12.05.2020
Regelmäßige Impulse, Denkanstöße, Wissensvermittlung. Dieses Ziel hat sich vor einiger Zeit die Leuphana Universität Lüneburg gesetzt und ein regelmäßiges Format mit Vorträgen zu unterschiedlichen Themen etabliert. Seit den Kontaktbeschränkungen zur Eindämmung des Corona-Virus bietet die Universität diese Vorträge online unter dem Namen „Leuphana Home Sessions“ an.
Kathrin Kramer, Forscherin des ZDIN Zukunftslabors Produktion und wissenschaftliche Mitarbeiterin des Instituts für Produkt- und Prozessinnovation, informierte ihre Zuschauer*innen in ihrem Vortrag über „Machine Learning in der Produktionsplanung und -steuerung“. Zunächst definierte die Referentin in Anlehnung an Arthur Samuel Machine Learning als Lehre, die Computern die Möglichkeit gibt zu lernen, ohne dass ein Mensch explizit jeden einzelnen Schritt programmieren muss. Die Computer lernen oftmals auf der Grundlage bereits vorhandener Datensätze, generalisierte Annahme zu treffen und daraus Vorhersagen für unbekannte Daten abzuleiten.
Um die Potenziale des Machine Learnings zu veranschaulichen, wählte Kramer ein Beispiel der Werkstattfertigung: Machine Learning könne dazu eingesetzt werden, die Plan-Durchlaufzeiten der Aufträge zu bestimmen. „Die Produktion wird zunehmend komplexer. Denn unterschiedliche Faktoren erschweren die Planung und Steuerung der Produktionsabläufe. Dazu zählen kürzere Lieferzeiten bei gleichzeitig hoher Liefertermintreue, kürzere Produktinnovationszyklen sowie eine erhöhte Anzahl an Produktvarianten. Machine Learning kann dazu beitragen, diese Komplexität zu bewältigen“, so Kramer. Verfahren des Machine Learnings könnten verschiedene Einflussfaktoren (z. B. Auftragsbestand vor den Arbeitsstationen) innerhalb der Produktion berücksichtigen, Muster erkennen und präzisere Durchlaufzeiten für neue Aufträge planen. Dies sei genauer und aussagekräftiger als die häufig starren klassischen Verfahren auf der Basis von Mittelwertbetrachtungen.
„Dabei muss jedes Unternehmen selbst entscheiden, welche Ansprüche es an Machine Learning-Modelle setzt. Es ist nicht immer zwingend erforderlich, sich rein auf die Prognosegüte zu fokussieren, sondern es kann auch genauso wichtig für das Unternehmen sein, ein erklärbares Modell zu entwickeln. Also ein nachvollziehbares Modell für die Mitarbeiter*innen zu haben und dafür gegebenenfalls lieber ein Stück weit auf Prognosegüte zu verzichten“, ergänzte die Referentin.
Im Anschluss an den Vortrag erhielten die Teilnehmer*innen die Möglichkeit, Fragen zu stellen. Unter anderem kam die Frage auf, ob ML-Methoden auch für kleine und mittelständische Unternehmen geeignet seien. „Viele ML-Verfahren stehen mittlerweile auch über Open-Source-Plattformen kostenfrei zur Verfügung. Sie können teilweise ohne Programmierkenntnisse genutzt werden. Auch im Zukunftslabor Produktion versuchen wir aktiv, den Mittelstand einzubeziehen und Lösungen zu finden, die in erster Linie den Mittelstand unterstützen“, antwortete Kramer. Weiteres Thema des Zukunftslabors sei die digitale Infrastruktur, die für den Einsatz von Verfahren des Machine Learnings notwendig sei. Diesbezüglich untersuchten die Forscher*innen z. B. Aspekte der Datensicherheit bei der Erhebung, Speicherung und Auswertung unternehmensübergreifender Produktionsdaten.
Online-Vorträge wie diese bietet die Leuphana Universität Lüneburg jeweils montags und donnerstags um 15 Uhr an. Sie sind für alle Interessierten frei zugänglich und kostenlos. Das Themenspektrum reicht vom digitalen Wandel über Philosophie, Recht, Geschichte bis zu Gender und Diversität. Die Vorträge sind anschließend in der Mediathek und auf der YouTube-Seite der Universität verfügbar. Weitere Informationen zu den Home Sessions sind auf der Internetseite zu finden.
Ansprechpartnerin für redaktionelle Rückfragen:
Kira Konrad B. A.
Marketing & Kommunikation
Zentrum für digitale Innovationen Niedersachsen (ZDIN)
Am OFFIS – Institut für Informatik, Escherweg 2, 26121 Oldenburg – Germany
Tel: 0441 9722-435
E-Mail: info@zdin.de
www.zdin.de
