Machine Learning in der Amazon-Logistik – wenn Maschinen die menschliche Arbeit erleichtern

Dr. Ralf Herbrich leitet als Managing Director das Amazon Development Center Berlin und ist zugleich Direktor des Bereiches Machine Learning. Das Zentrum unterstützt die Amazon-Gruppe mit einem Team von Wissenschaftlern und hochqualifizierten Entwicklern unter anderem im Bereich Machine Learning. In einem Interview hat Dr. Ralf Herberich einige interessante Einblicke dazu gegeben, wie Computer lernen und wie Machine Learning die Arbeit in der Logistik erleichtert.

Verbreitete Anwendungsfälle für maschinelles Lernen

  • Betrugserkennung
  • Personalisierung von Inhalten
  • Neigungsmodellierung für Marketingkampagnen
  • Dokumentenklassifizierung
  • Prognose der Kundenwanderung
  • Automatisierte Lösungsempfehlung für den Kundendienst

„Machine Learning“ klingt spannend – können Sie uns kurz erklären, was das ist?

Im Amazon Development Center in Berlin forschen und entwickeln wir zum Thema Zusammenarbeit von Mensch und Maschine. Wir befassen uns mit der Frage, wie Maschinen Routineaufgaben erlernen können, indem sie gängige Muster erkennen. Machine Learning steht in engem Zusammenhang zu künstlicher Intelligenz: Erfahrungen bzw. Daten werden in die Software eingespeist, das Programm ist dabei in der Lage, eigene Schlüsse aus den Eingabedaten zu ziehen. Im Bereich Logistik kommt der Input für den Computer aus den Erfahrungen unserer Kunden sowie der Mitarbeiter in den Logistikzentren.

Wie verbessert das die Logistikaktivitäten von Amazon?

Logistik ist äußerst komplex. Wenn Kunden bestellen, setzt das im Hintergrund zahlreiche Abläufe in Gang, um schnell und effizient liefern zu können. Wie wählen wir beispielsweise den Karton mit der idealen Größe, sodass ein Produkt sicher zum Kunden kommt – aber ohne überflüssiges Verpackungsmaterial? Das ist insbesondere dann schwer, wenn eine Bestellung aus vielen verschiedenen Artikeln besteht. Und wie treffen wir diese Entscheidung schnell? Die Antwort ist: Indem wir ein Programm die richtige Verpackungsgröße vorhersagen lassen.

Aber woher weiß das Programm, welche Verpackung am besten passt?

Hier kommen Mitarbeiter und Kunden ins Spiel. Die Kunden geben beispielsweise Feedback zur Verpackung, und Mitarbeiter tragen Erfahrungen aus ihrer täglichen Arbeit bei. All das fließt in die Software ein, zusätzlich zu anderen Informationen wie etwa Eckdaten zu jedem Produkt: Höhe, Länge, Breite und Gewicht. In den Daten erkennt die Software Muster und wählt auf dieser Grundlage die richtige Verpackungsgröße. Dank dieses Prozesses verbrauchen wir viel weniger Verpackungsmaterial. Das ist natürlich bequem für unsere Kunden, aber es ist auch besser für die Umwelt.

Was kann Machine Learning in der Logistik sonst noch leisten?

Die Amazon-Logistikzentren sind bekannt dafür, zahllose unterschiedliche Produkte auf Lager zu haben. Alle Waren in den Logistikzentren müssen beim Verkäufer bestellt werden und auf viele Logistikzentren verteilt werden. Und auch hier werden intelligente Software-Prozesse eingesetzt.

Ich nehme mal Schuhe als Beispiel, sagen wir, die neuesten Sneakers. Es wäre ziemlich umständlich, wenn für jedes einzelne Logistikzentrum eine eigene Bestellung beim Hersteller der Schuhe aufgegeben werden müsste. Deshalb erfolgt das zentral für alle Logistikzentren. Und die Bestellung enthält die genaue Zahl der Schuhe, die jedes einzelne Logistikzentrum benötigt.

Und Amazon weiss, wie viele neue Sneakers an welches Logistikzentrum gehen …

… auf Grundlage von Daten aus Erfahrungswerten. Daraus wird eine „regionale Prognose“ errechnet. Das bedeutet, dass zum Beispiel in einer Großstadt die Nachfrage nach den neuesten Sneakers höher sein könnte als in ländlichen Gegenden. Die Logistikzentren in unmittelbarer Nähe zu Großstädten bekommen dann mehr Sneakers geliefert als solche, die vor allem den ländlichen Raum beliefern.

Sie haben davon gesprochen, dass Mensch und Maschine Seite an Seite arbeiten. Können wir zum Abschluss noch ein wenig darüber erfahren?

Natürlich, das ist ja ein ganz wichtiges Thema. Ich bin Wissenschaftler und meine Kollegen und ich forschen im Development Center daran, wie Maschinen selbstständig lernen können, so dass Prozesse automatisch verbessert werden. Für uns Menschen ist es völlig natürlich, aus unseren Erfahrungen zu lernen. Warum sollte Software das nicht auch können? Wenn das funktionieren soll, brauchen wir die Mitarbeiter der Logistikzentren, die Kunden und die Software-Entwickler. Woher sollte die Erfahrung kommen? Wer würde den Algorithmus entwickeln? Und wer würde die unterschiedlichen Produkte, die eine Bestellung umfassen kann, beispielsweise ein Kanu, eine Nagelfeile und eine Waschmaschine, zusammenstellen und aus dem Lager entnehmen? Das alles tun Menschen. Die Technologie ist dazu da, uns das Leben und Arbeiten leichter zu machen – den Mitarbeitern im Logistikzentrum und den Kunden.

Interview aus Amazon Logistikblog

Frank