Gruppe Data Science

»Data Science« ist definiert als ein interdisziplinäres Forschungsfeld, welches wissenschaftlich fundierte Methoden, Prozesse, Algorithmen und Systeme zur Extraktion von Erkenntnissen und Mustern sowohl aus strukturierten als auch unstrukturierten Daten ermöglicht. 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 Data Science an den richtigen Stellen die Effizienz und die Wettbewerbsfähigkeit eindeutig verbessert werden. Data Science nutzt dazu meistens Machine Learning Methoden, und befindet sich an der Schnittstelle zwischen Mathematik, Statistik und Informationstechnologie.

Mit Prognosen die richtigen Entscheidungen treffen

Die Gruppe »Data Science« setzt den Fokus auf die Entwicklung und Anwendung von Methoden zur Zeitreihenanalyse, wodurch genauere Bedarfsprognosen in der Intralogistik, Volumenprognosen in der Transportlogistik, Rohstoffpreisprognosen oder Rückschlüsse von Produktionsparametern auf die Produktqualität errechnet werden.

Neben der Prognose an sich ist auch die Quantifizierung der Prognoseunsicherheit von Bedeutung, wenn es darum geht, die richtige Entscheidung zu treffen, denn diese sagt aus mit welcher Wahrscheinlichkeit welches Ereignis eintritt.

Das Besondere an der Forschungsarbeit der Gruppe ist die Kombination der eigenen Kompetenzen mit denen anderer Gruppen wie beispielsweise bei Kombination der Prognoseergebnisse mit Mathematischen Optimierungsmodellen für automatisierte und optimale Planungsentscheidungen.

Kompetenzen und Methoden

 

  • Feature Engineering/Selection
  • Time Series Forecasting
    • klassische statistische Modelle
    • Hierarchical Time Series Forecasting
    • Neuronale Netze
    • Bayesianische Modelle
  • Classification (z. B. Tree-Based Models)
  • Quantifizierung von Prognoseunsicherheiten
  • Clustering
  • Root-Cause-Analysis (probabilistische Modelle)
  • KI-Ops-Architekturen
  • Quantum Machine Learning

Spezifisches Domänenwissen

Die Gruppe »Data Science« 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 »Process Intelligence« 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