Die Lkw-Industrie steht vor erheblichen Herausforderungen, insbesondere wenn es um die Effizienz und Nachhaltigkeit des Transports geht. Ein zentraler Punkt ist die hohe Anzahl an Leerfahrten, die nicht nur wirtschaftlich ineffizient, sondern auch umweltschädlich sind. In Deutschland legten Lkw im Jahr 2021 beeindruckende 68 Milliarden Kilometer zurück, jedoch waren 30 bis 50 Prozent dieser Fahrten ohne Fracht. Markus Meßmer, Forschungsgruppenleiter am Zentrum für Digitalisierung in Mobilitätssystemen (ZDM) an der Dualen Hochschule Baden-Württemberg (DHBW) in Ravensburg, hat sich dieser Problematik angenommen und sie zum zentralen Thema seiner Doktorarbeit gemacht.
Die Motivation für Meßmer war klar: Die Transportbranche sieht sich einem enormen Kostendruck ausgesetzt, und die Optimierung der Lkw-Auslastung könnte nicht nur ökonomische Vorteile bringen, sondern auch einen Beitrag zu einer nachhaltigeren Logistik leisten. Seine umfassende Forschung hat zur Entwicklung eines innovativen Werkzeugs geführt, das in der Lage ist, zukünftige Fahrten mit geringer Auslastung und Leerfahrten präzise vorherzusagen.
Ein entscheidender Aspekt seiner Arbeit war die digitale Erfassung des Gewichts und Volumens der transportierten Güter. Zunächst stieß Meßmer auf Schwierigkeiten mit herkömmlichen Messmethoden, die auf Lkw-Bremssystemen basieren und sich in der Praxis als unzureichend erwiesen. Doch durch das Auslesen von Daten aus gängigen Lkw-Standardschnittstellen konnte sein Team eine effektive Lösung zur Erfassung des Frachtgewichts entwickeln.
Beim Frachtvolumen stellte sich heraus, dass 3D-Kameras aufgrund ihrer hohen Kosten nicht praktikabel waren. Stattdessen wurden robuste Sensoren eingesetzt, die kostengünstig und für den Einsatz in Lkw geeignet sind. Mit diesen Technologien war es möglich, das Gewicht und Volumen der Fracht zu identifizieren, was wiederum die Grundlage für die Anwendung von maschinellen Lernmethoden zur Vorhersage von Leerfahrten bildete.
Die Ergebnisse dieser Forschung wurden nicht nur in Form einer Doktorarbeit dokumentiert, sondern führten auch zur Anmeldung eines Patents für das entwickelte System. Darüber hinaus gründeten zwei Absolventen der DHBW ein Start-up, deepmatics, das bereits erste Aufträge akquirieren konnte. Dies zeigt, wie anwendungsorientierte Forschung direkt in die Praxis umgesetzt werden kann und Unternehmen dazu anregt, innovative Lösungen zu entwickeln.
Dr. Markus Meßmer betont die Bedeutung der Einbindung von Studierenden in die Forschung. Viele Studierende der DHBW waren aktiv an den Vorlesungen und Projekten beteiligt, was die praxisnahe Ausbildung stärkt. Die DHBW verfolgt das Ziel, anwendungs- und transferorientierte Forschung zu betreiben, und setzt dabei auf die enge Zusammenarbeit mit Unternehmen aus der Branche. Die Unterstützung diverser Firmen wie DB Schenker, Rolls-Royce und Kühne + Nagel hat wesentlich zum Erfolg der Forschungsarbeit beigetragen. Diese Unternehmen stellten umfangreiche Datensätze zur Verfügung und ermöglichten die praktische Erprobung der entwickelten Lösungen.
Die Finanzierung von Meßmers Position erfolgte durch die Zeppelin-Stiftung, die eine wichtige Verbindung zur Region darstellt. Mit fast 30 Jahren Erfahrung in der Unternehmensberatung und in Führungspositionen bei namhaften Unternehmen wie Siemens und Hilti bringt Meßmer ein wertvolles Wissen in seine Forschungsarbeit ein. Seine Doktorarbeit hat nicht nur das Portfolio der DHBW in der Lehre erweitert, sondern auch zu sechs weiteren Publikationen geführt.
Zusammenfassend lässt sich sagen, dass die Forschung von Markus Meßmer einen bedeutenden Schritt in Richtung einer effizienteren und nachhaltigeren Logistik darstellt. Durch innovative Ansätze zur Erfassung von Frachtgewichten und -volumen sowie die Anwendung moderner Technologien zur Vorhersage von Leerfahrten wird ein wertvoller Beitrag zur Optimierung der Lkw-Auslastung geleistet. Die enge Zusammenarbeit mit der Industrie und die Einbindung von Studierenden unterstreichen die praxisnahe Ausrichtung der DHBW und das Potenzial ihrer Forschungsaktivitäten.
