Skip to Content
Zur Übersicht

VaStNet: Produktions- und Lieferketten mit KI optimieren

Im Forschungsprojekt VaStNet (Value Stream Optimization Networks) untersuchen die Sim-Plan AG, die SIEBEN Consulting-Training-System GmbH und die Hochschule RheinMain (HSRM), wie Nutzer:innen zukünftig KI-gestützt mit dem VaStNet-Assistenten korrekte Wertströme modellieren und optimieren können.

Um Produktionsprozesse und Lieferketten effizient zu gestalten, setzen Planer:innen auf Wertstrommodellierungen mit digitalen Tools. Mit diesen werden Produktionsprozesse als Graph mit Produktions-, Transport- und Lagerschritten abgebildet. 

Wettbewerbsfähigkeit durch KI-Assistenten

Mit dem VaStNet-Assistenten sollen durch korrekte Wertströme mittels neuronaler Netze gerade in Zeiten von Fachkräftemangel, Lieferengpässen und schwankender Rohstoffpreise Produktions- und Lieferketten flexibilisiert werden. Dies zahlt auf die Wettbewerbsfähigkeit und Nachhaltigkeit der Unternehmen ein. Das auf zwei Jahre angelegte Vorhaben wird vom Bundesministerium für Bildung und Forschung (BMBF) mit 237.358,80 Euro gefördert.

Wertströme aus hunderten Knoten

Durch die Simulation von Wertströmen in Produktionsprozessen und Lieferketten können Planer:innen mit digitalen Tools die Effizienz bewerten, Alternativen prüfen und Ressourcen planen. In der Praxis können diese Wertströme mehrere hundert Knoten mit sogenannten Annotationen, etwa Anmerkungen zu den erzeugten Produkten und Laufzeiten, umfassen. 

Ende von Simulationsspezialist:innen?

„Die korrekte Erstellung eines Wertstroms ähnelt dabei der Erstellung einer Software: Häufig unterlaufen Fehler durch die Anwender:innen, die anhand des Verhaltens des Wertstroms schwer zu lokalisieren und beheben sind. So bleibt digitale Wertstrommodellierung bis heute überwiegend Simulationsspezialist:innen vorbehalten“, sagt Prof. Dr. Sven Spieckermann, CEO der SimPlan AG.

Projekt im Fachbereich Design Informatik Medien angesiedelt

Genau hier setzt das Vorhaben VaStNet an: „Unser Ziel ist es, die Nutzer:innen KI-gestützt bei der Modellierung korrekter Wertströme zu unterstützen. Hierzu sollen Lernverfahren entstehen, die den Wertstromexpert:innen als digitaler Assistent unterstützen. VaStNet zeigt dabei Fehler im Wertstrom auf und macht Vorschläge, einen digital dokumentierten, aber fehlerbehafteten Wertstrom in einen simulationsfähigen und korrekten Wertstrom zu überführen. Um dies zu erreichen, formuliert VaStNet ein maschinelles Lernproblem ähnlich dem Language Modeling in Text-KIs: Gegebenen korrekte Wertströme werden verändert, und das Modell wird nun darauf trainiert, die Veränderungen auf Grundlage des Kontexts vorherzusagen“, erklärt Prof. Dr. Dirk Krechel, der gemeinsam mit Prof. Dr. Adrian Ulges vom Fachbereich Design Informatik Medien das Projekt an der HSRM leitet.

Innovation und Perspektiven

Das Forschungsprojekt VaStNet baut auf erfolgreiche Vorarbeiten der Projektpartner SimPlan und Hochschule RheinMain auf, in denen weltweit erstmalig KI-Methoden zur interaktiven Reparatur von Wertströmen eingesetzt wurden. Diese Arbeiten werden nun auf drei Ebenen um neue Innovationen erweitert: 

  • Der Adaptionsebene (indem die KI auf die spezifischen Wertströme eines Kun-den anpassbar wird),
  • der Modellebene (indem ein Deep-Learning-Modell Ver-wendung findet) sowie
  • der Simulationsebene (indem das Modell die Simulati-onsergebnisse des Wertstroms für seine Empfehlungen berücksichtigt).

„Durch den smarten VaStNet-Assistenten soll Wertstromsimulation niedrigschwelliger zugänglich gemacht werden und für einen deutlich größeren Kundenkreis geöffnet werden. Gerade in Zeiten von Fachkräftemangel, Lieferengpässen und schwankender Rohstoffpreise soll hiermit ein Beitrag zur Flexibilisierung von Produktions- und Lieferketten geleistet werden, um industrielle Prozesse wettbewerbsfähiger und nachhaltiger zu gestalten“, sagt Martin Da-hinten, Inhaber der SIEBEN Consulting-Training-System GmbH, die als Transferpartner im Projekt fungiert.

Pressemitteilung als PDF-Download

Rückfragen oder Anmerkungen zum Artikel?

Kontakt