Lehrstuhl für Wirtschaftsinformatik 2

Forschungsinteressen

Der Lehrstuhl für Wirtschaftsinformatik 2 (WI2) erforscht Koordinationsprobleme in bereichs- sowie unternehmensübergreifenden Prozessketten und -netzwerken. Die dabei auftretenden Forschungsfragen werden mit Information-Systems-Engineering-Ansätzen unter Nutzung von Verfahren und Modellen der (Verteilten) Künstlichen Intelligenz, Theorien der Mikroökonomik sowie Methoden der Wirtschaftsinformatik untersucht. Für die Entwicklung neuartiger Modelle, Methoden und Werkzeuge in Forschungsprojekte werden Simulationsstudien, Laborstudien und Feldstudien durchgeführt.

Ziele in KINERA

In KINERA erarbeitet WI2 innovative Lösungsverfahren für kritische, prozessbezogene Ereignisse im Bestandsetablierungsprozess von Weizen und erforscht hier das Potential Verteilter KI für effiziente und resiliente agrartechnische Prozesse. Zum einen sollen dazu mögliche kritische Ereignisse antizipiert werden können. Zum anderen sollen die Prozessketten zu Adaptivität bei ungeplanten Störereignissen befähigt werden. Dazu sollen KI-basierte Prognoseverfahren mit symbolisch repräsentiertem prozessbezogenem Wissen verbunden werden. Die hierbei entwickelten Lösungen und gewonnene Erkenntnisse sollen auch auf andere landwirtschaftliche Prozesse und Lieferketten übertragen werden.

Arbeitsprogramm in KINERA

Neben der verfahrenstechnischen Prozessanalyse, formalen Problemmodellierung und der Spezifikationen arbeitet WI2 an der Integration von KI-Technologie für die KINERA-Anwendungsfälle: Bestandsetablierung von Weizen mit (a) herkömmlicher Bestelltechnik (Schlepper-Anbaugeräte-Kombination) sowie mit (b) autonomer Bestelltechnik (mehrere, kleinere Feldroboter). Hierzu wird der Bestandsetablierungsprozess zu einer Anwendung des Internet of Things transformiert. Auf dieser technologischen Basis analysiert und entwirft WI2 Verfahren, um betriebsrelevante Ereignisse zu erkennen und integriert KI-basierte Algorithmen in Cloud-Services, welche sowohl aktuelle als auch historische operative Infield-Daten sowie externe Daten nutzen. Für die Effizienzziele hoher Maschinenauslastung und Flächenleistung analysiert, entwirft, implementiert und erprobt WI2 Koordinationsverfahren der Verteilten KI, die auch bei Störereignissen eine resiliente Maschinenlogistik gewährleisten sollen.