Gruppe Predictive AI

»Predictive AI« bezeichnet ein interdisziplinäres Forschungs- und Anwendungsfeld, das KI-gestützte Methoden, Algorithmen und Systeme einsetzt, um auf Basis historischer sowie aktueller Daten zukünftige Ereignisse, Zustände oder Verhaltensweisen zu prognostizieren. Ziel ist es, aus großen Datenmengen Informationen zu generieren und Handlungsempfehlungen abzuleiten, die ein Unternehmen befähigen, effizienter zu arbeiten. In der Logistik, dem Transport und im Supply-Chain-Management kann durch den Einsatz von KI an den richtigen Stellen die Effizienz und die Wettbewerbsfähigkeit eindeutig verbessert werden. Damit befinden wir uns an der Schnittstelle zwischen Mathematik, Statistik und Informationstechnologie.

 

Datenbasierte Prognosen für bessere Entscheidungen

Die Gruppe »Predictive AI« entwickelt und erprobt KI-gestützte Methoden zur Mustererkennung und Vorhersage in komplexen, heterogenen Datenquellen. Die Anwendungen reichen von der vorausschauenden Analyse und Simulation von Produktionsprozessen über Prognosen von Nachfrageschwankungen und Rohstoffpreisen bis hin zur Erkennung von Anomalien in Qualitätsprüfprozessen. So werden datenbasierte Entscheidungsgrundlagen für Planung, Steuerung und Risikomanagement geschaffen.

 

Erklärbare KI und integrierte Entscheidungsunterstützung

Neben der eigentlichen Vorhersage sind auch die Interpretierbarkeit und Erklärbarkeit der KI-Modelle von zentraler Bedeutung, denn nur wenn Entscheidungsträger die Grundlage einer Prognose nachvollziehen können, lässt sich das Vertrauen in KI-gestützte Systeme nachhaltig aufbauen und sicherstellen. Das Besondere an der Forschungsarbeit der Gruppe ist die Verbindung von klassischen Machine-Learning-Ansätzen mit modernen Deep-Learning-Architekturen sowie die enge Zusammenarbeit mitden anderen Gruppen der Abteilung – beispielsweise die Integration von Prognoseergebnissen in Simulationsmodelle gemeinsam mit »AI Applications« oder in mathematische Optimierungsverfahren für automatisierte, datengetriebene Planungsentscheidungen zusammen mit »Optimization«.
 

Kompetenzen und Methoden

 

  • Time Series Forecasting
    • Klassische statistische Modelle
    • Hierarchical Time Series Forecasting
    • Neuronale Netze 
    • Foundation-Modelle
    • Quantifizierung von Prognoseunsicherheiten
  • ProcessAI
    • Predictive Process Monitoring
    • Process Mining
    • Root-Cause-Analysis
    • Prozess-Benchmarking
  • AutoML
    • Kontinuierliches Online-AutoML
    • Neural Architecture Search
    • Interaktives AutoML mit mehreren Evaluationskriterien
  • GenAI
    • Large Language Models (LLM) / Large Vision Models (LVM)
    • Retrieval-Augmented Generation (RAG)
       

Von der Methode zur produktiven Lösung

 

Die Entwicklung leistungsfähiger KI-Methoden und Modelle ist ein wichtiger Schritt – für den praktischen Einsatz müssen daraus jedoch robuste und zuverlässig betreibbare Softwaresysteme entstehen. Dafür arbeitet die Gruppe »Predictive AI« eng mit der Querschnittsgruppe »AI Applications« zusammen, die Kompetenzen in Software Engineering, Systemarchitektur und MLOps einbringt. Gemeinsam überführen die Gruppen Forschungsergebnisse und Prototypen in kundenspezifische Anwendungen und integrieren diese sicher und skalierbar in bestehende IT-Landschaften – von Datenpipelines und Schnittstellen über containerisierte Anwendungen und Model Serving bis hin zu Cloud-, On-Premises- und Hybrid-Deployments.

Spezifisches Domänenwissen

Die Gruppe »Predictive AI« setzt ihre Methoden und Kompetenzen in verschiedenen Domänen ein. Dabei besteht ein besonderer Fokus auf Intralogistik, Produktionslogistik, Transportlogistik und Rohstoffhandel.

Forschung in der Anwendung

Die Gruppe »Predictive AI« befasst sich mit aktuellen Forschungsfragen in den folgenden Forschungsschwerpunkten:

 

Forschungsschwerpunkt

Supply Chain AI

Wir entwickeln moderne KI-Methoden zur Lösung komplexer Analyse-, Prognose- und Optimierungsaufgaben für Prozesse innerhalb und zwischen Unternehmen: Für mehr Effizienz im Wertschöpfungsnetz durch Künstliche Intelligenz!

 

 

Forschungsschwerpunkt

Intelligentes Ressourcenmanagement

Wir entwickeln KI-basierte Algorithmen, mit denen der Verbrauch endlicher Ressourcen verringert werden kann - seien es natürliche Stoffe, Menschen oder Daten: Für maximale Wirtschaftlichkeit und Resilienz bei minimalen Auswirkungen auf Umwelt und Mensch