SYSiDAT Lab - Labor für KI-Systemsimulation, Machine Learning und Industrielle Datenanalyse

Raum 9.1.02 - Campus II
Logo SYSiDAT Lab

Das Labor beschäftigt sich in Forschung und Lehre mit der Optimierung von Geschäftsprozessen durch die Entwicklung und Nutzung neuer Technologien und Verfahren der Datenanalyse vor dem Hintergrund von Industrie 4.0 und Big Data.

Die Anwendung von modernen Verfahren aus den Bereichen der künstlichen Intelligenz und des Machine Learning stehen dabei besonders im Fokus.

Themenschwerpunkte

Das Labor gliedert sich thematisch wie organisatorisch in zwei Teilbereiche:

Materialflussslimulation und -Optimierung:

Komplexe Material- und Informationsflüsse können mit Hilfe spezialisierter Softwarelösungen (SIEMENS Technomatix®, PlantSim®) in ein Simulationsmodell abgebildet und simuliert werden. So entsteht eine datengestützte Simulationsumgebung, mit deren Hilfe Arbeitssysteme und Prozesse in Logistik und Produktion bis hin zu kompletten teil- oder vollautomatisierten Fertigungshallen entworfen, geplant, simuliert und virtuell optimiert werden können.

Hier gelangen Sie zur Webseite der verwendeten Software „Plant Simulation“ von SIEMENS".

Bildschirmfoto der Software „Plant Simulation“ von SIEMENS
Bildschirmfoto der Software "Logistics and Material Flow Simuation" von Siemens

Datengetriebene Prozessoptimierung

Zielsetzung ist es, Geschäftsprozesse nachhaltig und effizient zu gestalten. Unerlässlich dafür sind im Umfeld einer digital vernetzten Industrie 4.0-Umgebung aus Prozessen gewonnene Daten. Das Themengebiet „Datengetriebene Prozessoptimierung“ zielt speziell auf die Analyse und Optimierung hochkomplexer Geschäftsprozesse in Logistik und Fertigung im Industrie 4.0-Umfeld ab. Durch den Einsatz neuester intelligenter Verfahren und quantitativer Methoden aus dem Bereich der künstlichen Intelligenz sollen Wertschöpfungspotentiale in operativen Unternehmensprozessen gehoben werden. Dabei stehen folgende Anwendungsfelder unter dem Oberbegriff „Industrial Analytics“ im Fokus:

  • Effektive und effiziente Datengewinnung aus Datenbanken und operativen Logistik- oder Fertigungsprozessen (Datamining)
  • Informationsgewinnung und -aufbereitung von Sensordaten aus dem Echtzeit-Betrieb von Anlagen und teil- oder vollautomatisierten Prozessen (Big Data Analytics)
  • Auswertung und Interpretation der gewonnenen Daten durch quantitative Methoden aus den Bereichen Statistik, künstliche Intelligenz (KI) und Machine Learning (ML)
  • Prozessoptimierung auf Basis von SIX SIGMA und DFSS (Design for SIX SIGMA)