Bereich Supply Chain Services
des Fraunhofer IIS
Bereich Supply Chain Services
des Fraunhofer IIS

Dr. Ursula Neumann

Alle ausklappen Alle einklappen

Die Potenziale und Herausforderungen von KI-Anwendungen entlang der gesamten Supply Chain sind praktisch unbegrenzt. Dabei übernehmen prädiktive KI-Anwendungen eine zentrale Rolle für die Steigerung der Planungsgenauigkeit und -sicherheit im Bereich Beschaffung, Produktion, Distribution sowie Vertrieb und After-Sales.

Die Gruppe »Predictive AI« erarbeitet KI-basierte Lösungen für diese Bereiche von der Datenaufbereitung – auch bei ungelabelten Daten mittels Semi-Supervised Learning – über die KI-Verfahrensentwicklung bis hin zum Einsatz in den operativen Betrieb (MLOps). Dabei unterstützen innovative Methoden der Generativen KI (GenAI) und des automatischen maschinellen Lernens (AutoML).

Deshalb arbeitet Dr. Ursula Neumann, Leiterin der Gruppe »Predictive AI«, mit ihrem Team an der Anpassung bestehender und der Entwicklung neuer KI-Verfahren, um Mehrwerte in Logistik, Handel und Produktion

Forschungsschwerpunkte:

  • 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 Vison Models (LVM)
    • Retrieval-Augmented Generation (RAG)

seit 2026
Leitung der Gruppe »Predictive AI« in der Abteilung »Decision Intellugence« aus dem Bereichs Supply Chain Services des Fraunhofer IIS

seit 2020
Gruppenleiterin der Gruppe »Data Science« in der Abteilung »Analytics« der Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS

2019 bis 2020
Wissenschaftliche Mitarbeiterin in der Gruppe »Data Science & Optimization« der Abteilung »Analytics« der Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS

20017 bis 2019
Postdoc an der Philipps-Universität Marburg

2014 bis 2017
Promotion in Bioinformatik, TU München

2013
Universität Regensburg, M.Sc. in Mathematik

Publikationen:

Mera-Gaona, M., López, D. M., Vargas-Canas, R., & Neumann, U. (2021). Framework for the Ensemble of Feature Selection Methods. Applied Sciences, 11(17), 8122.

Mera-Gaona, M., Neumann, U., Vargas-Canas, R., & López, D. M. (2021). Evaluating the impact of multivariate imputation by MICE in feature selection. Plos one, 16(7), e0254720.

Löhnert, M., Neumann, U. 6 Schieder, C. (2020). Lageroptimierung von Vendor-Managed-Inventories - Datenaufbereitung für Advanced Analytics. BI Spektrum, 4/2020

Neumann, B., Angstwurm, K., Mergenthaler, P., Kohler, S., Schönenberger, S., Bösel, J., …, Neumann, U., ... & German Myasthenic Crisis Study Group. (2020). Myasthenic crisis demanding mechanical ventilation: a multicenter analysis of 250 cases. Neurology, 94(3), e299-e313.

Neumann, U., Genze, N., & Heider, D. (2017). EFS: an ensemble feature selection tool implemented as R-package and web-application. BioData mining, 10(1), 1-9.

Neumann, U., Riemenschneider, M., Sowa, J. P., Baars, T., Kälsch, J., Canbay, A., & Heider, D. (2016). Compensation of feature selection biases accompanied with improved predictive performance for binary classification by using a novel ensemble feature selection approach. BioData mining, 9(1), 1-14.

Baars, T., Neumann, U., Jinawy, M., Hendricks, S., Sowa, J. P., Kälsch, J., ... & Canbay, A. (2016). In acute myocardial infarction liver parameters are associated with stenosis diameter. Medicine, 95(6).