Fusion von künstlicher Intelligenz und Blockchain
Flotten-Tourenplanung bzw. in einem dynamischen Umfeld Flottensteuerung genannt löst das Problem, das richtige Fahrzeug zur richtigen Zeit, an dem richtigen Ort transportiert die richtige Fracht oder den Passagier. Klassische Systeme, so wie auch unsere Flotten-Tourenplanung setzen einen zentralen Server ein auf dem die Informationen und Daten gesammelt und Optimierungen durchgeführt werden.
Fahrzeugbasierte, autonome KI-Entscheidungsagenten (ökonomische Agenten) von Fahrzeugen als Multi-Agenten bzw. Multi-Robot System auf einer Blockchain modelliert erschaffen eine Dezentrale Autonome Organisation (DAO) und damit eine dezentrale sich selbst organisierende Flottensteuerung.
Digitale Business Twins
Wir haben einen Prototypen entwickelt, der die beschriebene Problematik vollständig serverlos löst. Es wurde als ein Multi-Agenten System (MAS) modelliert und wird sowohl im Steuerungs- als auch im Planungssegment eingesetzt. Dazu haben wir fahrzeugbasierte Entscheidungsmodule entwickelt, die als autonome Agenten für Fahrzeuge geschäftsrelevante Sachverhalte bewerten, Entscheidungen treffen und ausführen. Allgemeiner ausgedruckt über ein Produktionsprogram entscheiden. Die ökonomischen Entscheidungsmodule bzw. Agenten sind als Digitale Business Zwillinge eines Fahrzeugs modelliert und verhandeln mit anderen Digital Business Zwillingen von anderen Fahrzeugen über Frachten, Passagier und Preise etc. Die Digitalen Business Zwillingen können für die individuelle Entscheidungsfindung Machine Learning verwenden. Das Entscheidungsmodul kann für eine On-Board Device, Microcontroller, einem Board-Computer, Smartphone oder Retrofit-Unit entwickelt werden. Damit ist das System ein logisch dezentrales System.
Koordinationsmechanismus auf Distributed Ledger Technology
Um die Koordination zwischen den Fahrzeugen zu ermöglichen benötigt man einen Mechanismus zur kollektiven Entscheidungsfindung. Während die Spieltheorie analysiert, welche Ergebnisse erwartet werden, wenn sich ein Agent in einer bestimmten Form verhält und dabei das Verhalten anderer Agenten berücksichtigt, legt Mechanism Design ein erwünschtes Ergebnis fest (z. B. die Minimierung der Gesamtkosten oder die gleichmäßige Gewinnverteilung usw.) und dementsprechend wird der Koordinationsmechanismus konstruiert und sich die Agenten danach verhalten. Die Ergebnisstrategie ist festgelegt, während die Agenten in ihren Entscheidungen völlig autonom bleiben. Die Theorie des Mechanismus-Designs basiert auf den Arbeiten von Leonid Hurwicz und später Eric Maskin und Roger Myerson, für die sie 2007 den Nobelpreis für Wirtschaftswissenschaften erhielten. Unsere Lösung baut auf ihrer grundlegenden Arbeit auf. Es wurde ein Koordinationsmechanismus, d.h. das Verhandlungsprotokoll als Smart Contract entwickelt, der auf einer Distributed Ledger Technologie (z.B. Blockchain) funktioniert. Die Verhandlungen finden durch die Smart Contracts auf den Nodes statt und synchronisieren sich über das Netzwerk. Durch den Einsatz einer DLT werden Server und ein neutraler Intermediär als „single Source of Truth“ überflüssig. Die Nodes können sowohl auf einem Main Net d.h. verteilt im Internet laufen, oder auch auf einer fahrzeugbasierten DLT Node. Damit ist das System auch physikalisch dezentral.
Das ist ein Paradigmenwechsel in der Systemarchitektur.
Vision
Wir arbeiten an einem sich selbst organisierendem Netzwerk von LKW ohne zentrale Instanz und der Zusammenarbeit von LKW von konkurrierenden Flotten und Unternehmen mit einer serverlosen Infrastruktur mit flexiblem Orten und Zeiten für Umladungen im Begegnungsverkehr für eine autonome Lieferung.
Der digitale Business-Zwilling wird ein integraler Bestandteil des Fahrzeugs werden, von dem autonome Entscheidungen getroffen werden und Verhandlungen mit anderen digitalen Business Twins eines jedem anderen cyber-physikalischen Systems stattfinden.
(Gabelstapler, Lieferroboter, intelligentes Rampensystem, Produktionsmaschine etc.)
Es ist ein Teil der Vision einer sich selbst organisierenden Wirtschaft von Maschinen, was wir Maschinenökonomie bzw. Machine Economy oder in jüngerer Zeit Metaverse Economy nennen. Fahrzeuge koordinieren sich wie Schwärme, ganz nach Adam Smith’s „Unsichtbarer Hand“.
Unser dezentrales Flottensteuerungssystem ist die erste Implementation dieses futuristisches Konzepts.
Status Quo
Das dezentrale Flottensteuerungssystem auf Basis eines Multi-Agenten bzw. Multi-Robot Systems, manchmal auch „Verteilte Künstliche Intelligenz“ genannt, wurde bereits in den Kernelementen in einem Proof of Concept mit einem Demonstrator validiert. Nächste Schritte sind die Erweiterung der Entscheidungsmodule für komplexere Aufgaben und „Feldtests“.
Wir suchen für dieses Projekt Joint Development- und Pilot-Partner.
Zukunft
Weiterhin können mit unserem Ansatz auch neue gesellschaftliche Entwicklungen abgebildet werden, bei denen z.B. Mobilität ein öffentliches, aber staatlich subventioniertes Gut wird, Maschinen eigene legale Entitäten werden und sich selbst besitzen oder offene Kollektive von kollaborierenden, aber konkurrierenden Unternehmen mit ihren Profit und Non-Profit Maschinen nahtlos nebeneinander existieren und automatisiert zusammenarbeiten.
Zentrale vs. Dezentrale Systeme
Zentrale Systeme haben einige schwerwiegende Nachteile. Wird ein zentrales System, d.h. sowohl logisch z.B. ein intelligenter Software Agent als auch physikalisch z.B. ein zentraler Koordinationsserver, in einer Cyberattacke z.B. DDoS attackiert so fällt das gesamte System aus. Wenn das langfristige Ziel ist die kritische Infrastruktur Logistik und Transport autonom abzuwickeln, d.h. hunderttausende autonome Fahrzeuge bewegen sich auf den Straßen wird das ein sehr bevorzugter Angriffspunkt für Hacker und Cyberkriminelle werden.
Dezentrale Systeme können zwar genauso attackiert werden, aber eben jeweils nur einzelne Agenten im Netzwerk bzw. Fahrzeuge; und selbst wenn Diese ausfallen funktioniert das Netzwerk weiter.
Konkurrierende Flotten müssen bei zentralen Systemen bzw. im Top-Down Verfahren einer Optimierung ihre vollständigen Kostenstrukturen an die zentrale übergeordnete Einheit mitteilen, diese verwertet Diese dann und optimiert für alle Teilnehmer. Die meisten Kaufleute teilen allerdings ungern ihre Geschäftsgeheimisse, Preisstrategien mit einer dritten Partei. Weiterhin unterwirft man sich damit einer von dritten betriebenen Platform und hat keine Entscheidungsbefugnis mehr.
Bei einer dezentralen Platform findet die Bewertung von Frachten und Entscheidungsfindung lokal auf dem eigenen Device statt, d.h. im Bottom-Up Verfahren. Es werden nur die Ergebnisse z.B. Preise an die Platform übermittelt und der kollektive Konsens findet über den Koordinationsmechanismus statt. Weder muss ich bei Beiladungen einer zentralen Plattform mitteilen welche Tour ich fahre, wo sich mein Fahrzeug befindet und wie lange mein Fahrer noch fahren darf, auf welcher Strategie ich zu meinen Frachtraten gekommen bin, noch wie meine Preisstrukturen sind. Jeder optimiert für sich selbst und damit kommt ein für jeden annehmbares Gleichgewicht zustande; ganz nach dem Prinzip der „Unsichtbaren Hand“ entwickelt vom schottischen Ökonomen Adam Smith in seinem Werk „Der Wohlstand der Nationen“ von 1776. Wenn wir Adam Smith mit dem Mechanism-Design kombinieren, entwerfen wir die „unsichtbare Hand“ und das gewünschte Ergebnis.
Logisch dezentrale Systeme als Multi-Agenten oder Multi-Robot System modelliert sind hochskalierbar und können auch große Problem Sets dynamisch lösen.
Mit einem Bottom-Up Ansatz werden FTL (Full Truck Load) und LTL (Less than Truck Load) Problematiken gelöst, eine Integration der Intralogistik (z.B. Digitale Zwillinge eines Gabelstaplers oder Rampe) mit der Transportlogistik erzielt und berücksichtigen die Eigner-Struktur in Lieferketten von 1-4PLs, Sub-Unternehmer und Sub-Sub-Unternehmer.