheidungen auf die Rentabilität auf Artikelebene auswirken.

Die für OmniSTAR offengelegte Architektur konzentriert sich auf GPU-beschleunigte Datenverarbeitung und mathematische Optimierung. Nvidia beschreibt cuOpt als die Optimierungskomponente, die für Probleme wie die Fahrzeugroutenplanung eingesetzt wird.

Da cuOpt zustandslos ist, erfordern Änderungen der Betriebsbedingungen, dass das Optimierungsproblem neu modelliert und erneut übermittelt wird. Nvidia nennt Fahrzeugpannen, Fahrerausfälle, Straßensperren, Verkehr und neue Aufträge mit hoher Priorität als Beispiele für Änderungen, die eine dynamische Neuoptimierung auslösen.

OneRail gibt an, dass OmniSTAR Lieferszenarien neu durchspielen kann, wenn sich Variablen wie Kraftstoffkosten, Wetter und Versandbedingungen ändern. Das Unternehmen hat zuvor erklärt, dass der Einsatz von cuOpt es ihm ermöglicht, mehr Routen-Szenarien zu bewerten und Routen schneller neu zu berechnen als mit seinem bisherigen Ansatz.

OmniSTAR geht in den Live-Betrieb über

OmniSTAR wird derzeit bei ausgewählten Unternehmenskunden eingesetzt.

Bei US Foods hat das System laut OneRail Lieferkonfigurationen identifiziert, die die Margen schmälerten – beispielsweise den Transport von Produkten mit geringer Marge über weite Strecken mit kostenintensiveren Fahrzeugen. US Foods nutzte diese Erkenntnisse anschließend, um die Preisgestaltung anzupassen und bestimmte Liefermuster umzustrukturieren, so OneRail.

OneRail teilte CNBC außerdem mit, dass ein namentlich nicht genannter großer Reifenhändler, der die Plattform nutzt, über einen Zeitraum von drei Jahren Einsparungen in Höhe von 40 Millionen US-Dollar erzielt habe. Der Kunde wurde nicht genannt, und die Einsparungszahl wurde von OneRail angegeben. Das Unternehmen teilte CNBC zudem mit, dass es erwartet, dass OmniSTAR im vierten Quartal 2026 ein Bruttowarenvolumen von über 6 Milliarden US-Dollar erreichen wird.

CNBC berichtete, dass OneRail und Nvidia vor dem Start des Projekts drei Jahre lang zusammengearbeitet hatten. OneRail erklärte, dass die Zusammenarbeit neben der Teilnahme am Nvidia-Inception-Programm auch die direkte Zusammenarbeit mit dem cuOpt-Entwicklungsteam von Nvidia in den Bereichen „Last-Mile“-Zustellung und groß angelegte Logistikoptimierung umfasste.

Im März dieses Jahres startete FedEx in Zusammenarbeit mit OneRail den Dienst „FedEx SameDay Local“, der Kunden an ein landesweites Netzwerk von mehr als 1.000 Zustelldienstleistern anbindet.

Siehe auch: Ein Viertel des Umsatzes von Nvidia im nächsten Jahr stammt aus von Nvidia finanzierten Labors

Möchten Sie mehr über KI und Big Data von Branchenführern erfahren? Besuchen Sie die „AI & Big Data Expo“, die in Amsterdam, Kalifornien und London stattfindet. Die umfassende Veranstaltung ist Teil der TechEx und findet gemeinsam mit anderen führenden Technologieveranstaltungen statt. Klicken Sie hier für weitere Informationen.

AI News wird von TechForge Media bereitgestellt. Entdecken Sie hier weitere bevorstehende Veranstaltungen und Webinare zum Thema Unternehmenstechnologie.