Forschung
Die Juniorprofessur für KI-Anwendung in Produktion und Logistik erforscht, wie Methoden der Künstlichen Intelligenz dazu beitragen können, komplexe Planungs-, Steuerungs- und Optimierungsprobleme in industriellen Wertschöpfungssystemen zu lösen. Unsere Forschung verbindet zu diesem Zweck Methoden und Modelle des maschinellen Lernens, der generativen Künstlichen Intelligenz, der Metaheuristiken sowie der Modellbildung und Simulation für Problemstellungen in Produktion, Logistik, Supply Chain Management, Robotik und Verkehr.
Unsere Forschung gliedert sich in drei Schwerpunktbereiche.
KI-Methoden für die Produktion und Logistik
Im Kern unserer Arbeit steht die Frage, wie sich KI-Methoden nutzen lassen, um industrielle Entscheidungsprozesse intelligenter, adaptiver und effizienter zu gestalten. Im Bereich der Produktionsplanung und -steuerung entwickeln wir lernende Agenten, die Fertigungsabläufe eigenständig optimieren und auf veränderte Rahmenbedingungen reagieren können. Auf Ebene der Lieferketten untersuchen wir, wie KI-gestützte Ansätze dazu beitragen können, Netzwerke dynamisch zu steuern und bei Störungen schnell zu rekonfigurieren. Ein weiterer Schwerpunkt liegt auf KI-gestützten Robotikanwendungen, in denen wir adaptive Handhabungsstrategien und lernbasierte Steuerungskonzepte für die Industrierobotik erforschen.
Modellierung und Simulation in Produktion und Logistik
Die Modellierung und Simulation bildet eine wesentliche Grundlage für die erfolgreiche Anwendung von KI-Methoden. Simulationsmodelle ermöglichen es, komplexe Systeme realitätsnah abzubilden, Trainingsdaten für maschinelle Lernverfahren zu generieren und KI-basierte Entscheidungsstrategien in einer risikofreien Umgebung zu erproben. Insbesondere für das Training von agentischen Systemen mittels Deep Reinforcement Learning sind solche Simulationsumgebungen unverzichtbar. Innerhalb der Professur entwickeln wir schnelle und effiziente Simulationsansätze – etwa auf Basis mesoskopischer Modelle –, erforschten die automatisierte datengetriebene Erstellung und Parametrisierung von Simulationsmodellen und setzen simulationsbasierte digitale Zwillinge für die operative Entscheidungsunterstützung ein.
Generative KI für industrielle Anwendungen
Als dritter Schwerpunkt adressieren wir das wachsende Potenzial generativer KI (genKI) -Systeme für den industriellen Einsatz. Hierzu zählen die genKI-gestützte Fabrikplanung, in der generative Modelle Layoutentwürfe und Planungsalternativen erzeugen, ebenso wie der Aufbau von genKI-spezifischen AutoML-Pipelines und MLOps-Infrastrukturen, um deren Einsatz in der Praxis skalierbar und wartbar zu gestalten. Ergänzend zur datengetriebenen Erstellung und Parametrisierung von Simulationsmodellen erforscht die Professur zudem, wie generative KI die Modellbildung durch natürlichsprachliche Interaktion vereinfachen kann – insbesondere dort, wo automatisierte datengetriebene Ansätze an der Komplexität realer Ablauflogiken an ihre Grenzen stoßen.
Die drei Bereiche sind dabei eng miteinander verzahnt: Simulationsmodelle liefern Trainingsumgebungen für KI-Agenten, während generative Verfahren die Modellgenerierung beschleunigen und automatisieren.
