Jungheinrich zet voorspellende AI-modellen van softwarebedrijf Monolith in om de batterijen van zijn volgende generatie elektrische heftrucks te verbeteren. Zo kan de fabrikant batterijprestaties al in een vroeg stadium nauwkeurig inschatten en ontwikkelingsprocessen versnellen.

De aanpak steunt op het analyseren van vroege testgegevens van batterijen. Met behulp van machine learning-modellen worden cruciale prestatie-indicatoren voorspeld nog vóór uitgebreide fysieke testcampagnes nodig zijn. Dit laat ingenieurs toe sneller technische beslissingen te nemen en het aantal kostelijke en tijdrovende tests te beperken.

Volgens Jungheinrich wordt batterijontwikkeling steeds complexer door de snelle evolutie van technologieën en de integratie in nieuwe truckplatformen. De AI-software van Monolith helpt deze complexiteit beheersbaar te maken door grote hoeveelheden testdata om te zetten in bruikbare inzichten. Tegelijk biedt het platform een centrale omgeving waarin engineeringteams veilig data, modellen en aanbevelingen kunnen delen.

De inzet van AI in engineering wint snel aan belang. Onderzoek van McKinsey toont aan dat datagedreven AI-methodes R&D-processen met 20% tot 80% kunnen versnellen. Voor Jungheinrich betekent dit niet alleen snellere innovatie, maar ook lagere ontwikkelingskosten en een efficiëntere weg naar duurzamere elektrische voertuigen.