Aktuelle Forschungsprojekte

Immaterielle Vermögenswerte bestimmen heutzutage durchschnittlich 84% des Wertes eines Unternehmens. Unter diesen immateriellen Werten spielen Marken eine wichtige Rolle, welche in Form von Wörtern, Phrasen und Logos den Markterfolg eines Unternehmens signifikant begünstigen. Im Projekt soll eine Methode für die automatisierte Bewertung von Marken entwickelt werden, das in der Lage ist, kontinuierlich große Mengen an Bewertungen in reproduzierbarer Form und Güte insbesondere auf Basis unstrukturierter (öffentlicher) Datenquellen durchzuführen. Im Vergleich zu bisherigen Bewertungsverfahren werden die für die Ermittlung des jeweiligen Markenwertes erforderlichen Daten automatisiert gesammelt bevor mittels Verfahren des maschinellen Lernens der Markenwert prognostiziert wird. Projektpartner sind die Universität Paderborn und die InTraCoM GmbH aus Bonn.

Das Projekt wird vom Bundesministeriums für Wirtschaft und Energie (BMWi) gefördert.

Im Rahmen des Spitzenclusters it's OWL wurde am 1.4.2021 ein neues Verbundforschungsprojekt zur Anwendung und Weiterentwicklung von Business Process Mining initialisiert. Die Professoren Oliver Müller und Daniel Beverungen vom Department Wirtschaftsinformatik und  der SICP als Konsortialführer forschen gemeinsam mit den Unternehmen Contact Software, Weidmüller, GEA und dem Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM an dem Projekt „Process Mining zur Analyse und Präskription industrieller Kernprozesse“ (BPM-I4.0).

Durch die Methoden des Process Mining kann Transparenz und ein besseres Verständnis über die Prozesse geschaffen werden. Process Mining macht es möglich, Geschäftsprozesse anhand von Daten zu erkennen, analysieren und verbessern. Bisher standen in der Process Mining Forschung primär strukturierte Prozesse im Fokus. Unstrukturierte und wissensintensive Prozesse wie die Produktentwicklung oder die Auftragsabwicklung im Anlagen- und Maschinenbau sind bisher nur wenig betrachtet worden. Viele Prozesse in der Einzel- und Kleinserienfertigung werden nicht häufig genug wiederholt und unterliegen kunden- und produktspezifischen Varianten, so dass die generierten Datenmengen vergleichsweise klein sind. Deshalb müssen zusätzliche Daten in das Process Mining integriert sowie bei der Interpretation der Ergebnisse berücksichtigt werden.

Ziel des Projekts ‚BPM-I4.0‘ ist die ganzheitliche Entwicklung, Implementierung und Evaluation von Verfahren des Process Mining zur Analyse und präskriptiven Steuerung industrieller Kernprozesse. Hierzu sollen Methoden und Werkzeuge für den Einsatz von Process Mining in der Industrie entwickelt werden. Diese Methoden bestehen aus innovativen Vorgehensweisen, Konzepten und Algorithmen, die prototypisch im Produktentstehungs- und Auftragsabwicklungsprozess beteiligter Unternehmen gestaltet, implementiert, evaluiert, aufbereitet und generalisiert werden sollen. Die erzielten Ergebnisse sollen die beteiligten Unternehmen dazu befähigen, anhand der Analyse ihrer Prozessdaten die Qualität ihrer Kernprozesse deutlich zu verbessern sowie die Prozessausführung proaktiv zu steuern, um mittel- und langfristig ihre Wettbewerbsfähigkeit zu erhalten und auszubauen. Dafür werden im Projekt innovative Vorgehensweisen, Konzepte, Algorithmen und digitale Werkzeuge am Beispiel des Produktentstehungsprozesses bei Weidmüller und des Auftragsabwicklungsprozesses bei GEA entwickelt, prototypisch implementiert, evaluiert, aufbereitet und generalisiert. Dieses Forschungs- und Entwicklungsprojekt wird mit Mitteln des Ministeriums für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen (MWIDE) im Rahmen des Spitzenclusters ‚Intelligente Technische Systeme OstWestfalenLippe (it‘s OWL)‘ gefördert und vom Projektträger Jülich (PtJ) betreut

Das Projekt wird vom Ministerium für Wirtschaft, Industrie, Klimaschutz und Energie des Landes NRW gefördert.

Wie wird Künstliche Intelligenz die Arbeitswelt verändern? Wie können Unternehmen neue Technologien einsetzen, um ihre Beschäftigten zu entlasten und ihre Wettbewerbsfähigkeit zu steigern? Das Kompetenzzentrum KIAM widmet sich diesen Fragen. Das Projekt ist eines von nur zweien, die aus 47 Bewerbungen in der BMBF-Ausschreibung „Kompetenzzentren für Arbeitsforschung“ ausgewählt wurden. KIAM wird getragen durch die Universitäten Bielefeld und Paderborn, die TH OWL, die FH Bielefeld, die Fachhochschule der Wirtschaft, Fraunhofer IEM und Fraunhofer IOSB-INA sowie die Unternehmen Atos, Bette, Bosch Rexroth, Deutsche Angestellten-Akademie OWL, Dr. Oetker, Kannegiesser, itelligence, Lenze, Miele, WAGO und Weidmüller und die IG Metall.

Die Ergebnisse und Erfahrungen aus den Leuchtturmprojekten sollen für kleine und mittlere Unternehmen verfügbar gemacht werden. In Transferprojekten können Unternehmen in Kooperation mit einer Forschungseinrichtung neue KI-Technologien nutzen, um konkrete Herausforderungen in ihrem Betrieb zu lösen. Dabei unterstützen Transferpartner des Kompetenzzentrums wie beispielsweise owl maschinenbau und die OstWestfalenLippe GmbH.

Der Lehrstuhl Data Analytics um Prof. Dr. Oliver Müller arbeitet in einem dieser Leuchtturmprojekte zusammen mit dem SICP und dem Unternehmen WAGO an der Entwicklung eines KI-basierten Vertriebsassistenten. In diesem Rahmen werden unstrukturierte Textdaten genutzt, um für Positionen aus Anfragen automatisch passende WAGO-Produkte vorzuschlagen.
Diese NLP-basierte Lösung soll Vertriebsmitarbeiter bei WAGO in der Erstellung von Angeboten unterstützen.

Das Projekt wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert.

Impacts of AI on productivity, wages or society are yet not clearly visible. AI is diffusing relatively slowly through businesses, institutions and societies. However, the societal impact of AI will inter alia depend on the diffusion and the quality or "friendliness" of AI. Social benefits and implementation of quality AI are interdependent with the channels, rapidness, concentration, and profiting groups of AI diffusion. Therefore, the objective of this project is to understand the diffusion process of quality AI with respect to manner, channels, speed and concentration, and their effects. The project begins with individual entities like firms and consumers, move to countries and finally include developing economies and the global society. The planning grant should prepare for establishing a leading research cluster/center. Four dimensions are crucial. (i) Establishment of a technical and organizational infrastructure for a global research network. (ii) Overcome obstacles from heterogeneity of an interdisciplinary consortium with respect to discipline specific technical terminology, (narrow) perspectives of thinking, or knowledge gaps. (iii) Identify the most important research gaps from an interdisciplinary point of view and determine the optimal combination of researchers for various subtopics of the planned project. (iv) Elaboration of the research proposal for the main project.

The project is funded by the VolkswagenStiftung.

Die aktuelle Klima- und Energiepolitik bewirkt einen rasanten Wandel des Energieversorgungssystems in Deutschland. Das Energieverteilnetz bindet stärker regenerative Energien ein, deckt die Versorgung der Elektromobilität ab und muss intelligent gestaltet sein. Es bedarf somit einer Prognose von Ausfällen in kritischen Komponenten, damit das resiliente Verteilnetz die Versorgungssicherheit und -qualität sicherstellen kann.

Das Forschungsprojekt „AProSys - KI-gestützte Assistenz-und Prognosesysteme für den nachhaltigen Einsatz in der intelligenten Verteilnetztechnik“ verfolgt das Ziel, die sensorbasierte Zustandsüberwachung des Verteilnetzes nachhaltig in ein kognitives Assistenzsystem mit dem Schwerpunkt der Prognostik basierend auf Künstlicher Intelligenz zur Anwendung innerhalb des Verteilnetzes zu transformieren, um die Energie- und Mobilitätswende in Deutschland erfolgreich zu gestalten.  

An der Universität Paderborn kooperieren über den Software Innovation Campus Paderborn (SICP) der Lehrstuhl für Wirtschaftsinformatik, insb. Betriebliche Informationssysteme unter der Leitung von Prof. Dr. Daniel Beverungen sowie der Lehrstuhl für Wirtschaftsinformatik, insb. Data Science von Prof. Dr. Oliver Müller im Projekt AProSys.

Neben den beiden Lehrstühlen der Universität Paderborn sind als Forschungspartner das Forschungsinstitut für Rationalisierung e.V. (FIR) der RWTH Aachen, das Karlsruher Institut für Technologie (KIT) mit dem Institut für Elektroenergiesysteme und Hochspannungstechnik (IEH) unter der Leitung von Prof. Dr.-Ing. Thomas Leibfried sowie dem Institut für Technische Mechanik, Institutsteil Dynamik/Mechatronik unter der Leitung von Prof. Dr.-Ing. habil. Alexander Fidlin beteiligt. Die Projektleitung und Koordination werden von dem ABB AG Forschungszentrum Deutschland übernommen. Als Wirtschaftspartner sind Heimann Sensor GmbH aus Dresden sowie die Westfalen Weser Netz GmbH aus Paderborn an dem Projekt beteiligt.

Projektlaufzeit: 01.01.2023 – 31.12.2025

Ansprechpartner: Prof. Dr. Daniel Beverungen, Prof. Dr. Oliver Müller