Juniorprofessur für

"Künstliche Intelligenz (KI)

Anwendung in Produktion und Logistik"

AI Engineering (AiEng) umfasst die systematische Konzeption, Entwicklung, Integration und den Betrieb von auf Künstlicher Intelligenz (KI) basierenden Lösungen nach Vorbild ingenieurwissenschaftlicher Methoden. Gleichzeitig schlägt AiEng eine Brücke zwischen der Grundlagenforschung zu KI-Methoden und den Ingenieurwissenschaften und macht dort den Einsatz von KI systematisch zugänglich und verfügbar. Das Projektvorhaben konzentriert sich auf die landesweite Entwicklung eines Bachelorstudiengangs «AI Engineering», welcher die Ausbildung von Methoden, Modellen und Technologien der KI mit denen der Ingenieurwissenschaften vereint. AiEng soll als Kooperationsstudiengang der Otto-von-Guericke-Universität (OVGU) Magdeburg mit den vier sachsen-anhaltischen Hochschulen HS Anhalt, HS Harz, HS Magdeburg-Stendal und HS Merseburg gestaltet werden. Der fächerübergreifende Studiengang wird Studierende befähigen, KI-Systeme und -Services im industriellen Umfeld und darüber hinaus zu entwickeln und den damit einhergehenden Engineering-Prozess - von der Problemanalyse bis zur Inbetriebnahme und Wartung / Instandhaltung - ganzheitlich zu begleiten. Das AiEng-Curriculum vermittelt eine umfassende KI-Ausbildung, ergänzt durch eine grundlegende Ingenieurausbildung und eine vertiefende Ausbildung in einer gewählten Anwendungsdomäne. Um eine Symbiose von KI- und ingenieurwissenschaftlicher Lehre zu erreichen, wird ein neuer handlungsorientierter Rahmen entwickelt und gelehrt, welcher den vollständigen Engineering-Prozess von KI-Lösungen beschreibt und alle Phasen methodisch unterstützt. AIEng zeichnet sich durch eine modulübergreifende Verzahnung von Lehr- und Lerninhalten innerhalb eines Semesters sowie durch ein fakultäts- und hochschulübergreifendes Tandem-Lehrkonzept aus und verfolgt ein studierendenzentriertes Didaktikkonzept, welches durch viele praxisorientierte (Team-)Projekte und ein großes Angebot an Open Educational Resources (OERs) mit (E)-Tutorenprogramm getragen wird.

Projekt im Forschungsportal ansehen

Das Forschungsprojekt SENECA verfolgt die Entwicklung eines selbstlernenden Entscheidungsunterstützungssystems für die echtzeitfähige Auftragsreihenfolge- und Maschinenbelegungsplanung. Die Forschungsfrage lautet, wie Methoden des maschinellen Lernens (ML) angewendet werden müssen, um in Echtzeit zulässige Lösungen mit ausreichender Güte für Auftragsreihenfolge- und Maschinenbelegungsprobleme zu berechnen. Es sollen verschiedene ML-Methoden hinsichtlich ihrer Anwendbarkeit für die Auftragsreihenfolge- und Maschinenbelegungsplanung untersucht werden. Aufgrund der hohen Dynamik moderner Produktionssysteme und der daraus resultierenden Planungsunsicherheit wird erwartet, dass insbesondere die Produktionsablaufplanung von ML-basierten, echtzeitfähigen und adaptiven Entscheidungsunterstützungssystemen profitiert. ML-Algorithmen werden zurzeit vornehmlich für Regressions- und Klassifikationsprobleme eingesetzt. Ihr unmittelbarer Einsatz zur Berechnung von Optimierungsproblemen ist bisher kaum beforscht und industrielle Anwendungen sind bisher nicht bekannt. Das technische Arbeitsziel ist die Entwicklung eines Soft- und Hardware-Prototypen, welcher Entscheider in der Produktionsplanung und -steuerung unterstützt. Die technischen Herausforderungen betreffen insbesondere Aspekte der produktions- und einsatzspezifischen Gestaltung. Zum einen ist eine hohe Benutzerfreundlichkeit wichtig. Dies impliziert unter anderem, dass der Mensch stets die letzte Entscheidungsinstanz darstellt. Das System soll fähig sein, sich mit menschlicher Expertise kontinuierlich selbst zu verbessern. Zum anderen muss das Assistenzsystem derart gestaltet sein, dass die Echtzeitfähigkeit der Lösungsverfahren ausgeschöpft wird. Vorgeschlagene Auftragsreihenfolgen und Maschinenbelegungen müssen kurzfristig von der Produktionsplanung in die Produktionssteuerung überführt werden können.

Projekt im Forschungsportal ansehen

ProdLog addresses the issue of a weak industrial sector in Kazakhstan, Kyrgyzstan and Russian Federation and focuses on enabling universities to gain and provide a profound and holistic knowledge on planning and operating sustainable production processes. For that purpose a bologna-based master curriculum with 18 modules in resource efficient production logistics will be developed and implemented in six universities of the partner countries. The academic staff will be trained with innovative teaching methods in the learning factory "Technology centre for production and logistics systems PULS" and  equipped with state of the art logistics laboratories. By means of that, the understanding of logistics shall be widened - away from transport logistics to a systemic and interdisciplinary approach of applicant-oriented education, challenges with economical, political and social problems of our society.

Projekt im Forschungsportal ansehen

Lastenräder sind eine nachhaltige Alternative für den Transport von Waren in Städten. Sie haben das Potenzial zur Substitution von 25% der heutigen innerstädtischen Lieferfahrten und können so zu CO₂-Einsparungen und einer höheren Lebensqualität in Städten beitragen. Das Einrichten von Innenstadtdepots für Lastenräder ermöglicht die Lagerung und den Umschlag von Waren für die anschließende Verteilung per Lastenrad in der Stadt. In dem interdisziplinären Projekt "Lastenraddepot" wird ein modellhafter Leitfaden zur Implementierung von Innenstadtdepots entwickelt. Der Fokus liegt sowohl auf logistischen Anforderungen, der Gewährleistung des Verkehrsflusses und einer hohen Akzeptanz durch Stakeholder. Es werden Aspekte wie Standortfragen, die Wirkung eines hohen Lastenradaufkommens im Verkehr, die Akzeptanz bei Anwohnenden und Verkehrsteilnehmenden sowie Nutzungspräferenzen von Lastenradfahrenden untersucht.
Der Lehrstuhl Logistische Systeme bildet gemeinsam mit der Abteilung Umweltpsychologie am Institut für Psychologie ein interdisziplinäres Team. Während auf logistischer Seite Verkehrsräume modelliert und simuliert werden, sind im Bereich der psychologischen Akzeptanzforschung eine qualitative Befragung von Sachverständigen (z.B. aus Lieferbranche, Planung, kommunalen Verwaltungen) und eine quantitative Befragung einer für Städte repräsentativen Stichprobe geplant.
Das Vorhaben zielt im Sinne des Nationalen Radverkehrsplans 2020 auf eine Verbesserung der Verkehrsqualität, eine Sicherung nachhaltiger Mobilität, eine breite Anwendbarkeit der Ergebnisse und die Generierung neuer Erkenntnisse. Es wird durch das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) aus Mitteln zur Umsetzung des Nationalen Radverkehrsplans 2020 gefördert.
Dem Projekt steht ein Projektbeirat zur Seite. Dieser besteht aus den folgenden Mitgliedern:
- Cargobike.jetzt
- Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR)
- DPD Deutschland GmbH
- PedalPower Schönstedt&Busack GbR
- United Parcel Service (UPS)
- Stadt Köln
- Zentrum für angewandte Psychologie, Umwelt- und Sozialforschung (ZEUS GmbH).

Projekt im Forschungsportal ansehen

Problemstellung

Der öffentliche Personennahverkehr (ÖPNV) im ländlichen Raum ist oft schwach ausgeprägt. Mobilitätsstationen können den ÖPNV attraktiver gestalten, indem sie ein flexibler und gut zugänglicher Umstiegspunkt zwischen bedarfsgerechten Modulen wie bspw. Rad, Auto, Bus und Bahn sind. Die Planung dieser Module sowie die Ausstattung mit Mobilitätsinformationen für Nutzende ist jedoch bisher einzelfallorientiert. Digital verfügbare Informationen zu den Stationen (z.B. Anzahl freier Auto- und Fahrradparkplätze) sind bisher kaum vorhanden und nicht standardisiert abrufbar. Dadurch wird angebotsseitig und datenseitig der Umstieg auf umweltfreundliche Verkehrsmodi verzögert.

Projektziel
Es wird ein modulares Konzept für eine smarte Mobilitätsstation im Landkreis Mansfeld-Südharz entwickelt. Dieses soll aus insgesamt drei Kernkomponenten bestehen.
Smarte Mobilitätsstation - diese werden mit einem Infotainmentsystem ausgestattet, über das man touristische oder fahrplanrelevante Informationen beziehen kann.
Modulare Mobilitätsstation - der entscheidende Vorteil des Systems besteht für Kommunen darin, dass die Module standardisiert werden und im Bedarfsfall austauschbar sind.
Open Source Planungstool - darin sollen die digitalen Daten und der modulare Aufbau zur Verfügung gestellt werden.
An einem Standort im Landkreis Mansfeld-Südharz soll ein Prototyp errichtet und getestet werden.

Durchführung

In dem Vorhaben arbeiten regionale Partner in der Anwendungsregion mit überregionalen Partnern interdisziplinär zusammen. Für die Umsetzung der Ziele werden im ersten Schritt die Anforderungen und Schnittstellen für eine smarte Mobilitätsstation definiert. Nachfolgend werden die Partner in Teams parallel die smarten Komponenten, die modulare Station und das Planungstool für diese entwickeln. In der letzten Projektphase erfolgt die prototypische Umsetzung im Feldtest mit dem Aufbau eines Funktionsmusters und der Validierung der smarten Komponenten und des Datenaustauschs.

Projekt im Forschungsportal ansehen