Die Weiterbildung vermittelt grundlegende und praxisnahe Kenntnisse zum Einsatz von Machine Learning in industriellen und logistischen Prozessumgebungen. Im Fokus stehen datenbasierte Analyseverfahren, Prognosemodelle sowie die Optimierung von Produktions- und Materialflüssen. Ziel ist es, Potenziale zur Effizienzsteigerung systematisch zu erkennen und ML-gestützte Verfahren strukturiert in bestehende Abläufe zu integrieren.

Modul 1: Grundlagen von Machine Learning im industriellen Kontext
Modul 2: Datenanalyse und Prognosemodelle
Modul 3: Prozessoptimierung in Industrie und Logistik
Modul 4: Implementierung und Monitoring

Modul 1: Grundlagen von Machine Learning im industriellen Kontext

Methodische und technische Basis
  • Abgrenzung von Machine Learning zu regelbasierter Automatisierung
  • Überblick über überwachte und unüberwachte Lernverfahren
  • Datenanforderungen und Datenqualität
  • Typische Anwendungsfelder in Industrie und Logistik

Modul 2: Datenanalyse und Prognosemodelle

Auswertung und Vorhersage betrieblicher Kennzahlen
  • Aufbereitung und Strukturierung von Prozessdaten
  • Entwicklung von Prognosemodellen für Bedarf und Auslastung
  • Erkennung von Mustern und Abweichungen
  • Bewertung der Modellgüte und Ergebnisinterpretation

Modul 3: Prozessoptimierung in Industrie und Logistik

Effizienzsteigerung entlang der Wertschöpfung
  • Optimierung von Produktionsabläufen
  • Vorhersage von Wartungsbedarfen
  • Verbesserung von Lager- und Transportprozessen
  • Reduzierung von Durchlaufzeiten und Ausschussquoten

Modul 4: Implementierung und Monitoring

Integration in bestehende Systeme
  • Wirtschaftlichkeitsbewertung von ML-Anwendungen
  • Schnittstellen zu ERP- und Steuerungssystemen
  • Monitoring und kontinuierliche Modellanpassung
  • Berücksichtigung von Datenschutz und Compliance

Absolventinnen und Absolventen können Machine-Learning-Verfahren im industriellen und logistischen Umfeld fachlich einordnen und anwendungsbezogen einsetzen. Sie analysieren Prozessdaten, entwickeln geeignete Modellansätze und begleiten die Integration datenbasierter Optimierungslösungen in bestehende Organisationsstrukturen.