Neues Forschungsprojekt an der Constructor University zu Maschinenlernen in der Logistik

Unterschiedliche Formate, häufige Aktualisierungen, immer mehr Daten: Die Anforderungen von Kund*innen in der Logistik zu managen, ist eine Herausforderung. Wie können sogenannte „Large Language Models“ helfen, den Prozess autonom, selbstlernend und mit erhöhter Genauigkeit besser zu gestalten? Das ergründet ein von der Deutschen Forschungsgemeinschaft (DFG) gefördertes Projekt der Constructor University Bremen unter Leitung von Prof. Dr. Yilmaz Uygun.

Kund*innenanforderungen in der Logistik beziehen sich etwa auf den Transport, Umschlag und die Lagerung einzelner Produkte, auf deren Verpackung, Lieferung oder Eigenschaften. Einen allgemeinen oder industriespezifischen Standard für die Dokumentation der Informationen existiert jedoch nicht. Unterschiedliche Formatvorlagen in höchst unterschiedlicher Länge sind in Gebrauch, die zudem in immer kürzeren Abständen aktualisiert werden. Ähnliche Probleme gibt es auch bei der Bearbeitung von Lastenheften, die detaillierte technische Spezifikationen für komplexe Produkte beinhalten und teilweise mehrere tausend Seiten umfassen.

„Für den Zulieferer bzw. Auftragnehmer, der diese Anforderungen berücksichtigen sowie Anpassungs- und Änderungswünsche umzusetzen hat, stellt dies eine immer größer werdende Herausforderung dar“, meint Uygun, Professor für Logistics Engineering, Technologies and Processes an der Constructor University. Mithilfe des maschinellen Lernens und insbesondere unter Nutzung von Large Language Models, die ähnlich wie ChatGPT per Künstlicher Intelligenz Texte in Sprache transferieren, sollen diese Prozesse verbessert werden. Für Anwendungen im Anforderungsmanagement des produzierenden Gewerbes fehlt es aber noch an automatisierten Lösungen.

Diese Lücke will Prof. Uygun mit dem Forschungsprojekt schließen. Untersucht werden sollen unter anderen die Möglichkeiten und Grenzen der Nutzbarkeit der verfügbaren Datenbasis, der Standardisierung von Prozessen oder der automatisierten Erkennung gewünschter Anpassungen. Erreicht werden soll unter anderem die Beschleunigung der Anforderungsänderungen, ihre verbesserte Bewertung und Dokumentation sowie das Antizipieren möglicher Anpassungen. Das Projekt wird von der DFG über einen Zeitraum von zwei Jahren gefördert.

Wissenschaftlicher Kontakt:
Prof. Dr. Dr.-Ing. Yilmaz Uygun | Professor für Logistics Engineering, Technologies and Processes
yuygun@constructor.university | Tel.: +49 421 200-3478