Aktuelle Forschungsprojektbeteiligung von Kira Welzel

Befähigung von KMU zu komplexen & fortschrittlichen produktionslogistischen Datenanalysen mittels LowCode (LowDA)

In einer Zeit zunehmend komplexer Produktionsstrukturen und steigender Leistungsanforderungen stehen produzierende KMU unter erheblichem Wettbewerbsdruck. Insbesondere die Produktionsplanung und -steuerung (PPS) bietet zahlreiche Ansatzpunkte zur Verbesserung der logistischen Leistungsfähigkeit. Gleichzeitig stoßen klassische Analyse- und Entscheidungssysteme angesichts wachsender Daten- und Informationskomplexität sowie vielfältiger Entscheidungsoptionen zunehmend an ihre Grenzen. Moderne Datenanalysemethoden – ergänzt durch strukturierte Datenvorverarbeitung – machen komplexe Zusammenhänge in Produktionssystemen sichtbar und ermöglichen die gezielte Identifikation leistungssteigernder Maßnahmen. Vielen KMU fehlen jedoch die nötigen Ressourcen und das Fachwissen, um diese Potenziale auszuschöpfen. Low-Code-Technologien schaffen hier Abhilfe, indem sie fortschrittliche Analysen zugänglich machen und die Implementierung von Entscheidungsmodellen zur Leistungssteigerung erleichtern. Das Forschungsvorhaben LowDA befähigt KMU, ihre logistische Leistungsfähigkeit durch fortschrittliche Analysen zu steigern, die mithilfe von Low-Code-Applikationen und -Vorverarbeitungsmethoden zugänglich gemacht werden. Dabei wird die Durchführung dieser Analysen auch ohne ausgeprägte IT- oder Analysekompetenz auf Seiten der KMU ermöglicht.

Leitung: Kira Welzel

Jahr: 2025

Förderung: BVL

Laufzeit: 11/25 bis 08/27
deep.Control - Entwicklung einer datenbasierten, automatisierten Controlling-Methodik zur Verbesserung der Fabrikperformance

Das Forschungsvorhaben deep.Control verfolgt das Ziel, eine Produktionscontrolling-Methodik zu entwickeln und in eine Softwareumgebung zu überführen, die Unternehmen systematisch bei der Identifikation von Primärursachen einer unzureichenden logistischen Performance im Fabrikbetrieb und der Ableitung notwendiger Kompensationsmaßnahmen unterstützen. Die Verknüpfung bewährter logistischer Modelle mit Methoden der Data Analytics birgt das Potenzial einer datenbasierten und automatisierten Analyse von Primärursachen sowie der Auswirkungen konkreter Kompensationsmaßnahmen auf die logistischen Zielgrößen. Durch die Einbettung der Controlling Methodik in eine einfach zu bedienende Software sollen industrielle Anwender*innen automatisiert eine zielgerichtete Handlungsempfehlung zur Performancesteigerung erhalten, ohne dass es tiefgreifendes spezifisches Methodenwissen bedarf.

Leitung: Kira Welzel

Jahr: 2023

Förderung: Die Zuwendung besteht aus Mittel des Europäischen Fonds für Regionale Entwicklung (EFRE) und des Landes Niedersachsen

Laufzeit: 09/2023 - 03/2026