Künstliche Intelligenz Millionenförderung für Projekt von DFKI und Saar-Uni

Saarbrücken · Ein neues Datensystem soll mithilfe von Künstlicher Intelligenz die Zukunft für Unternehmen planbarer machen.

  Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) ist zusammen mit der Saar-Universität an der Entwicklung eines KI-Systems für die Produktionsplanung beteiligt.

Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) ist zusammen mit der Saar-Universität an der Entwicklung eines KI-Systems für die Produktionsplanung beteiligt.

Foto: Iris Maurer

Die Corona-Krise hat deutlich gemacht, wie stark Firmen in Bedrängnis geraten, wenn Lieferketten unerwartet unterbrochen werden. Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und die Saar-Uni wollen mit Partnern aus Wirtschaft und Wissenschaft ein auf Künstlicher Intelligenz (KI) basierendes System entwickeln, das Unternehmen hilft, Störungen im Produktionsprozess berechenbarer zu machen und darauf bestmöglich zu reagieren, erklärt die Saar-Uni. Das Bundeswirtschaftsministerium und beteiligte Unternehmen fördern das Projekt über die nächsten drei Jahre mit mehr als zehn Millionen Euro.

Viele Branchen orderten Bauteile und Rohstoffe heute kurzfristig bei Bedarf. Niedrige Flusspegel, Handelsbarrieren oder Pandemien könnten die Produktion ins Stocken bringen, was das Geschäftsrisiko Nummer eins sei, sagt Wolfgang Maaß, Professor für Wirtschaftsinformatik an der Saar-Uni und Leiter des Forschungsbereichs Smart Service Engineering am DFKI. Ein KI-System mit Namen Spaicer solle dafür sorgen, dass Unternehmer potentielle Störungen frühzeitig erkennen und gegensteuern können.

Das System solle nicht nur die voraussichtlichen Auswirkungen drohender Probleme auf die Produktion sichtbar machen, sondern auch bei politischen Konflikten Empfehlungen für eine optimierte Produktionsplanung geben. „Dafür fließen kontinuierlich zum Beispiel Trendanalysen für Rohstoffpreise und Analysen politischer Beiträge in das System ein, um Störungen wie den Ausfall von Zulieferern vorherzusagen“, erklärt Maaß. Außerdem fütterten die Forscher ihre Plattform mit prognostizierten Pegelständen, Temperaturentwicklungen, oder Trends der Logistikbranche. Aus diesen Daten berechnen Algorithmen dann konkrete Lösungsvorschläge.

Meistgelesen
Neueste Artikel
Zum Thema
Aus dem Ressort