Wirtschaftsinformatiker unterstützten Lufthansa

Wirtschaftsinformatiker der Universität Würzburg haben in einem gemeinsamen Projekt mit der Lufthansa innovative Methoden zur Vorhersage und Planung von Kapazitätsbedarfen entwickelt.

Im globalen Netzwerk der Lufthansa Technik Logistik Services GmbH (LTLS) werden täglich mehrere Tausend Flugzeugersatzteile - von der Standardschraube bis zum Flugzeugtriebwerk - bewegt. Mengenschwankungen und immer kürzere Durchlaufzeiten machen die Planung und Steuerung dieser Materialströme zu einer schwierigen, aber umso wichtigeren Aufgabe.

Digitalisierung eröffnet neue Möglichkeiten


Um sie besser und effizienter zu bewältigen, ist in einem Projekt mit Wirtschaftsinformatikern der Julius-Maximilians-Universität (JMU) Würzburg von jeder Materialbewegung ein digitales Abbild entstanden, das alle Informationen zentral zugänglich macht. Projektleiter ist Professor Richard Pibernik, Inhaber des Lehrstuhls für Logistik und Quantitative Methoden an der JMU.

Bisher unterlagen die Mengen, die täglich im zentralen Wareneingang angeliefert werden, großer Unsicherheit. Unvorhersehbare Schwankungen führten dazu, dass bei überraschend hohem Sendungsvolumen Überstunden geleistet werden mussten. Zudem entstanden hohe Kosten, wenn kritische Sendungen (etwa: dringend benötigte Flugzeugersatzteile) nicht rechtzeitig an die entsprechenden Stellen weitergeleitet werden konnten. Andererseits führte auch unerwartet geringes Sendungsvolumen zu unnötigen Kosten, da die anwesenden Mitarbeiter nicht ausgelastet waren.

Pilotprojekt im Wareneingang


Das Innovationsteam der LTLS um Dr. Harald Kolbe - einem ehemaligen Promovenden von Professor Pibernik - hat sich daher an Kolbes frühere Forschungsgruppe gewandt. So sind nun fünf Mitarbeiter, auch Promovierende, des Forschungsschwerpunkts ,,Data-driven Operations Management" des Lehrstuhls aus Würzburg als externe Experten zur Entwicklung von Vorhersage-und Entscheidungsmodellen mit ins Projektteam geholt worden.

Die Uni-Berater waren im Projektzeitraum von 150 Tagen etwa 30 Stunden pro Woche mit unterschiedlichen Aufgaben befasst: von der Datenanalyse in der Anfangsphase bis zur theoretischen Modellentwicklung und praktischen Implementierung in der Hauptphase. Dazu kam die Ergebnisauswertung gegen Ende des Projekts. Am Lehrstuhl wurden im Rahmen von Seminar-und Abschlussarbeiten auch Studenten ins Projekt einbezogen. ,,Eine super Möglichkeit, Erfahrungen in einem richtigen Projekt zu machen und zu sehen, dass gelernte Methoden auch echt benutzt werden können", sagt Peter Wolf, Masterstudent und Mitarbeiter am Lehrstuhl.

Ergebnisse erlauben verbesserte Planung


Das konkrete Ziel des Projektes von LTLS und Forschern aus dem Team von Pibernik war die Verbesserung der Personalplanung im zentralen Wareneingang in Hamburg mit Hilfe der Daten zu den Materialbewegungen. Hierbei wurden Machine-Learning-Verfahren eingesetzt, um aus den gegebenen Daten Prognosen oder direkte Entscheidungsvorschläge zu ermitteln. ,,Machine Learning gibt uns die Möglichkeit, verschiedene potentiell einflussreiche Faktoren miteinzubeziehen, und die Zusammenhänge mit den Materialflüssen aus den vorhandenen Datenmengen zu lernen", erklärt Pibernik.

Durch die Nutzung von Bewegungsdaten der Komponenten im Netzwerk konnte die Unsicherheit über das zu erwartende Sendungsvolumen deutlich reduziert werden. Aufbauend auf den erzielten deutlichen Verbesserungen der Prognosegenauigkeit können nun durch entsprechende dynamische Kapazitätsanpassung die Kosten durch Überlastung (durch Überstunden, Verzögerungen) und Unterauslastung (ungenutzte Kapazität) reduziert werden.

Die Innovationsabteilung der LTLS und das Team des Lehrstuhls bleiben auch nach dem erfolgreichen Abschluss dieses ersten gemeinsamen Projekts in engem Kontakt, um weitere Kollaborationsmöglichkeiten zum Einsatz innovativer datenbasierter Ansätze zu eruieren, die sich durch die fortschreitende Digitalisierung bei der LTLS ergeben.