Im Forschungsschwerpunkt "Intelligente Planung und Prozessauslegung" entwickeln wir lernende Verfahren zur Lösung komplexer Planungsprobleme sowie zur Bewertung und Parametrisierung industrieller Prozesse und Prozessketten. Ziel unserer Forschung sind adaptive, ressourceneffiziente und robuste Systeme, die in dynamischen industriellen Umgebungen bestehen können.  

Ein zentraler Fokus unserer Arbeit liegt auf dem Einsatz von Deep Reinforcement Learning zur Lösung sowohl abstrakter als auch praktischer Planungsprobleme. Unsere Ansätze ermöglichen die Entwicklung von Assistenzsystemen zur effizienten Planung und Steuerung von Produktions- und Logistikprozessen unter Berücksichtigung realer Faktoren wie Termintreue und Transportkosten. Hohe Prozesskomplexität, dynamische Veränderungen im Prozessumfeld und die gleichzeitige Optimierung mehrerer Zielkriterien sind Herausforderungen, denen wir uns in unserer Forschung stellen.

Neben der Planung konzentrieren wir uns auf datengetriebene Deep-Learning-Ansätze, um industrielle Prozesse - von der Produktion bis hin zu Lieferketten - optimal und ressourcenschonend zu gestalten. Dabei erforschen wir automatisierte Systeme, die sich kontinuierlich an veränderte Bedingungen anpassen. Darüber hinaus entwickeln wir Algorithmen, um Prozesse im Hinblick auf Nachhaltigkeitsanforderungen zu optimieren, sodass sie nicht nur effizienter und kostenoptimiert, sondern auch nachhaltig und umweltfreundlich werden.