Die Dissertation von Junior-Professor Dr.-Ing. Sebastian Lang (auf dem Foto dritter von rechts), die ausgezeichnet wurde, betrachtet nach Angaben der Bundesvereinigung Logistik (BVL) einen wichtigen Bereich der Künstlichen Intelligenz (KI) im Hinblick auf ein konkretes praktisches Anwendungsfeld, nämlich die Berechnung von Produktionsablaufplänen.
Lang nutze dabei Methoden des so genannten „Reinforcement Learning“ (RL), also des bestärkenden Lernens. In den vergangenen 30 Jahren habe es nur rund 100 Veröffentlichungen zu dem Thema gegeben. Das bestärkende Lernen eigne sich für die sehr anspruchsvolle Ablaufplanung in hochvolatilen, komplexen oder störanfälligen Produktionsumgebungen.
Mit Trial-and-Error zum richtigen Ergebnis
RL erlaube es, eine Software mittels Trial-and-Error so zu trainieren, dass diese im Anschluss Produktionsablaufentscheidungen in Echtzeit berechnen kann. Der Unterschied zu etablierten Verfahren sei, dass nicht nach Trainingslabeln, sondern eben durch Versuch und Irrtum trainiert werde. Aus dem positiven wie negativen Feedback ziehen RL-Anwendungen langfristig die richtigen Schlüsse und entwickeln Schritt für Schritt die richtige Planungs- und Steuerungsstrategie.
Langs Vorgehensmodell zeige, wie Verfahren des Reinforcement Learning für die Produktionsablaufplanung zu entwickeln, zu integrieren und anzuwenden sind. Er veranschaulichte in seiner Dissertation anhand eines konkreten Beispiels aus der Transportplanung, dass sein Konzept auch auf andere Bereiche der Logistik übertragbar ist.
Der Wissenschaftspreis Logistik 2024 ist mit 5.000 Euro dotiert und wird in diesem Jahr von Hellmann Worldwide Logistics gefördert.
