(Bachelor/Master/Praktikum) KI-gestützte Prognose wirtschaftlicher Kennzahlen und Absatzentwicklungen auf Basis von Projekt- und Fahrzeugdaten

Motivation

Für Unternehmen im produzierenden Gewerbe, wo auch die F.S. Fehrer Automotive GmbH einzuordnen ist, gilt die Planung der optimalen Auslastung von Anlagen als einer der essentiellen Faktoren für die Wettbewerbsfähigkeit des Unternehmens. Sowohl eine zu optimistische als auch zu pessimistische Auslastungsplanung wirken sich negativ aus. Hinzu kommt, dass die Automobilbranche derzeit sehr starken und vielen Schwankungen unterliegt, welche auch Auswirkungen haben auf die abgerufenen Mengen durch die von Fehrer belieferten Hersteller. Diese Schwankungen gilt es ebenfalls bei der Planung zu berücksichtigen und stellt eine Herausforderung dar.

Ziele

Ziel dieser Arbeit ist die Entwicklung eines KI-basierten Prognosemodells, das wirtschaftliche Kennzahlen und Absatzentwicklungen für laufende Projekte je Fahrzeug ableitet. Basierend auf historischen Buchungsdaten („Booked Business“), sowie wirtschaftlichen Kennzahlen, welche öffentlich zugänglich sind, sollen Modelle trainiert werden, die unter anderem das zukünftige Wachstum prognostizieren können. Dabei sollen maschinelle Lernverfahren (z. B. Regressions- oder Zeitreihenmodelle) eingesetzt und deren Prognosegüte bewertet werden.

Industriekooperation

Wir bieten diese Arbeit in Kooperation mit der F.S. Fehrer Automotive GmbH an. Die Betreuung findet gemeinschaftlich von einem Mitarbeiter dort und an unserem Lehrstuhl statt. Die finale Bewertung erfolgt duch Prof. Kounev mit Feedback des Partners.

Wir bieten

• Arbeit an der Schnittstelle zwischen Forschung und Lehre
• Einbringung eigener Zielvorstellungen und Lösungsideen
• Gute und intensive Betreuung von beiden Seiten

Dauer
   3 - 6 Monate

Kontakt

Michael Stenger, M.Sc.
michael.stenger@uni-wuerzburg.de

Michael Rager, Leitung Industrial Engineering
Michael.Rager@fehrer.com