Zurück zu Bigger Picture

BIGGER PICTURE Öffentliche Dienste & Alltag

20 Millionen Pakete täglich treffen auf das maschinelle Sehen der Post

Postsortiermaschinen erzeugen gewaltige Bildmengen. USPS ergänzte KI-Auswertung nahe an diesen Maschinen, damit Mitarbeitende daraus hilfreiche Hinweise auf Sendungen im Netzwerk gewinnen können.

KI-generierte Illustration: Eine Kamera für maschinelles Sehen erkennt Pakete auf einem Sortierband.
Eine Kamera für maschinelles Sehen erkennt Pakete auf einem Sortierband. Konzeptionelle Illustration; kein Foto und keine exakte Darstellung des realen Projekts.KI-generierte Illustration der Idee, keine Aufnahme der tatsächlichen Personen, Geräte oder Ereignisse.
Berichteter Verarbeitungsumfang
Merkmale aus etwa 20 Mio. Paketen täglich
Berichtete Infrastruktur
192 Paketsortierstandorte in der NVIDIA-Fallstudie
Wichtige Unterscheidung
Schnellere Datenverarbeitung, keine 10-fach schnellere Zustellung

So funktioniert die Idee

  1. Pakete beim Sortieren erfassen

    Vorhandene Maschinen erzeugen Paketbilder.

  2. Merkmale lokal erkennen

    KI und Zeichenerkennung analysieren Bilder nahe den Maschinen.

  3. Ausnahmefälle untersuchen

    Mitarbeitende nutzen durchsuchbare Paketinformationen für die Nachverfolgung.

Aus einem Bild wird ein Suchhinweis

Ein Paket durchläuft viele Maschinen, bevor es ankommt. Unterwegs erfasste Bilder enthalten Informationen, die sich im Maßstab eines Postnetzes kaum manuell durchsuchen lassen. Der Bericht des USPS Inspector General von 2021 beschreibt, wie KI und Zeichenerkennung Standortbilder auswerten, um fehlende Sendungen schneller zu identifizieren.

Belege: [1]

Die Auswertung näher ans Förderband bringen

Die Architektur trainierte Modelle zentral und verteilte sie auf Rechner in den Verarbeitungszentren. Die lokale Auswertung konnte nahe am Bildstrom der Pakete stattfinden. Darin liegt hier der praktische Sinn von Edge Computing: einen umfangreichen physischen Ablauf auswertbar machen, ohne jedes Bild als eigenen menschlichen Untersuchungsfall behandeln zu müssen.

Belege: [3]

Der Umfang ist konkret, das Zustellversprechen bleibt begrenzt

NVIDIAs Fallstudie nennt die Merkmalsextraktion für ungefähr 20 Millionen Pakete täglich und den Einsatz an 192 Sortierstandorten. Außerdem berichtet sie zehnfach schnellere Paketdatenverarbeitung. Das sind Anbieterangaben zur Infrastruktur. Sie belegen weder zehnfach schnellere Zustellung noch eine bestimmte Verringerung verlorener Sendungen oder unabhängig gemessene Kundenzufriedenheit.

Belege: [2]

Vorhandene Betriebsspuren besser nutzen

Der menschliche Nutzen liegt darin, Ausnahmefälle mit besseren Informationen zu bearbeiten, statt Mitarbeitende blind suchen zu lassen. Der Aufsichtsbericht betont zugleich praktische Hürden technischer Einführung in einem sehr großen Dienstleister. Übertragbar ist ein konkreter Ansatz: eine aufwendige Suchaufgabe bestimmen, vorhandene Bilder durchsuchbar machen und die tatsächliche Fallbearbeitung überprüfen.

Belege: [1]

Die Originalquellen

  1. USPS Office of Inspector GeneralStep into Tomorrow: The U.S. Postal Service and Emerging Technology
  2. NVIDIAIntelligent Supply Chain: USPS case study, page 10
  3. NVIDIANVIDIA Provides U.S. Postal Service AI Technology to Improve Delivery Service

Was Sie als Nächstes entdecken können

Spam erkennen, der sich hinter veränderten Wörtern verstecktEine kürzere Schlange kann mit wenigen Grünsekunden beginnen
Alle 99 Anwendungen entdecken