Eingabe löschen

Kopfbereich

Schnellnavigation

Hauptnavigation

Prädiktive Bevorratung von Micro-Hubs für die dezentrale Lebensmittelversorgung

In diesem von der ZHAW School of Engineering (SoE) im Zuge der COVID-19 Pandemie finanzierten Projekt forscht das Institut für Nachhaltige Entwicklung (INE) zusammen mit dem Institut für angewandte Informationstechnologie (InIT) an einem Liefersystem, das neben der Stadtverträglichkeit im Alltag auch robust genug ist, um im Falle einer weiteren Krise - ähnlich zu COVID-19 - die Schweizer Bevölkerung ausreichend mit Lebensmitteln zu versorgen.

Ausgangslage und Zielsetzung

Während der COVID-19-Krise wendeten sich Konsumenten eher dem Online-Shopping zu, da sie das Risiko einer Infektion in überfüllten Einkaufszonen wie Lebensmittelgeschäften vermeiden wollten. Gemäss dem Distanzhandels-Monitor des Marktforschungsinstituts GfK stieg der Online-Umsatz für Lebensmittel im März 2020 um 65% gegenüber dem Vorjahresmonat. Darüber hinaus ist E-Commerce generell im Aufschwung - ein Trend, welcher durch die aktuelle Krise weiter anhalten und sich gar noch verstärken dürfte.

Mit der wachsenden Tendenz zum Onlinehandel verlieren insbesondere die Quartierläden zunehmend an Bedeutung und sehen sich mehr und mehr gezwungen, ihre Türen für immer zu schliessen. Um diesem Trend entgegen zu wirken, könnten Quartierläden in Micro-Hubs umgewandelt werden und mit einer auf künstlicher Intelligenz (KI) beruhenden, antizipierenden Nachfrage bevorratet und beliefert werden.

Ziel des vorliegenden Projektes ist es, ein Liefersystem aufzubauen, welches die Grundversorgung in Quartieren sicherstellt und neben der Stadtverträglichkeit im Alltag auch robust genug ist, um im Falle einer weiteren Krise - ähnlich zu COVID-19 - die Schweizer Bevölkerung ausreichend mit Lebensmitteln zu versorgen.

Projektablauf

AP1 – Erarbeitung Referenz- und Datenmodell KI-Micro-Hub

Erstellung eines Modells, welches mittels KI, der Integration von Vergangenheits- sowie verfügbaren Umfelddaten wie Wetter, Wochentag, Feiertagen, Sportevents etc. die Nachfrage nach E-Commerce Produkten antizipieren und die Bevorratung von Micro-Hubs prädiktiv berechnen und auslösen kann.

AP2 – Validierung und Anpassung Referenz- und Datenmodell

Validierung und Anpassung des Referenz- und Datenmodells zur Präzisierung des lernenden Algorithmus und der prädiktiven Bevorratungsmengen.

AP3 – Wissenschaftliche und praxisbezogene Dissemination

Wissenschaftliche Publikation der Resultate und Pilotanwendung.

Auf einen Blick

Beteiligte Institute und Zentren:

Projektleitung ZHAW:

Mitarbeitende ZHAW INE:

  • Vicente Carabias-Hütter, Onur Yildirim

Projektstatus:

  • laufend