Benedikt Sonnleitner

Benedikt Sonnleitner begeistert sich für lernende Verfahren zur Bedarfsprognose in Logistik, Handel und Produktion. Die Forschung in diesem Bereich verknüpft Mathematik mit Informatik und betriebswirtschaftlichem Verständnis. So bietet dieses Thema nicht nur eine tolle Spielwiese für das Ausprobieren neuer Ideen sondern auch viele Möglichkeiten Unternehmen bei ihren Planungsproblemen zu helfen. Der Mehrwert, der durch gute Bedarfsprognosen entsteht ist enorm: Eine Vielzahl von Entscheidungen im Unternehmen hängen letztlich von den prognostizierten Kundenbedarfen ab. Diese Erkenntnis beruht auch auf seine Erfahrungen im Vertrieb, zunächst in der Halbleiterbranche und nun in der Logistik. Daher beschäftigt er sich im Rahmen seiner Promotion mit Bedarfsprognosen für die Logistik.

Persönliche Forschungsschwerpunkte:

  • Bedarfsprognosen für die Logistik
  • Entscheidungsunterstützung mithilfe von Software und Daten

seit 2017
Wissenschaftlicher Mitarbeiter in der Gruppe Data Science der Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS

2015 – 2017
Logistik-Master an der OTH Regensburg; Parallel Werkstudent bei OSRAM OS

2012 – 2015
Duales Studium zum Wirtschaftsingenieur bei der EBV Elektronik GmbH & Co KG und der DHBW Mosbach 

Publikationen:

Bärmann, A.; Mehringer, J.; Menden, Ch.; Neumann, U.; Schemm, J.; Schneider, O.; Sonnleitner, B.; Weissenbäck, M. (2021). Data Analytics in der Supply Chain White Paper, Hg.: A. Pflaum, R. Fischer. Nürnberg: Fraunhofer SCS Zum White Paper

Sonnleitner, B. (2019). Daten sind nur Rohmaterial. In: Lebensmittel Zeitung, S. 46   

 

Vorträge:

Prescriptive Analytics for Less Than Truckload Motor Carriers (2021)
GOR Arbeitgruppensitzung »Prognose«, Nürnberg, 4.11.2021

Welt im Wandel, Supply Chains im Umbruch (2020). Vortrag zusammen mit Hans-Georg Zimmermann, Executive Convention Procurement & Supply 2020, 18./19. Februar 2020, Berlin.

KIVAS: KI-gestützte Kurzzeitprognosen für die Verbesserung von Fahrzeugeinsatz- und Auslastungsplanungen im deutschen Straßengüterverkehr (2019). mFUND-Fachaustausch: Güterverkehr, 6. Juni 2019, München und mFUND-Fachaustausch: Künstliche Intelligenz, 2. Juli 2019, Nürnberg.

Predicting demand for road haulage with external data: a comparison of methods. (2019) Vortrag zusammen mit Christian Menden, OR2019 – Operations Research 2019, 3. September 2019, Dresden.

 

Forschungsprojekte:

KITE: Künstliche Intelligenz im Transport zur Emissionsreduktion

KIVAS: Bessere Auslastung im Straßengüterverkehr mit KI-gestützten Kurzzeitprognosen

ProDAB: Optimierte Logistik- und Produktionsprozesse