Forschungsprojekte

Das Promotionsprojekt beschäftigt sich mit der Optimierung von Produktionsprozessen in der Luft- und Raumfahrtindustrie, insbesondere mit der Planung und Steuerung von Fertigungsaufträgen. Im Mittelpunkt stehen die Entwicklung und Analyse mathematischer Modelle, die sowohl klassische Produktionsziele wie Effizienz und Kostenminimierung als auch regulatorische Anforderungen und Sicherheitsaspekte integrieren. Ein besonderer Fokus liegt auf der Berücksichtigung stochastischer Einflüsse, um die Robustheit und Validität von Planungsentscheidungen unter realen Bedingungen zu erhöhen. Ziel der Forschung ist es, innovative Methoden zu entwickeln, die Herstellern helfen, komplexe Fertigungsabläufe unter Berücksichtigung von Unsicherheiten, gesetzlichen Vorgaben und Qualitätsstandards optimal zu gestalten.

Projekt im Forschungsportal ansehen

Die Nachfrage nach häuslicher Pflege steigt kontinuierlich. Angesichts des anhaltenden Pflegekräftemangels und der alternden Bevölkerung stehen Anbieter häuslicher Pflegedienstleistungen vor zunehmenden Herausforderungen, eine zuverlässige Versorgung vor Ort sicherzustellen.
In Zusammenarbeit mit einer lokalen Krankenkasse untersuchen wir das Potential innovativer Ansätze zur Organisation und Verteilung von Patientenanfragen. Zunächst bewerten wir die Einsparungen, die durch eine systematische Zuweisung von Patienten zwischen verschiedenen Leistungserbringern im Rahmen der täglichen Tourenplanung erzielt werden können. Anschließend ist es unser Ziel, Anreize zu identifizieren, die Patienten zu einer freiwilligen Teilnahme an einer systematischen Zuweisung zu motivieren. Darüber hinaus wollen wir Wege finden, wie Leistungserbringer dafür angemessen kompensiert werden können. Auf strategischer Ebene untersuchen wir, wie ein Rahmen geschaffen werden kann, der den Patiententausch ermöglicht und regelt. Da Arbeitszeit heutzutage zu einer der wertvollsten Ressourcen geworden ist, bietet die Verkürzung von Fahrzeiten durch intelligente Zuweisung von Patienten zu Leistungserbringern ein erhebliches Potenzial zur Steigerung der Effizienz. Um die Kontinuität der Versorgung langfristig sicherzustellen und knappe Ressourcen wirksam zu nutzen, sind innovative Lösungen unerlässlich.
Durch die Auswertung von Praxisdaten untersucht das Projekt den tatsächlichen Nutzen von Patiententauschen. Im Fokus stehen potenzielle Fahrzeitverkürzungen und die damit verbundene bessere Nutzung knapper Ressourcen im Pflegebereich, die letztlich mehr häusliche Pflege ermöglichen können. Darüber hinaus analysieren wir verschiedene Austauschmechanismen und Anreizstrukturen sowohl für Patienten als auch für Leistungserbringer, um die effektivsten und gerechtesten Ansätze für alle beteiligten Akteure zu identifizieren.

Projekt im Forschungsportal ansehen

Ziel des Projektes ist die systematische Verbesserung von quantitativer Entscheidungsunterstützung in der urbanen Mobilität und Logistik. Erreicht wird dies durch eine Analyse methodischer Funktionalitäten für unterschiedliche Problemstellungen und dem Ableiten eines generellen Konzeptes zum Design von zukünftigen Methoden.Für Anwendungen der urbanen Mobilität und Logistik ist eine effektive, schnelle, und skalierbare operative Entscheidungsfindung notwendig. Oftmals werden Entscheidung unter unvollständiger Information getroffen, zum Beispiel bezüglich des Kundenbedarfs, der Verkehrssituation, oder auch der verfügbaren Ressourcen. Auf sich ändernde Informationen zu reagieren reicht oftmals nicht aus. Vorausschauende, antizipierende Entscheidungen sind notwendig. In Praxis und Wissenschaft wurden bereits einige antizipierende Methoden entwickelt, zumeist zugeschnitten auf konkrete Problemstellungen. Solche Methoden können zum Beispiel Daumenregeln folgen, Sampling-Verfahren einsetzen oder auch Techniken des Reinforcement Learning nutzen. Sie liefern oftmals effektive Entscheidungen für die individuellen Problemstellungen. Allerdings gibt es bisher kaum allgemeingültige Erkenntnisse wie Problemcharakteristika und Methodenperformance zusammenhängen. Dies ist das Ziel dieses Projektes.Das Projekt wird diese Zusammenhänge systematisch untersuchen. Hierzu werden Probleme aus drei unterschiedlichen Anwendungsbereichen betrachtet: die Kombination von Mobilitäts- und Transportleistungen, die Nutzung eines Netzwerkes von Paketstationen zum Transport innerhalb der Stadt, und die Lieferung mittels selbstständiger Fahrer*innen in der Gig Economy. Die Problemstellungen unterscheiden sich in mehreren Dimensionen, insbesondere in der Art der Unsicherheit. Zur Klassifizierung dieser Probleme werden Maße entwickelt, zum Beispiel zur Bestimmung der Problemkomplexität oder der Struktur und Stärke der Unsicherheit. Für jeden Problembereich wird eine Menge strukturell unterschiedlicher Methoden entwickelt. Diese liefern zum einen effektive Entscheidungen für die individuellen Probleme. Zum anderen erlauben sie eine systematische Analyse der Zusammenhänge zwischen Problemen und Methoden. Hierzu werden ebenfalls Maße entwickelt Methoden zu klassifizieren, zum Beispiel bezüglich der Geschwindigkeit oder der Interpretierbarkeit der Entscheidungsfindung. Die Experimente und Ergebnisse werden bezüglich der entwickelten Maße geplant und analysiert und gehen abschließend im konzeptuellen Rahmenwerk auf.

Projekt im Forschungsportal ansehen

Die Graduiertenschule „Navigating the Chaos of Innovation and Transformation“ (NACHOS) an der Otto-von-Guericke-Universität untersucht, wie Innovationen aus technischer, wirtschaftlicher und gesellschaftlicher Perspektive erfolgreich sein können. Ziel ist es, soziale, kulturelle und wirtschaftliche Faktoren bei der Einführung von Innovationen zu erforschen und miteinander zu verknüpfen. Ein besonderer Schwerpunkt liegt auf der aktiven Einbindung von Beschäftigten, Kund*innen und der Gesellschaft in den Innovationsprozess.
NACHOS ist ein gemeinsames Projekt der Fakultät für Wirtschaftswissenschaften und der Fakultät für Humanwissenschaften und verfolgt einen integrierten Ansatz. Es nutzt Perspektiven und Methoden aus den Geistes- und Wirtschaftswissenschaften, um die sozialen und kulturellen Faktoren von Innovationen sowie deren Zusammenspiel mit wirtschaftlichen oder technischen Aspekten gezielt zu untersuchen.
Die leitende Frage ist, wie eine Innovation technisch, wirtschaftlich und gesellschaftlich erfolgreich sein kann und wie diese drei Dimensionen miteinander in Beziehung stehen, um letztlich die Bedingungen für Erfolg, Anpassung und Verbreitung von Innovationen zu verbessern. Methodische Ansätze aus den Wirtschafts- und Humanwissenschaften werden hierfür kombiniert.

Projekt im Forschungsportal ansehen

Die nachhaltige Nutzung erneuerbarer Energien zur Stromerzeugung erfordert in zunehmendem Maße die Integration verschiedener Energieinfrastrukturen zur Speicherung und Nutzung von Energie. Angesichts variierender Investitionskosten, unterschiedlicher Lebensdauern von Technologien und volatiler Energiepreise spielt die finanzwirtschaftliche Bewertung eine zentrale Rolle. Insbesondere stellt sich die Frage, zu welchem Zeitpunkt und in welchem Umfang eine sektorübergreifende Kopplung erforderlich ist. Das Projekt SmartMES konzentriert sich auf die Verbindung des elektrischen und des thermischen Energiesystems. Im Teilprojekt des Lehrstuhls für Innovations- und Finanzmanagement liegt der Fokus auf der Anwendung finanzmathematischer Methoden mit dem Ziel, die mit solchen Energieinfrastrukturen verbundenen Flexibilitätspotenziale – sogenannte reale Optionen – datengetrieben bzw. simulationsbasiert zu bewerten.

Projekt im Forschungsportal ansehen

Trotz der hohen Innovationsdynamik im Bereich der Smart-Technologies und ihrer entscheidenden Bedeutung für nachhaltige gesellschaftliche Transformationsprozesse in den Feldern regenerative Energie, Umwelt und demographischer Wandel, stehen viele dieser Innovationen vor erheblichen Unsicherheiten hinsichtlich ihres Erfolgs. Häufig scheitern sie bereits in der Einführungsphase – sei es durch unzureichende Marktkenntnisse, fehlende Technologiestandards oder mangelndes Vertrauen der Konsumenten in ihren direkten Nutzen. Die durch die EU geförderte interdisziplinäre Graduate School Navigating the Chaos of Innovation and Transformation (NACHOS) verfolgt das Ziel, die Voraussetzungen für das Gelingen, die Verbreitung und die Anpassung smarter Innovationen zu untersuchen, zu modellieren und zu optimieren. Das Teilprojekt des Lehrstuhls für Innovations- und Finanzmanagement widmet sich dabei der Analyse, wie das Entscheidungsverhalten sozialer Systeme die Bewertung von unsicherheitsbehafteten Investitionsentscheidungen beeinflusst und leitet Handlungsempfehlungen zur wertorientierten Steuerungen von unternehmerischen Innovationsprozessen ab.

Projekt im Forschungsportal ansehen

Die ESF-geförderte Graduiertenschule „Navigating the Chaos of Innovation and Transformation“ (NACHOS)an der Otto-von-Guericke-Universität untersucht, wie Innovationen technisch, ökonomisch und sozial erfolgreich gelingen können. Ziel ist es, soziale, kulturelle und wirtschaftliche Faktoren bei der Einführung von Innovationen zu erforschen und zu verbinden. Ein besonderer Schwerpunkt liegt dabei auf der aktiven Einbeziehung von Angestellten, Kund:innen und der Gesellschaft in den Innovationsprozess. NACHOS ist ein gemeinsames Projekt der Fakultät für Wirtschaftswissenschaft und der Fakultät für Humanwissenschaften und zielt auf einen integrierten Ansatz ab. Sie will human- und wirtschaftswissenschaftliche Perspektiven und Methoden nutzen, um gezielt die sozialen und kulturellen Faktoren von Innovationen und deren Interaktion mit ökonomischen oder technischen Aspekten zu erforschen. Die verbindende Frage lautet, wie eine Innovation technisch, ökonomisch und sozial gelingen kann und wie sich diese drei Dimensionen zueinander verhalten, um schließlich die Bedingungen für das Gelingen, die Adaption und Diffusion von Innovationen zu verbessern. Dabei sollen methodische Ansätze aus wirtschafts- und humanwissenschaftlichen Blickwinkeln kombiniert werden.

Wissenschaftliche Ziele von NACHOS:

Viele Innovationen in Mobilität, Energie, Produktion oder Pflege scheitern nicht an der technischen Durchführbarkeit, sondern an der Reaktion von involvierten Personen und der Gesellschaft bei der Einführung, der Umsetzung, und bei der Etablierung. Bisherige Ansätze haben sich entweder auf das Verstehen sozialer Auswirkungen und Bedürfnissen oder auf die ökonomische Prozessgestaltung fokussiert. Ein integrierter Ansatz ist bisher kaum vorhanden. Das wissenschaftliche Ziel des Vorhabens ist es eine integrierte Perspektive zu entwickeln, um zu beantworten wie eine Innovation sowohl ökonomisch als auch sozial gelingen kann.

Das Arbeitsprogramm von NACHOS:

Das Arbeitsprogramm besteht aus dem Bearbeiten von acht vernetzten Teilprojekten (TP). Jedes Teilprojekt untersucht ein konkretes Anwendungsfeld im Zusammenhang mit den globalen Zielen der Graduiertenschule. Jeweils zwei Teilprojekte sind primär in einer von vier Dimensionen - Einführung, Umsetzung, Etablierung sowie Kultur & Ethik - angesiedelt. In jeder Dimension fokussiert sich ein Teilprojekt auf das Verstehen von Bedürfnissen und sozialen Auswirkungen bezüglich Innovationen und das andere auf die Gestaltung der ökonomischen Prozesse. Beide treffen sich in der wissenschaftlichen Modellierung. Diese abstrahiert und quantifiziert das Verstehen und dient gleichzeitig als Input für die Gestaltung. Jedes Teilprojekt folgt dabei dem etablierten Vorgehen der jeweiligen Disziplin.

Projekt im Forschungsportal ansehen

In der heutigen dynamischen Geschäftswelt stehen Unternehmen zunehmend unter dem Druck, sich nicht nur durch Gewinnspannen, sondern auch durch innovative Arbeitsplatzstrategien abzuheben. Infolgedessen wird es immer wichtiger, die betrieblichen Abläufe zu optimieren und gleichzeitig die unterschiedlichen Präferenzen von Mitarbeitern und Kunden zu berücksichtigen.

Das Erkennen und Eingehen auf die Präferenzen der Mitarbeiter, wie z. B. flexible Arbeitszeiten und Aufgaben, die auf ihr Qualifikationsniveau und ihre Fähigkeiten zugeschnitten sind, erhöht nicht nur die Arbeitszufriedenheit und Produktivität, sondern fördert auch ein harmonischeres Arbeitsumfeld. In ähnlicher Weise kann die Berücksichtigung von Kundenwünschen, wie z. B. Service innerhalb der gewünschten Zeitfenster, die Servicequalität und die Gesamtzufriedenheit erheblich verbessern. Um diese Ziele zu erreichen, sind ausgefeilte Planungs- und Entscheidungshilfetools erforderlich.

Dieses Projekt erforscht innovative Lösungen zur Identifizierung und Integration unterschiedlicher Präferenzen in die Personal- und Routenplanung. Insbesondere wird untersucht, welchen Einfluss die Einbeziehung der Präferenzen der Mitarbeiter hat, die z. B. Aufgabentypen, Arbeitsbereiche und eine gerechte Verteilung der Arbeitslast umfassen, um eine optimale Ressourcenzuweisung zu gewährleisten. Diese Ansätze werden in verschiedenen Sektoren erforscht, einschließlich der Zustellung auf der letzten Meile und dem komplexen Bereich der Routen- und Zeitplanung in der häuslichen Krankenpflege.

Projekt im Forschungsportal ansehen

Die Ablaufplanung ist eine der zentralen Planungsaufgaben im Operations Management und beschreibt die Festlegung der Auftragsreihenfolge auf Maschinen. In der Praxis treten häufig sogenannte Hybrid Flow Shops auf, also Produktionslinien, in denen in den einzelnen Produktionsstufen mehrere Maschinen zur Verfügung stehen. Dadurch müssen die Aufträge nicht nur in eine Reihenfolge gebracht, sondern auch den jeweiligen Maschinen zugeordnet werden. Durch den Einsatz von Lot Streaming, also der frühzeitigen Weitergabe von Teilmengen an nachfolgende Produktionsstufen, kann die Effizienz gesteigert werden. Der Nutzen der Losaufteilung muss jedoch noch quantifiziert werden und wird in diesem Projekt untersucht. Da herkömmliche Planungsansätze die Komplexität dieser Aufgabe meist nicht bewältigen können, werden Lösungsalgorithmen für dieses Problem entwickelt und evaluiert. Die Eigenschaften des Problems werden dabei gezielt genutzt, um die Verfahren weiter zu verbessern. Die entwickelten Algorithmen können zukünftig zu höherer Produktivität und Effizienz in der industriellen Produktion beitragen.

Projekt im Forschungsportal ansehen

Das Promotionsprojekt befasst sich mit der dynamischen Ablaufplanung in Kreislaufwirtschaften. Ziel ist es, mathematische Optimierungsmodelle zu entwickeln, die es ermöglichen, wertvolle Ressourcen aus Produktrückläufern am Ende des Produktlebenszyklus effizient wiederzuverwenden und gleichzeitig klassische Produktionsziele wie Kostenminimierung, kurze Durchlaufzeiten und hohe Termintreue zu berücksichtigen. Im Zentrum der Forschung steht die Modellierung der dynamischen und stochastischen Natur der Rückflüsse gebrauchter Produkte, bedingt durch Schwankungen der Ankunftszeitpunkte, Mengen und Qualitäten.

Das Projekt leistet einen Beitrag zur Weiterentwicklung nachhaltiger Produktionsstrategien im Sinne einer kreislauforientierten Wirtschaft.

Projekt im Forschungsportal ansehen

Dieses Projekt beschäftigt sich mit einem Inventory Routing Problem, nämlich der Bargeldauffüllung von Geldautomaten. Die Geldbestände dürfen dabei weder zu hoch sein, da Zinsen für überschüssiges Bargeld anfallen, noch zu niedrig, um Lieferengpässe und damit verbundene Kundenunzufriedenheit zu verursachen. Da dieser Prozess hochsichere Fahrzeuge umfasst, die erhebliche Mengen an Bargeld transportieren, kommt ein zusätzlicher Kostenfaktor in Bezug auf die Routenplanung hinzu. Dies macht die Zielfunktion besonders interessant für die Untersuchung, da die Aufrechterhaltung der Lagerbestände mit einer nicht zu hohen Anzahl von Fahrten in Einklang gebracht werden muss. Zahlreiche realistische Rahmenbedingungen werden in die Problemstellung integriert. Ein Schwerpunkt liegt auf der Untersuchung der stochastischen Natur der Bargeldnachfrage an verschiedenen Geldautomaten. Dabei kommt eine rollierende Planung zum Einsatz. Ziel des Projektes ist es, Banken in die Lage zu versetzen, Bargeld effizient zu transportieren und gleichzeitig die Kundenbedürfnisse besser zu erfüllen.

Projekt im Forschungsportal ansehen

Diese Studie untersucht eine heuristische Optimierungsmethode zur Zuweisung und Planung von mehrfachqualifizierten Mitarbeitenden in einer teilautomatisierten Elektronikproduktionsumgebung im Zusammenhang mit einer Siemens-Produktionslinie. Im Mittelpunkt steht die effiziente Zuweisung von Aufträgen und qualifizierten Mitarbeitenden an Fertigungszellen, die jeweils nur bestimmte Produktfamilien verarbeiten können, mit dem übergeordneten Ziel, die gesamte Produktionszeit zu minimieren. Das Problem berücksichtigt mehrere realistische Merkmale, darunter heterogene Fertigungszellen, unterschiedliche Qualifikationen der Mitarbeitenden in den jeweiligen Prozessen, Reduktionskoeffizienten, die die Produktionsintensität durch den Einsatz zusätzlicher qualifizierter Mitarbeitender erhöhen, sequenzunabhängige Rüstzeiten zwischen Produktfamiliengruppen sowie schichtbasierte Arbeitszeiten mit begrenzter Personalverfügbarkeit. Während ein Mixed-Integer-Linear-Programming-Modell (MILP) die exakte Problemformulierung beschreibt, erfordert die Lösung großskaliger Instanzen einen heuristischen Ansatz, der zunächst zulässige Zuweisungen konstruiert und diese anschließend mithilfe lokaler Suchoperatoren verbessert, um nahezu optimale Produktionspläne zu erzielen. Dieses Projekt trägt zu den übergeordneten Zielen von Industry 5.0 bei, indem es die Zusammenarbeit zwischen Mensch und Maschine, die Flexibilität des Personaleinsatzes und datenbasierte Planungsprozesse in modernen Produktionssystemen fördert.

Projekt im Forschungsportal ansehen

Das Projekt ExplAIn-TrAIn-Plan adressiert die steigende Komplexität moderner Schienennetze und die zunehmende Vielfalt an Triebfahrzeugtypen, die Eisenbahnunternehmen vor Herausforderungen in der effizienten und robusten Lokeinsatzplanung stellen. Ziel des Projekts ist die Entwicklung KI-gestützter Optimierungs- und Simulationsverfahren, um energieeffiziente und zugleich robuste Planungsvarianten zu identifizieren und deren Auswirkungen auf Umlauf- und Schichtpläne zu bewerten. Durch die Kombination von Optimierung, Simulation und maschinellem Lernen werden erklärbare und praxisnahe Entscheidungsunterstützungssysteme geschaffen, die eine nachhaltige und verlässliche Planung ermöglichen. Das internationale Konsortium vereint im Rahmen des Konzernprogramms ARP-Automated Resource Planning die ÖBB-Produktion GmbH als Praxispartner und interdisziplinäre Expertise aus Datenanalyse, Optimierung, Simulation und Eisenbahnbetrieb.

Projekt im Forschungsportal ansehen

Um mit E-Commerce-Giganten wie Amazon zu konkurrieren, bieten viele lokale Unternehmen eine schnelle Lieferung am selben Tag an, oft innerhalb weniger Stunden nach der Bestellung. Die Lieferungen werden von lokalen Lieferflotten durchgeführt. Die kurzen Lieferzeiten und die geografische Verteilung der Abhol- und Lieferorte führen jedoch zu einem Mangel an Konsolidierungsmöglichkeiten. Abhilfe können so genannte Mikro-Hubs schaffen, die als Umschlagplätze für Pakete in der städtischen Zustellung dienen können. Die Fahrer können Pakete aus benachbarten Geschäften zur Weiterverteilung einlagern. Sie können auch Pakete von verschiedenen Geschäften abholen, um sie gemeinsam an Kunden in derselben Region zu liefern. So können Mikro-Hubs die Konsolidierungsmöglichkeiten erhöhen und auch den Einsatz kleinerer, umweltfreundlicher und sauberer Fahrzeuge für die Zustellung auf der ersten und letzten Meile ermöglichen. Im Rahmen dieses Projekts werden Optimierungsmodelle entwickelt, die Konsolidierungszentren in das Abhol- und Zustellsystem der städtischen taggleichen Zustellung einbeziehen. Außerdem werden verschiedene Lösungsansätze untersucht, um der Unsicherheit der Nachfrage zum Zeitpunkt der Planung Rechnung zu tragen.
Dieser Text wurde mit DeepL übersetzt

Projekt im Forschungsportal ansehen

In der traditionellen Forschung zur Ablaufplanung wird angenommen, dass Maschinen jeweils nur einen Auftrag gleichzeitig bearbeiten können. In vielen realen Situationen ist es jedoch möglich, dass Maschinen mehrere Aufträge parallel bis zu einer bestimmten Kapazitätsgrenze bearbeiten. Ein Beispiel hierfür ist der Anbau von Pflanzen in Gewächshäusern. Die dabei entstehenden kapazitätsbeschränkten Planungsprobleme stellen eine Verallgemeinerung gut untersuchter Ablaufplanungsprobleme dar und wurden bislang nur selten betrachtet. Wir analysieren die Eigenschaften dieser Probleme in verschiedenen Umgebungen, wie zum Beispiel im Flow Shop oder Job Shop. Maßgeschneiderte Algorithmen werden entwickelt, um realistische Probleminstanzen unter Berücksichtigung mehrerer Zielgrößen zu lösen.

Projekt im Forschungsportal ansehen

Große Produktionsunternehmen betreiben häufig ein Netzwerk mehrerer Fabriken, wodurch verteilte Ablaufplanungsprobleme entstehen. Diese beinhalten die Zuordnung von Aufträgen zu einer der verteilten Fabriken sowie die Reihenfolgeplanung der Aufträge innerhalb der jeweiligen Fabriken. Die Planung in verteilten Umgebungen erfordert jedoch auch den Transport der Aufträge zu den Fabriken. Diese Transporte werden in bestehenden Planungsansätzen meist vernachlässigt, können jedoch einen erheblichen Einfluss auf die erstellten Pläne haben. Wir analysieren den Einfluss von Transporten in Bezug auf klassische Planungsziele sowie ökologische Ziele wie Emissionen und Energieverbrauch. Darüber hinaus werden Transporte von Zwischenprodukten zwischen den Fabriken untersucht.

Projekt im Forschungsportal ansehen

Eine Pandemie kann Städte innerhalb kürzester Zeit zum Stillstand bringen. Um diesem entgegenzuwirken, ist es immanent wichtig, Infektionscluster schnell zu identifizieren und eine weitere Ausbreitung zu Vermeiden. Ein neuer Ansatz, der während der COVID-19 Pandemie in Wien eingesetzt wurde, ist es, eine Flotte an mobilen Testerinnen und Testern einzusetzen. Dieses Projekt befasst sich mit dem operationalen Management solcher Flotten und deren Einfluss auf die Infektionsverbreitung. Das Projekt wird state-of-the-art Multiagenten-Simulationen nutzen, um die Ausbreitung der Infektionen zu simulieren. Die generierten Daten werden hinsichtlich zeitlicher und räumlicher Ausbreitung analysiert (descriptive analytics). Die Daten werden anschließend zu detaillierten Informationsmodellen aggregiert, die insbesondere die Korrelation im Testbedarf abbilden können (predictive analytics). Diese Informationsmodelle werden in das stochastisch dynamische Tourenplanungsproblem integriert und dieses wird mit quantitativen Lösungsverfahren gelöst, unter anderem mittels Reinforcement Learning (prescriptive analytics). Die ermittelten Lösungsstrategien werden anschließend wieder mit der Multiagenten-Simulation evaluiert. In Verlauf des Projektes werden die folgenden Kernfragen untersucht: (1) Wie können Daten über die Ausbreitung hochinfektiöser Krankheiten wie COVID-19 analysiert und modelliert werden? (2) Wie können wir effektive und vorausschauende Planung für die Test-Flotte erreichen, die die komplexe Testbedarf-Entwicklung berücksichtigen kann? (3) Wann und wie können mobile Test-Flotten das Ausbreitungsrisiko reduzieren? Das resultierende Planungsproblem zeichnet sich durch neue und besondere Komplexität im Informationsmodell (Testbedarf) sowie im Tourenplanungsproblem aus. Ein geeignetes Informationsmodell muss sowohl die räumliche und zeitliche Ausbreitung als auch die Korrelation abbilden können. Das stochastische und dynamische Tourenplanungsproblem ist neu und anspruchsvoll hinsichtlich der Entscheidungsgeschwindigkeit, der Flottengröße und der Vielzahl an zu berücksichtigenden Komponenten. Die Integration des an sich schon komplexen Informationsmodells erschwert die erfolgreiche Lösung zusätzlich. Eine Evaluation mittels etablierter Multiagenten-Simulation ist nahezu einmalig im Forschungsbereich der stochastisch dynamischen Tourenplanung. The Projekt wird von Jan Fabian Ehmke (JE, Universität Wien), Marlin Ulmer (MU, Technische Universität Braunschweig), und Niki Popper (NP, Technische Universität Wien) durchgeführt werden. JE wird das Projekt koordinieren und sich insbesondere der predictive analytics widmen. MU wird seine Expertise im Bereich prescriptive analytics für die dynamische Tourenplanung einbringen. NP wird seine etablierte Multiagenten-Simulation erweitern (descriptive analytics), um Daten zu generieren und die Erstellung des Informationsmodelles zu unterstützen. Diese ganzheitliche Betrachtung ist einzigartig im Forschungsfeld.

Projekt im Forschungsportal ansehen

Das neue Recht auf Reparatur soll die Nutzungsdauer von langlebigen Konsumgütern verlängern, indem es den Kunden ermöglicht, ihre Produkte zu reparieren, wenn sie defekt sind. Dieses Recht auf Reparatur verlangt von den Herstellern neuer Produkte, dass sie das Produktdesign so ändern, dass es repariert werden kann (Design for Repair), aber sie müssen den Kunden auch Ersatzteile zu vernünftigen Preisen liefern. Auch die Wiederaufbereiter könnten vom leichteren Zugang zu Ersatzteilen profitieren. Daher stellt sich die Frage, wie sich die neuen Rechtsvorschriften auf Hersteller, Verbraucher und Wiederaufbereiter auswirken und welche Folgen sie für die Umwelt haben werden. Um diese Fragen zu beantworten, verwenden wir strategische Entscheidungsmodelle und spieltheoretische Lösungsansätze.
Dieser Text wurde mit DeepL übersetzt

Projekt im Forschungsportal ansehen

Wir analysieren die Planung und die Abläufe bei der Auslieferung von Mahlzeiten in Restaurants und betrachten die Gestaltung verschiedener Liefersysteme. Außerdem optimieren wir die Nachfrage- und Flottensteuerung auf integrierte Weise und nutzen maschinelles Lernen für die Vorhersage von Lieferzeiten.
Dieser Text wurde mit DeepL übersetzt

Projekt im Forschungsportal ansehen

Lokale Lieferplattformen sind kooperative Unternehmen, die lokalen Kunden, die ihre Produkte online bestellen, eine sofortige Lieferung anbieten. Die zuverlässige und kosteneffiziente Bereitstellung solcher Lieferdienste ist eine der größten Herausforderungen für lokale Lieferplattformen, da sie mit einem komplexen, stochastischen, dynamischen Abhol- und Zustellproblem konfrontiert sind. Die Bestellungen müssen konsolidiert werden, um die Effizienz der Zustellvorgänge zu erhöhen und dadurch eine hohe Servicegarantie gegenüber Kunden und Geschäften zu ermöglichen. Das Warten auf Konsolidierungsmöglichkeiten kann jedoch die Zuverlässigkeit des Zustelldienstes in der Zukunft gefährden und erfordert daher eine Vorwegnahme der zukünftigen Nachfrage. Dieses Projekt führt einen generischen Ansatz ein, um das Konsolidierungspotenzial und die Lieferdringlichkeit von Aufträgen auszugleichen. Inspiriert durch eine motivierende Anwendung in der Stadt Groningen, Niederlande, zeigen numerische Experimente, dass dieser Ansatz die wahrgenommene Kundenzufriedenheit stark erhöht und gleichzeitig die Gesamtfahrzeit der Fahrzeuge im Vergleich zu verschiedenen Benchmark-Strategien senkt. Außerdem werden der Prozentsatz der verspäteten Lieferungen und das Ausmaß der Verspätung auf ein Minimum reduziert.
Dieser Text wurde mit DeepL übersetzt

Projekt im Forschungsportal ansehen

Peer-to-Peer-Beförderungsplattformen vermitteln dynamisch Anfragen (z. B. für eine Fahrt oder eine Lieferung) an unabhängige Anbieter, die weder bei der Plattform angestellt sind noch von ihr kontrolliert werden. Daher kann die Plattform nicht sicher sein, dass ein Anbieter eine angebotene Anfrage annehmen wird. Um diese Unsicherheit bei der Auswahl zu verringern, kann eine Plattform jedem Anbieter ein Menü von Anfragen zur Auswahl anbieten. Solche Menüs müssen jedoch sorgfältig erstellt werden, da es einen Kompromiss zwischen der Auswahlwahrscheinlichkeit und der doppelten Auswahl gibt. Zusätzlich zu einem komplexen Entscheidungsraum sind die Auswahlentscheidungen der Anbieter umfangreich und haben systematische Auswirkungen auf die Einnahmen der Plattform, die Erfahrungen anderer Anbieter (in Form von Doppelauswahlen) und die Wartezeiten für Anfragen. Wir stellen daher eine stochastische Optimierung vor. Ausführliche Berechnungsergebnisse, die die Region Chicago als Fallstudie verwenden, zeigen, dass unsere Methode eine Reihe von Benchmark-Maßnahmen übertrifft. Unsere Methode führt zu ausgewogeneren Zuteilungen, indem sie einige einfache Gewinne zugunsten einer besseren Systemleistung im Laufe der Zeit und für alle beteiligten Akteure opfert, einschließlich höherer Einnahmen für die Plattform und geringerer Wartezeiten für Anbieter und Anfragen.
Dieser Text wurde mit DeepL übersetzt

Projekt im Forschungsportal ansehen

Leistungsfähige Methoden des Operations Research ermöglichen die Erstellung hoch effizienter Einsatzpläne für Personal und Fahrzeuge im Schienenverkehr. In der Praxis führen jedoch Verspätungen und Störungen häufig dazu, dass die erstellten Pläne nicht wie vorgesehen umgesetzt werden können. Um dieser Herausforderung zu begegnen, werden im Projekt VIPES Methoden entwickelt, mit denen Umlaufpläne für Triebfahrzeuge und Schichtpläne für Zugpersonal so gestaltet werden können, dass sie sowohl effizient als auch zuverlässig sind. Dies soll durch eine intelligente Verknüpfung von Optimierung und Simulation erreicht werden. Maschinelles Lernen wird eingesetzt, um effiziente und zuverlässige Lösungsstrukturen zu identifizieren, die in die Lösungsverfahren integriert werden.

Projekt im Forschungsportal ansehen

Das Verbundprojekt beschäftigt sich mit der Fragestellung, wie, im Rahmen der Energie- und Mobilitätswende, geeignete Lademöglichkeiten in Wohnungsbestand, insbesondere Gebäude mit mehreren Wohn- bzw. Nutzungsparteien, geschaffen werden können.
Das Ziel hierbei ist es, kostengünstige, komfortable, verständliche und einfach zu bedienende Lademöglichkeiten für Elektrofahrzeuge in Gebäuden mit mehreren Mietparteien zu schaffen. Es soll eine technische und organisatorische Lösung, in Form eines Energiemanagementsystems, auf Haus- und Quartiersebene vorgeschlagen werden, die insbesondere die Mieter von Gebäuden mit mehreren Parteien anspricht. Als Teil des Energiemanagementsystems koordiniert ein Lademanagement die Ladevorgänge je nach Bedarf der Mieter und unter Berücksichtigung dezentraler Stromerzeugungssysteme (Photovoltaikanlage und Blockheizkraftwerk).
Innerhalb des Teilvorhabens "Integrierter Ansatz zur anreizkompatiblen Optimierung des Lademanagements" sollen konkrete Tarif- und Ausgleichsmodelle entwickelt werden, um Anreize für die Pflege eines Bedarfskalenders zu schaffen. Die Ziele dieses Teilvorhabens umfassen die (Weiter-) Entwicklung eines mathematischen Optimierungsmodells, welches dem Lademanagement unterliegt, sowie das Untersuchen der Wirkung unterschiedlicher Tarif- bzw. Anreizmodelle, um Handlungsempfehlungen für den Einsatz in Mehrfamilienhäusern ableiten zu können.

Projekt im Forschungsportal ansehen

Das Ziel des Projektes ist die Kombination der gemischt-ganzzahligen linearen Programmierung (MILP) und des Reinforcement Learning (RL), um eine effektive Entscheidungsunterstützung für stochastische dynamische Pickup-and-Delivery Probleme (SDPDPe) zu erreichen.SDPDPe spielen in der urbanen Logistik eine zunehmend wichtige Rolle. Sie beschreiben den oft zeitkritischen Transport von Personen oder Waren in der Stadt. Beispiele sind Kurierdienste, Onlineessenslieferung, Same-day Lieferdienste, oder Ridesharing. Für all diese Probleme müssen operative Entscheidungen über Fahrzeugzuordnung und Tourenplanung in Echtzeit getroffen werden. Solche Entscheidungen müssen den aktuellen Bedarf effizient erfüllen und die Fahrzeugflotte gleichzeitig flexibel für zukünftige Anfragen halten.Aus Modellsicht sind SDPDPe durch eine Folge von Entscheidungszuständen unter Unsicherheit gekennzeichnet, bei der der volle Wert einer Entscheidung sich erst später im Verlauf des Tages offenbart. Das Durchsuchen des kombinatorischen Entscheidungsraums nach effizienten Touren in jeden Zustand erfordert die Lösung eines komplexen MILPs. Diese Komplexität wird nun durch die Herausforderung verstärkt, dass eine Bewertung von Entscheidungen auf ihre Effektivität angesichts zukünftiger Unsicherheit notwendig ist - eine ideale Anwendung für RL. Beides ist von zentraler Bedeutung, um den operativen Anforderungen gerecht zu werden. Somit wäre eine direkte Kombination beider Methodenklassen notwendig. Diese steht allerdings aus unterschiedlichen Gründen noch aus und ist Ziel dieses Forschungsprojektes. Konkret schlagen wir vor das MILP durch RL zu manipulieren, um sowohl effiziente als auch effektive Entscheidungen zu erhalten. Die Manipulation kann die Zielfunktion oder die Nebenbedingungen verändern. So werden Anreiz- oder Strafbedingungen hinzugefügt, um bestimmte Entscheidungen zu erzwingen oder zu verbieten. Alternativ werden Nebenbedingungen angepasst, zum Beispiel, um Flotten-Ressourcen zu reservieren.Die Herausforderung ist, zu entscheiden, wo und wie die Manipulation stattfinden sollen. Je nach SDPDPe setzt sich die Zielfunktion unterschiedlich zusammen und haben Nebenbedingungen wie Zeitfenster oder Fahrzeugkapazitäten unterschiedliche Relevanz. Der erste Schritt des Projektes zielt somit auf die Identifikation relevanter Bereiche innerhalb des MIPs mittels (un)supervised learning. Sind die "interessanten" Bereiche identifiziert, besteht die zweite Herausforderung darin, die richtige Parametrisierung zu finden. Hier werden RL-Methoden eingesetzt, die die relevanten MIP-Komponenten zustandsabhängig manipulieren.

Projekt im Forschungsportal ansehen

In den letzten Jahren hat sich ein Paradigmenwechsel bei den städtischen Logistikdiensten vollzogen: Globale Vernetzung, Urbanisierung, allgegenwärtige Informationsströme und zunehmende Dienstleistungsorientierung machen eine vorausschauende Entscheidungsfindung in Echtzeit erforderlich. Ein markantes Beispiel sind Logistikdienstleister: Serviceversprechen wie die Lieferung von Mahlzeiten am selben Tag oder im Restaurant, Dial-a-Ride und Notfallreparaturen zwingen Logistikdienstleister dazu, die künftige Nachfrage zu antizipieren, sich an Echtzeit-Verkehrsinformationen anzupassen oder sogar unbekannte Crowdsourcer einzubinden, um die Erwartungen der Kunden zu erfüllen. Um die Herausforderungen solcher Dienste zu meistern, sind datengesteuerte, vorausschauende Ansätze erforderlich. Sie versprechen, die Kundenzufriedenheit durch genaue Vorhersagen (z. B. durch überwachtes Lernen), verbesserte Flottensteuerung (z. B. durch verstärkendes Lernen) und Identifizierung von Nachfragemustern und Lieferszenarien (z. B. durch unüberwachtes Lernen) zu verbessern. Im Rahmen dieses Forschungsprojekts kombinieren wir die jüngsten Fortschritte im Bereich des maschinellen Lernens mit etablierten Methoden aus dem Operations Research, um die aktuellen Herausforderungen in der städtischen Logistik zu bewältigen.
Dieser Text wurde mit DeepL übersetzt

Projekt im Forschungsportal ansehen

In diesem Projekt wird eine Fallstudie erstellt, welche die Reaktion einer Food Pantry unter COVID19-Bedingungen dargestellt wird. Aufgrund sozialer Distanzierung und Bedenken hinsichtlich der Verbreitung von Infektionen musste der Lebensmittelverteilungsprozess geändert werden. Dieses Papier untersucht ihre Beschaffungs-, Transport- und Distributionsvorgänge vor und während der Krisensituation.

Projekt im Forschungsportal ansehen

From the perspective of a firm providing on-location services, we address the problem of determining service time windows that must be communicated to customers at the time of request. We set service time windows under incomplete information on arrival times to customers. We show how to minimize expected time window width subject to a constraint on service level. We use analytical results of the problem to inspire a practice-ready heuristic for the more general case. Relative to the industry standard of communicating uniform time windows to all customers, and to other policies applied in practice, our method of quoting customer-specific time windows yields a substantial increase in customer convenience without sacrificing reliability of service.

Projekt im Forschungsportal ansehen

In diesem Projekt untersuchen wir das Problem, den Kunden einen fairen Same-Day-Delivery (SDD)-Service anzubieten. Das Servicegebiet ist in verschiedene Regionen unterteilt. Im Laufe eines Tages fordern Kunden den SDD-Service an, wobei der Zeitpunkt der Anforderungen und die Lieferorte nicht im Voraus bekannt sind. Der Disponent weist die Fahrzeuge dynamisch zu, um die angenommenen Kunden vor Ablauf ihrer Lieferfrist zu beliefern. Zusätzlich zur Gesamtlieferquote maximieren wir die minimale regionale Lieferquote über alle Regionen hinweg mit Hilfe von Reinforcement Learning. Berechnungsergebnisse zeigen die Effektivität unseres Ansatzes bei der Verringerung von Ungerechtigkeiten sowohl in räumlicher als auch in zeitlicher Hinsicht in verschiedenen Kundenregionen. Wir zeigen auch, dass diese Effektivität für verschiedene Depotstandorte gilt, so dass Unternehmen die Möglichkeit haben, von jedem Standort aus eine bessere Fairness zu erreichen. Darüber hinaus betrachten wir die Auswirkungen der Vernachlässigung von Fairness im Service
Dieser Text wurde mit DeepL übersetzt

Projekt im Forschungsportal ansehen

We consider an urban instant delivery environment, e.g., meal delivery, in which customers place orders over the course of a day and are promised delivery within a short period of time after an order is placed. Deliveries are made using a fleet of vehicles, each completing one or more trips during the day. To avoid missing delivery time promises as much as possible, the provider manages demand by dynamically adjusting the size of the service area, i.e., the area in which orders can be delivered. The provider seeks to maximize the number of orders served while avoiding missed delivery time promises. We analyze several techniques to support the dynamic adjusting of the size of the service area which can be embedded in planning and execution tools that help the provider achieve its goal. Extensive computational experiments demonstrate the efficacy of the techniques and show that dynamic sizing of the service area can increase the number of orders served significantly without increasing the number of missed delivery time promises.

Projekt im Forschungsportal ansehen

Eco-labels are a way to benchmark transportation shipments with respect to their environmental impact. In contrast to an eco-labeling of consumer products, emissions in transportation depend on several operational factors like the mode of transportation (e.g., train or truck) or a vehicle’s current and potential future capacity utilization when new orders are added for consolidation. Thus, satisfying eco-labels and doing this cost-efficiently is a challenging task when dynamically routing orders in an intermodal network. In this project, we analyze how reinforcement learning techniques can be adapted to our problem and show their advantages and the impact of Eco-labels in a comprehensive study for intermodal transport via train and trucks in Europe.

Projekt im Forschungsportal ansehen

Die Einführung von proprietären Teilen, um sich einen Wettbewerbsvorteil gegenüber unabhängigen Aufarbeitungsunternehmen zu verschaffen, ist eine häufig von Produzenten (OEMs) angewendete Strategie. In diesem Forschungsprojekt betrachten wir im Rahmen eines strategischen Modellierungsansatzes einen OEM, der mit einem unabhängigen Aufarbeiter (IR) konkurriert, welcher aufgearbeitete Produkte des OEM verkauft, die mit den neuen Erzeugnissen in Wettbewerb stehen. Der OEM zieht die Verwendung proprietärer Teile in Betracht, um einen stärkeren Einfluss auf den Sekundärmarkt ausüben zu können. Ziel der Untersuchung ist es, den Einfluss der Produktdesignentscheidung auf den Preiswettbewerb zwischen OEM und IR besser zu verstehen.

Projekt im Forschungsportal ansehen

Die Fragestellung des Projektes beschäftigt sich mit der Investition in Stromerzeugungs- und -speichertechnologien. Dabei stellt sich diese Frage insbesondere für Einfamilienhausbesitzer und Mehrfamilienhausbesitzer sowie kleine und mittlere KMU, da dort eine Investition ein relativ großes finanzielles langfristiges Wagnis darstellt. Zudem besteht zunehmend die Schwierigkeit der Auswahl einer geeigneten Technologie, in die investiert werden soll.

Ziel des Projektes ist die Entwicklung einer Methodik für die komplexe Investitionsentscheidungen unter Unsicherheit sowie unter dem Aspekt der Eigenverbrauchsdeckung bzw. Energievermarktung. Dabei soll eine Praxis-optimale Systemlösung gefunden werden. Diese Systemlösung muss basierend auf einem großen Technologiepool für Erzeugung, Speicherung und Konversion identifiziert werden und zugleich die kritischen Aspekte Wirtschaftlichkeit, Effizienz, Umweltverträglichkeit und Sicherheit erfüllen. Darüber hinaus soll diese Optimierung für Zeitschritte unterhalb der 1/4 h betrachtet werden.

Mit diesen Ergebnissen kann für Netzbetreiber die Entwicklung einer Methodik für die verbesserte Vorhersage von sich im Wandel befindenden Verbrauchsprofilen von Prosumer & KMUs vorangetrieben werden. Zudem können Handlungsempfehlungen hinsichtlich verschiedener Aspekte der Bilanzkreisführung gegeben werden.

Dieses Projekt wird gefördert durch das Land Sachsen-Anhalt mit Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE).

Projekt im Forschungsportal ansehen

In Zeiten von Globalisierung bzw. zunehmender internationaler Vernetzung und einer damit einhergehenden unsichereren, komplexeren dynamischen Welt, steigt der Bedarf für zeitgemäße Bewertungsansätze im Finanzmanagement. Die Unsicherheit per se kann vielfältige Ursachen haben und beispielsweise aus verschiedenen Technologien, dem gesamtwirtschaftlichen, sowie dem politischen und regulatorischen Umfeld erwachsen. Ihre Handhabung stellt insbesondere in der Praxis ein Problem dar. So scheitert die Bewertung von Forschungs- und Entwicklungsinvestitionen oder (Energie-) Infrastrukturprojekten regelmäßig.

Im Rahmen dieses Forschungsprojekts wird angestrebt, diverse Unsicherheitsquellen modelltheoretisch abzubilden, um darauf aufbauend möglichst ganzheitliche Modelle für die Beurteilung von finanzwirtschaftlichen Problemen (weiter) zu entwickeln. Beispiele hierfür sind u.a. der Einfluss von Unsicherheit auf die Bauzeit, das Wettbewerbsverhalten, technische Ausfallwahrscheinlichkeiten, sowie das Lernverhalten.

Projekt im Forschungsportal ansehen

Der Onlinehandel wächst international in einem Rekordtempo. Ein wesentlicher zukünftiger Erfolgsfaktor des Onlinehandels sind schnelle Lieferzeiten; insbesondere Same-Day Belieferung (SDD). Allerdings ist SDD kostenintensiv, da die über den Tag eintreffenden Bestellungen in Kombination mit kurzen Lieferfristen wenig Raum für Konsolidierung bieten. Um SDD kosteneffizient anbieten zu können, ist eine methodische Unterstützung notwendig, die auf der operativen Ebene dynamische Liefertouren erstellt, fortschreibt, und bezüglich neuer Information aktualisiert. Zur effektiven Entscheidungsunterstützung muss sie sowohl kurzfristige als auch längerfristige zukünftige Entwicklungen an Fahrzeugbewegungen und Kundenbestellungen antizipieren. SDD-Probleme gehören somit zur Menge der stochastischen und dynamischen Tourenplanungs-Probleme. Diese Problemklasse ist relativ neu und generische Lösungsverfahren sind bisher kaum vorhanden.Auf Grund der hohen Komplexität dieser dynamischen Entscheidungsprobleme können exakte Verfahren nicht angewandt werden. Erste Arbeiten konzentrieren sich auf die approximative dynamische Programmierung (ADP). ADP-Verfahren nutzen Simulation innerhalb des dynamischen Entscheidungsmodelles, um die Auswirkungen einer Entscheidung abzuschätzen. ADP-Verfahren werden nach dem Zeitpunkt, wann die Simulation durchgeführt wird, unterschieden. Online ADP-Verfahren führen die Simulation in einem konkreten Entscheidungszustand durch. Offline ADP-Verfahren simulieren vor dem eigentlichen Start des Entscheidungsprozesses, speichern die Ergebnisse in aggregierter Form, und rufen diese in einem Entscheidungszustand ab. Online Verfahren können kurzfristige Entwicklungen in vollem Detail abbilden während offline Verfahren längerfristige Entwicklungen verlässlich auf aggregierten Niveau abschätzen können. Beide Aspekte sind in der SDD essentiell und keines der Verfahren kann die Erfordernisse vollständig erfüllen. Um sowohl kurzfristige Details als auch längerfristige Auswirkungen berücksichtigen zu können, ist eine Kombination notwendig. Ziel dieses Forschungsprojekt ist eine neue und generische Kombination von online und offline ADP-Verfahren vor, um ein wichtiges betriebswirtschaftliches Problem der SDD zu lösen. Das Verfahren ist so konzipiert, dass es eine zustandsabhängige Gewichtung der Simulationsergebnisse ermöglicht. Für eine neue SDD-Problemstellung werden spezifische quantitative Methoden sowie betriebswissenschaftliche Erkenntnisse zur SDD-Entscheidungsunterstützung generiert. Die vorgestellten Methoden sind hierbei jedoch nicht auf diese Problemstellung beschränkt sondern generisch und können auf eine Vielzahl von dynamischen Tourenplanungsproblemen übertragen werden. Sie sind somit ein wichtiger Schritt hin zu einem generellen Lösungsframework im Bereich der dynamischen Tourenplanung

Projekt im Forschungsportal ansehen

Im Rahmen der Energiewende soll die deutsche Energieversorgung sukzessive auf erneuerbare Energien umgestellt werden. Hierbei nimmt das Flächenland Sachsen-Anhalt eine Vorreiterrolle ein. Mit seinem hohen Anteil an erneuerbaren Energien an der Bruttostromerzeugung stellt es im bundesdeutschen Vergleich ein Positiv-Beispiel für eine erfolgreiche staatliche Förderpolitik dar. Für die Umsetzung letzterer werden diverse Planungstools zur Energieplanung eingesetzt, jedoch werden hier nur selten eine Vielzahl von Nebenbedingungen (technische, ökonomische, regulatorische, politische) berücksichtigt. Zudem bilden sie die komplexe Realität zu wenig ab. Gerade die optimale Investitionsentscheidung (unter Unsicherheit) und der optimale Fahrplan des, aus Erzeugungs-, Speicherungs- und Konversionstechnologien, gewählten Anlagenpools sind hochkomplexe Entscheidungen, welche durch die Akteure nicht ohne weiteres getroffen werden können. Aufgrund der Komplexität der Entscheidung ergeben sich wesentliche methodische Herausforderungen in der Umsetzung von Investitionsentscheidungen auf der Prosumerseite und in der entsprechenden Optimierung der Eigenverbrauchsdeckung, die im Rahmen des Forschungsprojekts bearbeitet werden sollen.

Projekt im Forschungsportal ansehen

Die Frage, wie man Waren am besten an die Verbraucher liefert, ist seit jeher eine Frage der Logistik. Bei fast allen traditionellen Zustellungsmodellen waren jedoch Unternehmensmitarbeiter beteiligt, sei es Mitarbeiter des Unternehmens, das die Waren herstellt, oder Mitarbeiter des Unternehmens, das die Waren transportiert. Mit dem Wachstum der Gig-Economy ist jedoch ein neues Modell entstanden, das keine Mitarbeiter von Unternehmen einbezieht: die Crowdsourced Delivery. Bei der Crowdsourced Delivery werden Einzelpersonen für die Lieferung von Waren angeworben und über das Internet mit diesen Personen interagiert. Bei der Crowdsourced Delivery erfolgt die Interaktion mit den Personen in der Regel über eine Plattform. Wichtig ist, dass die Crowdsourced-Kuriere nicht bei der Plattform angestellt sind, was die Planung und Durchführung der Warenlieferung grundlegend verändert hat: Die Lieferkapazität unterliegt nicht mehr der (vollständigen) Kontrolle des Unternehmens, das die Lieferung durchführt. Wir analysieren die damit verbundenen Herausforderungen, prüfen, wie die Forschungsgemeinschaft mit einigen dieser Herausforderungen umzugehen gedenkt, und gehen auf die Herausforderungen ein, die noch nicht angegangen wurden.
Dieser Text wurde mit DeepL übersetzt

Projekt im Forschungsportal ansehen

Neben ökonomischen Zielen treten in der Gesellschaft auch zunehmend soziale und ökologische Interessen in den Vordergrund. Solche sind beispielsweise in den 17 Zielen für nachhaltige Entwicklung der Vereinten Nationen (UN) ratifiziert. Auch gewinnorientierte Unternehmen sehen sich daher zunehmend verstärkt damit konfrontiert, soziale und ökologische Interessen von ihren Stakeholdern zu berücksichtigen. Beispiele umfassen die Forderung nachhaltiger Produkte durch Kunden, strengere ökologische Anforderungen durch den Gesetzgeber oder der Wunsch nach nachhaltigen Projekten durch Shareholder. Unternehmen investieren deshalb vermehrt in Nachhaltigkeitsprojekte. Bei der Planung, Bewertung und Durchführung dieser Projekte müssen neben der ökonomischen Untersicherheit somit auch diese politischen und gesellschaftlichen Faktoren und Unsicherheiten berücksichtigenberücksichtigt werden. Dieses Forschungsprojekt hat zum Ziel, die besonderen Einflussfaktoren von möglichen Nachhaltigkeitsprojekten eines Unternehmens zu erfassen und diese als Investitionsmöglichkeit unter Unsicherheit zu beschreiben. Dabei sollen insbesondere eine Erfassung der jeweils kritischen Stakeholder sowie die Bestimmung des Wertes und der Werttreiber der Investition zur Entscheidungsunterstützung erfolgen. Dazu werden unter anderem auch spieltheoretische und Prinzipal-Agenten-Probleme berücksichtigt.

Projekt im Forschungsportal ansehen

Das FinTech Financial Technology ist ein ego.-Inkubator für die Entwicklung und Erprobung innovativer Konzepte und Lösungsansätze. Die fortschreitende Digitalisierung sowie die zunehmende Akzeptanz von Kryptowährungen, insbesondere der Blockchain-Technologie werden zukünftig maßgeblichen Einfluss auf die realwirtschaftliche Industrie und den Bankensektor nehmen. Die erwarteten disruptiven Veränderungen werden neue innovative Produkte und Dienstleistungen entstehen lassen. Ziel des ego.-Inkubators ist es, gründungsinteressierte Studierende sowie wissenschaftliche Mitarbeiter bei der Entwicklung von entsprechend neuen Produkt- und Dienstleistungsideen im Bereich Financial Technologies zu fördern. Dazu ist das FinTech ausgestattet mit modernsten Hard- und Softwareanwendungen, wie z. B. der Ethereum Blockchain und einem Hochleistungsrechner für Deep Learning und KI-Anwendungen.

Dieses Projekt wird gefördert durch das Land Sachsen-Anhalt mit Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE).

Projekt im Forschungsportal ansehen

Die unternehmerische Finanzwirtschaft verändert sich in Folge der Digitalisierung dramatisch. Kryptowährungen ersetzen Fiat-Geld, Blockchain-Technologien übernehmen die Aufgaben globaler Buchhaltung und Smart Contracts steuern die Financial Supply Chain von Unternehmen. Das Forschungsvorhaben zielt darauf ab, für diverse finanzwirtschaftliche Probleme einen Proof-of-Concept auf Basis ausgewählter digitaler Technologien (Ethereum, Corda, HyperLedger) zu entwickeln und diese auf ihre Praxistauglichkeit hin zu untersuchen. Aktuelle Informationen unter: www.fintech.ovgu.de.

Projekt im Forschungsportal ansehen

Personal- und Fahrzeugkosten stellen sowohl im Personen- als auch Güterverkehr die wesentlichen Kostenbestandteile im Betrieb von Schienenverkehrsnetzen dar. Daher ein effizienter Einsatz dieser für Eisenbahnverkehrsunternehmen von zentraler Bedeutung. Gleichzeitig sind die relevanten Planungsprobleme sehr komplex und erfordern leistungsfähige Verfahren des Operations Research um praktische Instanzen lösen zu können. Das Projekt beschäftigt sich mit der Entwicklung dieser unter Einbezug praktischer Anforderungen. Insbesondere wird dabei die Schichtplanung von Zugbegleitern sowie das Locomotive Assignment Problem im Güterverkehr betrachtet.

Projekt im Forschungsportal ansehen

Die Maschinenbelegungsplanung ist eine klassische Aufgabenstellung der Produktionsplanung - und steuerung. Meist kommen in der aktuellen Forschung dabei Metaheuristiken zum Einsatz. Im Rahmen dieses Forschungsprojektes werden insbesondere Erweiterungen des Hybrid Flowshop Problems betrachtet. Zum einen wird die Berücksichtigung des Energieverbrauchs analysiert, welches zu multi-kriteriellen Optimierungsproblemen führt. Ein weiterer Aspekt ist die Möglichkeit Aufträge in Unteraufträge aufzuteilen. Der Einfluss dieses sogenannten Lot Streamings auf die Fertigstellungszeiten und Zykluszeit wird im Rahmen dieses Projektes untersucht.

Projekt im Forschungsportal ansehen

Insbesondere das schwer prognostizierbare Käuferverhalten erschwert in zunehmendem Maße die finanzwirtschaftliche Bewertung von Innovationsvorhaben bzw. neuen Technologien. Eindrucksvolle Belege hierfür sind gegenwärtig die schwache Akzeptanz von eAutos oder bargeldlosem Zahlungsverkehr. Ein wesentlicher Vorteil dieser Modellbildung liegt darin, dass das Cash-Flow Profil aus dem Verhalten der einzelnen Agenten resultiert und nicht exogen vorgegeben werden muss, wie in neoklassischen Modellen. Ziel der Forschungsvorhabens ist es ein agentenbasiertes unternehmerisches Entscheidungsmodell zu entwickeln, welches die Wirkung sozialer Medien sowie den Einfluss von Substitutionstechnologien auf das Kaufentscheidungsverhalten zu berücksichtigt.

Projekt im Forschungsportal ansehen

Viele Investitionsentscheidungen müssen von mehreren Parteien getroffen werden, die über unterschiedliche und oft auch  konkurrierende Interessen verfügen. Diese Investitionsentscheidungen können ohne spieltheoretische Methoden nicht vollständig erfasst und modelliert werden. Beispiele sind die Durchführung einer Unternehmensakquisition, die Gründung und Terminierung eines Joint-Ventures oder die Kapazitätserweiterung in einer Supply-Chain. Gleichzeitig sind Investitionsentscheidungen immer auch Entscheidungen unter Unsicherheit, da die Höhe der in der Zukunft durch ein Investitionsprojekt generierten Cashflows zum Investitionszeitpunkt noch nicht bekannt ist. Zentrale Aussage der Realoptionentheorie ist, dass die Möglichkeit mit der Investition warten zu können in einer solchen unsicheren Situation einen Wert hat, falls die Investitionsmöglichkeit auch später noch besteht und in der Zwischenzeit mehr Informationen über die durch die Investition generierten Cashflows verfügbar werden. Der Flexibilitätswert dieser Wartemöglichkeit muss jedoch zum Investitionszeitpunkt aufgegeben werden. Bei der Bestimmung des Investitionszeitpunktes und des Wertes einer Investitionsmöglichkeit sollte daher auch auf realoptionstheoretische Methoden zurückgegriffen werden. Ziel des  Forschungsprojektes ist es, Spieltheorie und Realoptionentheorie bei der Modellierung von Investitionsentscheidungen zu kombinieren und so neue Erkenntnisse über das Investment- Timing und die Aufteilung des generierten Mehrwertes zwischen den einzelnen Entscheidungsträgern zu generieren. Von Interesse sind insbesondere auch der Einfluss der Unsicherheit und der Wahl des spieltheoretischen Modells.

Projekt im Forschungsportal ansehen

In einer Vielzahl von Veröffentlichungen zu strategischen Entscheidungsproblemen in Closed-Loop Supply Chains wird im Rahmen der Modellierung der Entscheidungssituation davon ausgegangen, dass die Zahlungsbereitschaft der Konsumenten für ein wiederaufbereitetes Produkt jeweils einen (über alle Verbraucher) konstanten Anteil der Zahlungsbereitschaft für das entsprechende neue Produkt darstellt. Diese vereinfachende Annahme erleichtert es, strukturelle Aussagen ableiten zu können. Neuere empirische Untersuchungen stellen diese Annahme jedoch in Frage, indem sie zeigen, dass die Diskontierungsfaktoren unter den Verbrauchern beträchtlich variieren. Im Rahmen dieses Projektes erfolgt für unterschiedliche komplexe Modelle ein Vergleich der Lösung unter konstanten Diskontierungsfaktoren mit der Lösung, die eine Wahrscheinlichkeitsverteilung für die Abzinsungsfaktoren voraussetzt.

Projekt im Forschungsportal ansehen

Innovationen sind ein wichtiger wirtschaftlicher Erfolgsfaktor und Antriebskraft für den Wandel eines Unternehmens und der Gesellschaft. Neben Prozess- und Sozialinnovationen sind vor allem neuartige Produkte sowie insbesondere ihre Entwicklung, Vermarktung und Finanzierung von großer Bedeutung. Sowohl Forschung als auch Praxis haben gezeigt, dass ihre Phasen mittels Produktlebenszyklus beziehungsweise des Produktnachfragezyklus charakterisiert werden können. Die genaue Entwicklung und somit die generierten Cashflows können jedoch zu Beginn eines Projektes nicht exakt prognostiziert werden. Die Möglichkeit zur Produktinnovation kann somit als Investitionsentscheidung unter Unsicherheit verstanden werden. Das zentrale Forschungsinteresse des Projektes ist es, die Diffusionsforschung und die Handlungsflexibilität des Unternehmens bei der Modellierung  von Investitionsentscheidungen zu kombinieren. Es sollen sowohl das Timing als auch der Wert der Investitionsmöglichkeit in Abhängigkeit entscheidender Faktoren wie der Unsicherheit und den Eigenschaften des Produktlebenszyklus untersucht werden.

Projekt im Forschungsportal ansehen

Neuere Untersuchungen haben gezeigt, dass Konsumenten erhebliche Bedenken hinsichtlich der Qualität von aufgearbeiteten Produkten haben, was eine geringere Zahlungsbereitschaft für aufgearbeitete als für neue Produkte nach sich zieht. Um dieses Phänomen besser zu verstehen, kombiniert dieses Projekt Umfragen und experimentelle Studien, um die Ursachen der als geringer wahrgenommenen Qualität und deren Einfluss auf die Zahlungsbereitschaft der Konsumenten für wiederaufbereitete Geräte zu ermitteln. Ein besseres Verständnis dieser Zusammenhänge kann für die Planung von Aufarbeitungsaktivitäten und die Preisgestaltung für aufgearbeitete Produkte genutzt werden.

Projekt im Forschungsportal ansehen

Eine häufig von Unternehmen angewendete Beschaffungsstrategie besteht in der kombinierten Nutzung von Kapazitätsreservierungsverträgen und dem Spotmarkt. Hierdurch soll ein Ausgleich zwischen den jeweiligen, mit den einzelnen Beschaffungsquellen verbundenen, Risiken erreicht werden. In diesem Projekt werden sowohl optimale als auch vereinfachte Strategien für langfristige Kapazitätsreservierungen und periodische Bestell-/Bestandsentscheidungen unter Verwendung der oben genannten Quellen unter stochastischer Nachfrage und zufälligen Spotmarktpreisschwankungen analysiert. Ziel ist es, strukturelle Eigenschaften der optimalen kombinierten Einkaufspolitik unter verschiedenen Bedingungen zu finden. Unter Nutzung dieser Eigenschaften sollen  Heuristiken entwickelt werden.

Projekt im Forschungsportal ansehen

Es ist die Strategie eines Unternehmens, die es kompetitiv am Markt agieren lässt. Besonders in Zeiten der Globalisierung und des technischen Fortschritts verändert sich das Marktumfeld der Unternehmen kontinuierlich. Hinzu kommt eine starke Asymmetrie zwischen lokalen Kleinunternehmen und globalen Akteuren. Die neuen Aspekte machen ein aktualisiertes Strategiekonzept erforderlich, das sowohl Unternehmensstrategien für die lokalen als auch für die globalen Akteure bereitstellt. Ziel des Forschungsprojektes ist es, Unternehmensstrategien für lokale wie auch globale Unternehmen zu ermitteln, die ein nachhaltiges Bestehen der Unternehmen auf den globalisierten Märkten ermöglichen. Diese Unternehmensstrategien sollen sowohl in der Theorie einsetzbar als auch in der Praxis anwendbar sein und in ihrer Formulierung so zugänglich sein, dass Managern und anderen Entscheidungsträgern einfach zu handhabende Handlungsanweisungen geboten werden können. Darüber hinaus ist die Zugänglichkeit der zu formulierenden Unternehmensstrategien auch wichtig, um es der Unternehmensleitung zu ermöglichen, den Mitarbeitern einheitliche Leitlinien einer Mission beziehungsweise einer Corporate Strategy näherzubringen.

Projekt im Forschungsportal ansehen

Viele Fusionen und Übernahmen (M&A) scheitern und verursachen enorme Wohlfahrtsverluste (z. B. Betriebsschließungen, Entlassungen, Steuerausfälle). Gründe dafür können ein unangemessener Kaufpreis, eine fehlgeschlagene Integration des Zielunternehmens, ein unbeständiges wirtschaftliches Umfeld und unbeständige Zeiten sein. Um diese Probleme zu bewältigen, werden risikomindernde Techniken wie Earn-outs oder Teilübernahmen immer beliebter. Der Erfolg dieser M&A-Transaktionen und deren relevante Parameter können mit verschiedenen, sich ergänzenden Ansätzen analysiert werden. Allen gemeinsam ist, dass sie auf den Börsenreaktionen der Unternehmen auf diese Transaktionsereignisse beruhen. Die am besten geeignete Methode zur Untersuchung des kurzfristigen Erfolgs von M&A ist die Durchführung einer Ereignisstudie. In diesem Fall werden die Börsenrenditen für Unternehmen, die einen Earn-Out ankündigen, um die normale Reaktion eines Börsenindexes bereinigt. Der langfristige Erfolg von Earn-Outs kann mit Hilfe des Fama-French-Modells, Buy-and-Hold-Renditen oder stochastischer Dominanz untersucht werden. Die einfachste Methode ist die letztgenannte, um den langfristigen Erfolg durch den Vergleich der kumulativen Dichtefunktion zwischen Event-Unternehmen und Nicht-Event-Unternehmen aufzuzeigen. Das primäre Ziel ist die Identifizierung relevanter Erfolgsfaktoren, um ein besseres Verständnis für risikomindernde Techniken beim Erwerb von Unternehmen zu erlangen. Das sekundäre Ziel ist die theoretische Unterstützung ökonomischer Theorien (Transaktionskosten-, Agency- und Realoptions-Theorie) für Earn-outs zu finden.
Dieser Text wurde mit DeepL übersetzt

Projekt im Forschungsportal ansehen

Das Bestandsmanagement von Ersatzteilen stellt Hersteller langlebiger Industrie- und Konsumgüter insbesondere in der Nachserienphase vor große Herausforderungen, da nach Abschluss der Serienproduktion die zu einer effizienten Bedarfsbefriedigung notwendige Flexibilität stark eingeschränkt ist. Ziel des Projektes ist die Entwicklung eines Entscheidungsunterstützungssystems für komplexe Beschaffungsstrategi­en, bestehend aus Kombinationen der am häufigsten genutzten Beschaffungsoptionen in Form von Abschlusslosbildung zu Serienbedingungen, Nachproduktion in kleineren Losen und Aufarbeitung von Altprodukten.

Projekt im Forschungsportal ansehen

In diesem Projekt wird die auftragsorientierte Fertigung in der maschinellen Werkstattproduktion klein- und mittelständischer Unternehmen (KMU) betrachtet. Wesentliche Planungsaufgaben stellen dabei die Maschinenbelegungs- und die Personaleinsatzplanung mit der Qualifikation der Mitarbeiter als verbindendem Element dar. In der Literatur und der praktischen Anwendung werden die Teilprobleme weitgehend getrennt voneinander betrachtet und häufig sukzessive gelöst. Ein solches Vorgehen ist jedoch insbesondere in KMUs problematisch, da Interdependenzen zwischen den Teilproblemen nicht in ausreichendem Maße berücksichtigt werden können. Solche liegen beispielsweise vor, wenn qualifiziertes Personal die Prozesse an den Maschinen durchgehend begleiten muss, dieses aber nur eingeschränkt zur Verfügung steht. Ziel ist es, für die Simultanplanung von Maschinenbelegung und Personaleinsatz effiziente Modellierungen und Lösungsansätze zu entwickeln.

Projekt im Forschungsportal ansehen

Herrstellern langlebiger Wirtschaftsgüter verpflichten sich häufig zur langfristigen Bereitstellung von Ersatzteilen. Die effiziente Bereitstellung dieser Ersatzteile stellt demzufolge eine Hauptaufgabe im After-Sales-Geschäft dar. Neben traditionellen Beschaffungsoptionen wie einem Endbevorratungslos und der Aufarbeitung von Altteilen, die in ihrer Flexibilität jeweils großen Einschränkungen unterliegen, stellt der Rückkauf von defekten Produkten eine nützliche weitere Option dar. Obwohl dieser mit hohen direkten Ausgaben verbunden sein kann, lassen sich aufgrund der nun nicht mehr notwendigen Bedarfsbefriedigung zusätzliche Kostensenkungspotentiale erschließen. Neben einer größeren Kontrolle über den Bedarf an Ersatzteilen erhöht der Rückkauf auch die Verfügbarkeit an aufzuarbeitenden Altprodukten, wodurch sich letztlich die auf lange Sicht sehr teure Endbevorratung mit dem Abschlusslos reduziert lässt. Im Rahmen dieses Projektes werden mit quantitativen Methoden optimale Rückkaufstrategien unter verschiedenen Rahmenbedingungen bezüglich der Verfügbarkeit an Informationen und Flexibilität der Rückkaufoption untersucht, aus denen Handlungsempfehlungen für den Einsatz in der Praxis abgeleitet werden.

Projekt im Forschungsportal ansehen

Im Rahmen immer kürzer werdender Produktlebenszyklen stellt das Bestandsmanagement von Ersatzteilen eine zunehmend schwierige Aufgabe für die Hersteller von Originalteilen dar. Diese versuchen nun, dieser Herausforderung durch die Schaffung neuer Optionen für die Befriedigung der Bedarfe zu begegnen. Insbesondere die Aufarbeitung von Altprodukten stellt hier eine lohnenswerte Alternative zur Neuproduktion dar. Dem steht jedoch die teilweise nur mangelhafte Verfügbarkeit von Altprodukten entgegen, da sich auch andere um den lukrativen Ersatzteilmarkt konkurrierende Unternehmen dieser Werte bewusst sind. Anhand eines Fallbeispiels soll untersucht werden, ob sich beispielsweise mit Rücknahmepreisen sowohl die Rücknahme von Altprodukten als auch der Marktanteil des Herstellers von Originalteilen steigern lassen.

Projekt im Forschungsportal ansehen