Masterarbeit: „Entwicklung und Validierung einer echtzeitfähigen Algorithmik Lösung für das „Scheduling“ von multidisziplinären Technologieprojekten auf Basis des „Reinforcement Learnings“
Der Einsatz von künstlicher Intelligenz in den Bereichen Technologieentwicklung, Maschinenbau und Serienproduktion birgt enorme Disruptionspotentiale für einen der relevantesten Wertschöpfungssektor unserer Volkswirtschaft. Insbesondere die Möglichkeit repetitive und auch kognitive Arbeitsprozesse zu automatisieren (engineering process mining and automation) liefert beindruckende Potentiale sowohl die Qualität als auch die Geschwindigkeiten der zugrundeliegenden Projekte signifikant zu erhöhen. Dadurch ergibt sich für Unternehmen die einzigartige Chance alleinstellende Wettbewerbsvorteile zu erlangen und somit ihre Zukunftsrelevanz bis hin zur Marktführerschaft zu sichern.
Wir als Anovion GmbH sind ein Start-Up, ausgegründet aus einem mittelständischen Maschinenbauunternehmen, und entwickeln eine gesamtheitliche, cloud-basierte Softwarelösung zur Digitalisierung des Sondermaschinenbaus, der Produktindustrialisierung und der Technologieentwicklung. Mit unserer Softwarelösung forcieren wir die Beschleunigung von Entwicklungs- und Entstehungsprozessen und bringen die dazugehörige Wertschöpfung auf ein neues Level.
Eine zentrale Aufgabe in komplexen Technologieprojekten ist die Planung und Steuerung von multidisziplinären Projektteams in einer Multiprojektumgebung. Die Herausforderung hierbei ist es, die während der Projektumsetzung aufkommenden Änderungen (Kundenanforderungen, Bereitstellung von Komponenten, Expertenverfügbarkeiten, etc.) zu erfassen und in die Planung in quasi Echtzeit zu integrieren. Dabei gilt es Projektstillstände und Produktivitätssenkungen zu vermeiden sowie das Erreichen der zeitlichen und inhaltlichen Projektziele zu gewährleisten.
Diese Herausforderung ist Teil der wohl bekannten „Scheduling Problem“ Familie aus dem Bereich der kombinatorischen Optimierung. Es existieren eine Vielzahl von Ansätzen dieses Problem numerisch zu lösen, welche primär auf deterministischen Methoden basieren. Die wesentlichen Nachteile dieser Methoden sind a) die fehlende Möglichkeit die Komplexität und Freiheitsgrade zu berücksichtigen und b) intensiven, nicht-echtzeit fähigen Rechenanforderungen.
Der Einsatz von datenbasierten Methoden aus dem Bereich der künstlichen Intelligenz, insbesondere das Reinforcement Learning, eröffnen neue Möglichkeiten sowohl die Komplexität der Problemstellung als auch die Echtzeitfähigkeit in den Griff zu bekommen. Im Zuge einer Masterarbeit soll sowohl die Methodik als auch die dazugehörige Algorithmik für die „Scheduling Problem“ in komplexen Technologieprojekten gelöst werden.
Hierfür
suchen wir eine ambitionierten StudentenIn, der/die sich der
Herausforderung einer anspruchsvollen Fragestellung die zeitgleich
eine enorme „Real-World“ Relevanz aufweist stellen und
schließlich lösen möchte.
Anforderungsprofil
-
StudentIn der Informatik, Ingenieurswesen, Mathematik oder Ähnlichem an einer Universität
-
Grundkenntnisse im Bereich der künstlichen Intelligenz und des maschinellen Lernens
-
Programmierexpertise in Python mit den Modulen Numpy, Pandas, Tensorflow, Keras, PyTorch, etc.
-
Selbständige Arbeitsweise und hohes Maß an Eigenverantwortlichkeit in der Umsetzung von herausfordernden Themenstellungen
-
Lernwilligkeit und Durchhaltevermögen
-
Motivation wissenschaftliche Themenstellungen in „Real-World“ Anwendungen zu transformieren
Wir bieten
-
Junges Start-Up mit kombiniertem Fokus auf Softwareentwicklung und Ingenieurwesen mit der Zielsetzung die Clean-Tech sowie die digitale Revolution mitzugestalten
-
Einzigartige Unternehmenskultur bestehend aus maximalen Freiheiten und höchstes Leistungsprinzip
-
Fragestellungen in technische relevante Anwendungen mit hoher Zukunftsrelevanz für unsere Wirtschaftsregion umzusetzen
-
Mitgestaltungs- mit Einstiegsmöglichkeiten in unserem Start-Up
-
Direkt Zusammenarbeit mit dem Gründerteam bestehend aus Informatikern und Ingenieuren
-
Enge Zusammenarbeit und gemeinsame Lösungsfindung der aufkommenden Detailhürden
Die Arbeit wird in Kooperation mit Prof. Ute Schmid, Kognitive Systeme, an der Universität Bamberg durchgeführt. Wir bitten jeden Interessenten einen kurzen Lebenslauf mit Anschreiben an uns (Dr.-Ing. Tobias Hummel, tobias.hummel@anovion.de) oder an Fr. Prof. Ute Schmid (ute.schmid@uni-bamberg.de) zu senden.