KI und die schwierigen Probleme der Welt · Theoretische Informatik · arXiv · 2026-10-23
LLM-gestützte Kapazitätsplanung von Verkehrsknotenpunkten mit textbasierten Geschäftsvorgaben
Originaltitel: LLM-Guided Transportation Hub Capacity Planning with Textual Business Inputs
Herkömmliche Modelle zur Kapazitätsplanung von Hubs optimieren zwar anhand quantitativer Eingaben gut, haben aber Schwierigkeiten, qualitativen geschäftlichen Kontext einzubeziehen. Beim vorgeschlagenen Framework schlägt ein Agent auf Basis eines großen Sprachmodells iterativ Kapazitätsentscheidungen aus natürlichsprachlichen Geschäftsbeschreibungen vor, nutzt dabei eine Chain-of-Thought-Entscheidungstabelle und prüft jede Entscheidung anhand von Rückmeldungen eines Optimierungsmodells. In einem realen Frachtnetzwerk mit 13 Hubs im Südosten der USA erreichte der Ansatz eine Optimalitätslücke von 2,8 % gegenüber einer verborgenen Ground Truth, verglichen mit 11,0 % beim herkömmlichen Optimierungsmodell ohne Texteingaben.