Studien, som är utvecklad tillsammans med det välrenommerade forskningsinstitutet Fraunhofer ISI, med logistikdata från Einride-kunden REWE, visar att optimerad digital planering möjliggör högre elektrifieringsgrad, större fordonsutnyttjande och 8–13 %* lägre Total Cost of Ownership (TCO).
Einrides verktyg Planning AI är en väsentlig orsak till de fördelaktiga resultaten, och verktyget finns till för att optimera fordonsflottan, öka elektrifiering och sänka kostnader genom integrerad rutt- och laddningsplanering för fordonsflottor.
Einride, ett teknikföretag som erbjuder digitala, elektriska och autonoma lösningar för vägtransport, offentliggjorde idag resultaten av en unik studie framtagen i samarbete med det erkända tyska forskningsinstitutet Fraunhofer ISI. Studien är den första som visar hur man genom AI-drivna planeringsverktyg kan göra elektrisk godstrafik skalbar och kostnadseffektiv för hela fordonsflottor – snarare än att byta ut dieselmotordrivna fordon till eldrivna en‑och‑en.
Einride och Fraunhofer ISI analyserade över 38 000 transporter och driftsmönster för över 200 fordon som trafikerar för dagligvarukedjan REWE, med över 500 leveranspunkter inom en radie på 230 km från två distributionscentraler i Berlinområdet, Tyskland.
– Med den här studien säger vi inte bara att AI kommer att förändra godstransporter – vi bevisar det med data. Att kvantifiera effekten av AI‑driven planering är ett kritiskt steg för branschen och visar Einrides ledarskap i att bygga skalbara, intelligenta transportsystem, säger Roozbeh Charli, vd för Einride. Med dessa insikter hoppas vi lägga grunden för nästa kapitel av framtidssäkrad godstrafik.
I kärnan av resultaten ligger Einrides avancerade Planning AI‑motor, som är en del av Einrides mjukvaruplattform. Till skillnad från vanliga tillvägagångssätt som ersätter diesel med el på fordonsnivå, integrerar Planning AI fordonsdata, energibehov och realistiska transportscenarier för att skapa koordinerade planer för hela fordonsflottan. Tekniken förbättrar fordonsutnyttjande, optimerar laddningen och möjliggör en skalbar och konkurrenskraftig elektrisk drift genom ett helhetsperspektiv.
Studien visar bland annat:
AI-driven planering ger djupare elektrifiering: Med Planning AI klarade eldrivna lastbilar upp till 85 % av total lastkapacitet och 54 % av total körsträcka, jämfört med 57 % respektive 32 % vid enkel 1:1-omställning.
Lägre ägandekostnad (TCO): Omplaneringen gav en 8–13 % sänkning av flottans TCO jämfört med ren diesel, medan 1:1‑metoden gav 3 % besparing — och därför visade sig vara nästan helt beroende av investeringsstöd.
Effektivare laddinfrastruktur: 150 kW snabbladdare vid lastplatser minskade kostnader, men en fordonsflotta som optimerades med AI var mindre beroende av denna dyra infrastruktur för att uppnå hög elektrifiering.
Robust i osäkra ekonomiska lägen: Även utan investeringsstöd för elfordon nådde AI‑planerade flottor nära samma elektrifieringsgrader och kostnadseffektivitet som diesel, vilket visar hur AI‑planering kan mildra marknad- och politisk osäkerhet.
– Studien gör ett viktigt vetenskapligt bidrag för att driva avkarbonisering av vägtransporter framåt. Som ett innovationsvänligt bolag är REWE stolta över att stödja sådana initiativ, säger Dr Fabian Nevries, Head of Transport Innovation & Technology på REWE. Ekonomisk effektivitet är helt avgörande för en hållbar omställning av lastbilsflottor och på REWE följer vi utvecklingen noga.
– Resultaten visar tydligt att om fordonsflottor helt eller delvis övergår till eldrift bör ruttoptimering följa med för att spara kostnader. Programvara som integrerar rutt‑ och laddningsplanering för hela fordonsflottorhar betydligt större effekt än att höja batterikapacitet eller bygga ut laddinfrastruktur utan sammanhang, säger Prof Dr Patrick Plötz, chef för Energi‑ och miljöekonomi vid Fraunhofer ISI.
Studien finns publicerad via Fraunhofer ISI och är en del av det svenska innovationsprojektet Regional Electrified Logistics (REEL), finansierat av programmet FFI för strategisk fordonsforskning.
*8 % jämfört med optimerad baslinje för diesel, 13 % jämfört med uppskattad historisk baslinje för diesel
