Ausgangssituation

Produzierende Unternehmen sehen sich zunehmend externen Schocks ausgesetzt, etwa durch geopolitische Ereignisse, Naturereignisse, Marktveränderungen oder externe IT-Störungen. Diese beeinflussen Lieferketten und Produktionsprozesse oft unmittelbar, sind jedoch in vielen Fällen bereits frühzeitig in Daten erkennbar. Ein systematisches, interorganisationales Frühwarnkonzept ist in der Praxis jedoch selten vorhanden.

Aufgabenstellung

Ziel der Arbeit ist die Entwicklung eines Risikofrühwarn-Frameworks, das Unternehmen bei der Erkennung und Bewertung externer Schocks unterstützt. Ergänzend soll ein Python-basierter Prototyp entstehen, der anhand von Dummy- oder Open-Data zentrale Frühindikatoren visualisiert und eine interaktive Entscheidungsunterstützung ermöglicht.

Die Arbeit gliedert sich grob wie folgt:

  1. Analyse bestehender Ansätze zu externen Schocks, Supply-Chain-Risiken und relevanten Datenquellen.
  2. Kategorisierung externer Schockarten und Identifikation typischer Frühindikatoren.
  3. Entwicklung eines interorganisationalen Risikofrühwarn-Frameworks mit klaren Rollen, Prozessen und Datenflüssen.
  4. Entwicklung eines Python-Dashboards (Decision-Support) zur Visualisierung und Szenarienanalyse.
  5. Demonstration und Evaluation anhand ausgewählter Beispielschocks.

Vorkenntnisse/Voraussetzungen:

  • Interesse an Risiko-, Lieferketten- oder Produktionsmanagement
  • Fähigkeit zu wissenschaftlicher Analyse und Modellbildung
  • Grundkenntnisse in Python (Datenanalyse / Visualisierung)
  • Strukturierte und selbstständige Arbeitsweise

Tools / Frameworks:

Python, Jupyter Notebook oder VS Code; optional Process-Mining- oder ML-Bibliotheken.
Methodischer Rahmen: Design Science Research

Type of Thesis:

Masterarbeit (ca. 6 Monate)
Framework-Entwicklung mit prototypischer Umsetzung.

Studiengänge:

Wirtschaftsingenieurwesen, Maschinenbau, Wirtschaftsinformatik, Informatik, Data Science, Artificial Intelligence, Mechatronik.

Bewerbung:

Die Arbeit kann ab sofort bearbeitet werden. Bewerbungen bitte per Mail mit Lebenslauf und aktuellem Notenauszug an untenstehenden Kontakt, Adrian Müller mit Baris Albayrak in CC, richten.

Kategorien:

Forschungsbereich:

Automatisierungstechnik

Art der Arbeit:

Masterarbeit

Studiengang:

Energietechnik, Informatik, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Kontakt:

Adrian Müller, M. Eng.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)


Baris Albayrak, M.Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)