Wirtschaftswissenschaften Blog

Die Fakultät freut sich, dass Dr. André Hottung mit dem Dissertationspreis der Gesellschaft für Operations Research (GOR) ausgezeichnet wurde. Mit seiner Arbeit, die sich auf den Einsatz von Methoden der Künstlichen Intelligenz (KI) zur Lösung von Optimierungsproblemen im Bereich des Operations Research konzentriert, überzeugte er die Jury und sicherte sich den mit 2.000 Euro dotierten Preis.

In seiner Dissertation untersucht Hottung, wie KI-Methoden, insbesondere maschinelles Lernen und Deep Learning, dazu genutzt werden können, Optimierungsprobleme in verschiedenen praktischen Anwendungsfeldern effizienter und kostengünstiger zu lösen. Beispiele hierfür sind die Tourenplanung in der Logistik oder die Erstellung von Dienstplänen in Krankenhäusern – beides Bereiche, in denen Entscheidungen oft komplex und ressourcenintensiv sind.

Traditionelle Optimierungsmethoden existieren zwar, sind aber häufig sehr kostspielig in der Anwendung. Insbesondere für kleine und mittelständische Unternehmen ist es schwierig, auf diese Methoden zuzugreifen, da sie häufig maßgeschneidert und auf spezifische Probleme angepasst werden müssen. Ziel der Dissertation von André Hottung ist es daher, generische Optimierungsverfahren zu entwickeln, die durch maschinelles Lernen automatisch an verschiedene Anwendungsfälle angepasst werden können. Dies würde nicht nur die Kosten senken, sondern könnte den Zugang zu modernen Entscheidungswerkzeugen für eine breitere Anwenderbasis ermöglichen.  

Automatisierte Entscheidungswerkzeuge durch KI

Ein zentraler Aspekt der Arbeit ist die Automatisierung der Entwicklung von problemspezifischen Komponenten in Entscheidungswerkzeugen. Hottung schlägt vor, tiefe neuronale Netze einzusetzen, um den bisher notwendigen manuellen Aufwand zu reduzieren. Besagte Netze sind von der Struktur des menschlichen Gehirns inspiriert und bestehen aus miteinander verbundenen Knoten (Neuronen), die in mehreren Schichten organisiert sind. Diese Netze werden automatisiert trainiert, um während der Lösungsfindung Entscheidungen zu treffen. Durch diese selbstlernenden Strategien, die auf den jeweiligen Problemtyp angepasst sind, könnten in Zukunft auch komplexe Optimierungsprobleme effizient angegangen werden.

Hottungs Dissertation umfasst vier innovative Ansätze, die allesamt auf Deep-Learning-Techniken basieren. In einem Ansatz optimiert er die Containerlogistik, indem er Entscheidungen mit einer intelligenten Suchstrategie kombiniert. Ein weiterer Ansatz verbessert die Planung von Routen, indem lernbasierte Techniken eingesetzt werden. Zudem vereinfacht er die Suche nach diskreten Lösungen für Planungsprobleme, indem er diese in einem kontinuierlichen Raum abbildet.

KI als vielversprechende Möglichkeit zur Entwicklung von Entscheidungswerkzeugen

Die in der Dissertation entwickelten Methoden wurden in verschiedenen Optimierungsproblemen getestet. Die Ergebnisse zeigen, dass KI-basierte Ansätze das Potential haben in Zukunft die Entwicklung von Entscheidungswerkzeugen zu automatisieren. Dadurch könnte es für Unternehmen einfacher werden, solche Werkzeuge zu nutzen, was ihren Einsatz in der Praxis erleichtern würde. Besonders hervorzuheben ist, dass diese Ansätze auch bei längeren Optimierungsprozessen effektiver arbeiten und so zu guten Lösungen führen.

Mit der Auszeichnung seiner Dissertation hat André Hottung einen wichtigen Beitrag zur Weiterentwicklung von Methoden im Bereich Operations Research und zur Anwendung von Künstlicher Intelligenz in der Optimierung geleistet. Die Fakultät für Wirtschaftswissenschaften freut sich, einen so talentierten und engagierten Wissenschaftler an unserer Fakultät zu haben. Wir gratulieren zu dieser herausragenden Leistung!