CargoVision

Digitales OCR-Testfeld für die automatisierte Waggonzustandsdokumentation im Cargohafen

Projektfakten

Projektkoordinator

BLG Cargo Logistics GmbH

Projektvolumen

1.047.719,54 € (davon 80,00 % Förderanteil durch BMV)

Projektlaufzeit

12/2025 – 11/2027

Erprobungsmöglichkeiten für Dritte

Bereitstellung aufbereiteter OCR-Daten beispielsweise für den Aufbau einer Bilddatenbank, Markt- oder Datenerhebung

Kooperationsprojekte mit Forschungs-einrichtungen, Universitäten und Startups, zur KI-basierten automatischen Schadenserkennung an Waggons und Break-Bulk-Waren

Ansprechpartner

Frau Lisa Schade
Tel.: 0175 1469503
E-Mail: Yvfn.fpunqr@oyt.qr

Ansprechpartner Projektträger

TÜV Rheinland Forschungs- und Innovationsmanagement GmbH
Katharina Thomas
E-Mail: Katharina.Thomas@tuv.com
Tel.: 0201 / 6349-6167

Fotoquelle

Copyright: BLG Cargo Logistics GmbH

Ausgangslage/Motivation

Ein wesentlicher Teil des Güterumschlags im Cargohafen erfolgt über die Schiene. Aufgrund der Ausrichtung des Hafens als Break-Bulk-Hafen erfolgt die Anlieferung der Güter auf einer Vielzahl unterschiedlicher Waggontypen, jedoch nicht in Containern.
Der aktuelle Ausrüstungstand im Hafen hinsichtlich der Digitalisierung mit Bezug auf die Waggon-Erfassung und -Prüfung kennzeichnet sich durch einen hochgradig manuell geprägten Prozess ohne durchgängige digitale Informationsverarbeitung.

Projektziel

Ziel des Vorhabens ist der Aufbau eines digitalen Testfelds im Cargohafen, das als Digitalisierungshub für innovative Anwendungen im Bereich der Hafen- und Schienenlogistik dient. Kern des Testfelds ist die Errichtung mehrerer OCR-Gates, die eine vollautomatisierte Bild und Datenerfassung sämtlicher ein- und ausfahrender Zugverbände ermöglichen. Damit wird eine lückenlose und objektive Zustandsdokumentation geschaffen, die unabhängig von Betriebszeiten zur Verfügung steht und den bisherigen manuellen Prozess grundlegend modernisiert. Darüber hinaus bildet das Testfeld die Grundlage für weiterführende Forschungs- und Entwicklungsprojekte, insbesondere zur KI-gestützten Schadenserkennung. Durch die strukturierte Speicherung und revisionssichere Archivierung der erfassten Bild- und Bewegungsdaten entsteht ein wertvoller Datenpool, mit dem innovative Verfahren für die automatisierte Analyse, Klassifikation und Optimierung logistischer Abläufe entwickelt und erprobt werden können.

Umsetzung

Das Vorhaben ist für eine Laufzeit von 24 Monaten geplant und gliedert sich in sieben Arbeitspaketen, welche die Feinkonzeption von Prozessen und Hardware, die Feinkonzeption von Software und Schnittstellen, die Abstimmung mit internen und externen Stakeholdern, die Beschaffung der technischen Ausrüstungsgegenstände, die Inbetriebnahme und Installation der Ausrüstungsgegenstände, die Validierung der Funktionalität des Testfelds inklusive der Abnahme und das projekt-begleitende Projektmanagement umfassen. Die Erprobungsfeld werden erst im Anschluss an das Projekt betrachtet und erprobt.