Neuronale Netze in der Logistik

Kurze Laufwege für Zalando-Mitarbeiter

Im Interview erläutert Dr. Roland Vollgraf, Data-Science-Experte bei Zalando, wie der Online-Händler mithilfe künstlicher neuronaler Netze seine internen Prozesse verbessert, sprich die Laufwege in den Logistikzentren verkürzt und die Pickrouten so optimiert, dass ein möglichst sinnvoller Weg durch die Regalreihen entsteht.

Dr. Roland Vollgraf, Zalando

„Das Trainieren von tiefen neuronalen Netzen ist eine Herausforderung“, weiß Dr. Roland Vollgraf, Data-Science-Experte bei Zalando.

IT-DIRECTOR: Herr Dr. Vollgraf, welche Herausforderungen bringt das Online-Retail-Segment grundsätzlich mit sich?
R. Vollgraf:
Der Online-Handel ist ein spannendes Feld, das sich jeden Tag verändert. In einer zunehmend digitalen Welt haben sich auch das Shopping-Verhalten und die Bedürfnisse der Kunden verändert. Im Logistikbereich testen wir z.B. gerade neue Services wie taggleiche Lieferung oder Retouren-Abholung zu Hause. Wir haben uns von einem reinen Online-Händler zu einer Plattform für Mode entwickelt, die alle Player der Fashion-Industrie in Europa verbinden will.

IT-DIRECTOR: Was versteht man unter neuronalen Netzen und inwieweit optimieren sie die Abläufe bei Zalando?
R. Vollgraf:
Künstliche neuronale Netze sind Rechenmodelle aus der Neuroinformatik und künstlichen Intelligenz, die biologischen Netzwerken von Neuronen im Gehirn nachempfunden sind. Im Prinzip ist ein künstliches neuronales Netz nichts weiteres als ein Modell mit sehr, sehr vielen Parametern, mit dem beliebige und sehr komplizierte Funktionen nachgebildet werden können. Das Besondere dabei ist, dass die Form der Funktion von vornherein nicht bekannt ist, sondern an bestehende Trainingsdaten angepasst wird.

Wir nutzen die Prozesse bei uns in den Logistikzentren, beispielsweise um möglichst kurze Laufwege zu generieren, wenn wir Ware aus dem Lager holen. Für die Anwendung der Längenabschätzung dieser sogenannten Pickrouten etwa, ist die zu modellierende Funktion eine Abbildung von einer Pickliste auf eine Zahl, nämlich die Länge der optimalen Pickroute. Diese findet direkte Anwendung beim sogenannten Batching, der Zusammenstellung von verschiedenen, optimal aufeinander abgestimmten Pickrouten.

Die Anwendungsgebiete neuronaler Netze sind auch über den Logistikbereich hinaus vorhanden. Beispielsweise verwenden wir sogenannte Convolutional Deep Neural Networks zur Extraktion von Merkmalen aus den Bildern unserer Produkte, die für das Bereitstellen von individuellen Empfehlungen an die Kunden verwendet werden.

IT-DIRECTOR: Welche Rolle spielt hierbei die Rechenzeit des eingesetzten Algorithmus?
R. Vollgraf:
Für heutige Anwendungen ist es nicht ungewöhnlich, dass künstliche neuronale Netze viele Hunderttausende Neurone und viele Millionen Parameter haben – eine im Vergleich zu biologischen neuronalen Netzen immer noch kleine Zahl. In biologischen Netzen arbeiten alle Neurone für sich und parallel. Selbstverständlich hat man bei Computern, die von Haus aus sequentiell arbeiten, einigen Entwicklungsaufwand, um derartige Berechnungen ausreichend gut zu parallelisieren. Erst mit der Entwicklung von GPGPU-Hardware konnte die Rechenzeit zum Trainieren und Anwenden neuronaler Netze für reale Anwendungen auf akzeptable Größenordnungen reduziert werden. Aber nach wie vor stellt die Rechenzeit der Algorithmen die größte Herausforderung für viele Anwendungen dar.

IT-DIRECTOR: Warum haben Sie sich für das Deep-Learning-Framework von Nvidia entschieden?
R. Vollgraf:
Das Cuda-Framework ist heute das am weitesten verbreitete GPGPU-Backend für Deep Neural Networks. Viele Bibliotheken für die Arbeit mit neuronalen Netzen bauen auf diesem Backend auf, was die Entwicklung unserer Anwendungen erleichtert. Zugleich ist cuda-kompatible Hardware, wir nutzen hier Tesla-GPU-Beschleuniger, performant und bietet ein gutes Preis-/Leistungsverhältnis.

IT-DIRECTOR: Welche Stolpersteine mussten bei dem Projekt überwunden werden?
R. Vollgraf:
Das Trainieren von tiefen neuronalen Netzen ist eine Herausforderung, da viele unterschiedliche Prozesse ineinander fassen müssen. Derzeit wird international viel Forschung- und Entwicklungsaufwand darauf verwendet, das Initialisieren der Netze und damit das Trainieren robuster zu machen.

IT-DIRECTOR: Wie gestalten sich die Arbeitsabläufe heute bei Zalando – welche Reaktionen erhielten Sie vonseiten der Mitarbeiter?
R. Vollgraf:
Konkret auf den Einsatz von neuronalen Netzen bezogen konnten wir die Laufwege in den Logistikzentren verkürzen und die Pickrouten so optimieren, dass ein möglichst sinnvoller Weg durch die Regalreihen entsteht. Das kommt auch bei den Mitarbeitern gut an.

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok