Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS
Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS

Christian Menden

Abteilungsleiter »Analytics«

Mathematik kann die Supply Chain revolutionieren – mit Modellen und Algorithmen, die die Komplexität reduzieren und miteinander verknüpften Prognose- und Optimierungsmethoden.

Alle ausklappen Alle einklappen

Mathematische Methoden helfen dabei, Muster in Daten zu erkennen, zukünftige Entwicklungen zu prognostizieren und optimale Entscheidungen zu ermitteln. Dabei zeigt sich aber in der Praxis, dass Qualität und Quantität der Daten für eine tatsächliche Verwendung in konkreten Anwendungen oft nicht ausreicht. Deshalb arbeitet Christian Menden im Forschungsfeld »Supply Chain Analytics« an Data Analytics-Modellen und Methoden, mit denen komplexe Fragestellungen aus Forschung und Industrie trotz widriger Rahmenbedingungen beantwortet werden können, indem er aktuell bekannte Verfahren zur künstlichen Intelligenz anpasst und weiterentwickelt.  Dafür erforscht er innovative Prognosemodelle und kombiniert sie mit mathematischen Optimierungsverfahren in Anwendungen aus den Bereichen Transport, Logistik, Produktion, Handel, Finanzwesen und Energiemanagement.

Persönliche Forschungsschwerpunkte:

  • Lernen mit wenig annotierten Daten
  • Data Augmentation
  • Prognosemethoden
  • Von Predictive zu Prescriptive Analytics

seit 2020
 Leiter der Abteilung Analytics der Arbeitsgruppe für Supply Chain Services SCS

seit 2018
verantwortlich für das Forschungsfeld »Supply Chain Analytics«

seit 2018
Leiter der Gruppe Data Science and Optimization der Arbeitsgruppe für Supply Chain Services SCS

seit 2018
Doktorand am Lehrstuhl für Wirtschaftsinformatik, insb. IT-Management der Friedrich-Alexander-Universität Erlangen-Nürnberg

2015 bis 2017
Wissenschaftlicher Mitarbeiter an der Otto-Friedrich-Universität Bamberg

2016
Master of Science in European Economic Studies an der Otto-Friedrich-Universität Bamberg

Publikationen:

Menden, C.; Mehringer, J.; Martin, A.; Amberg, M. (2019). Vorhersage von Ersatzteilbedarfen mit Hilfe von Clusteringverfahren. In: HMD Praxis der Wirtschaftsinformatik (56).

Menden, C.; Proano, C. R. (2017). Dissecting the financial cycle with dynamic factor models. In: Quantitative Finance, 17 (12), S. 1-30.


Vorträge:

KI-Reality-Check – Was kann KI und was nicht (2021)
IHK-Innovationstag, Online.

 

Mitgliedschaften und Aktivitäten:

  • International Institute of Forecasters (IIF)