Operations Research ist das Salz in der “Industrie 4.0“-Suppe – ein Interview mit Prof. Dr. Marco Lübbecke

von Julia Severins

Professor Lübbecke, Sie leiten den Lehrstuhl „Operations Research“ an der RWTH Aachen. Können Sie Ihren Fachbereich mit einfachen Worten erklären?

Operations Research ist die auf mathematischen Modellen und Methoden basierende Unterstützung von Entscheidungen und Planungen.

Was sagen Sie Ihren Studierenden, um sie für dieses abstrakte Thema zu begeistern?

Viele Studierende sehen den Reiz vor allem darin, dass es zahllose praktische Anwendungen für das theoretisch Gelernte gibt. Denn Entscheidungen müssen ja fast überall getroffen werden.  Andere fasziniert vor allem, dass man Entscheidungsspielräume überhaupt mathematisch modellieren kann. Das macht das Gebiet wissenschaftlich anspruchsvoll. Im Operations Research spielen mehrere Disziplinen zusammen: Mathematik, Informatik, Wirtschaftswissenschaft und oft weitere. Da dieses Gebiet immer auch mit Menschen zu tun hat, sind auch ethische Fragen wichtig. Kommunikationsfähigkeiten und Ausdauer sind gefragt. All das zusammen macht das Operations Research so abwechslungsreich und faszinierend wie kaum ein anderes Gebiet.

Wer sich also einmal in einer beruflichen Position wiederfinden möchte, in der wichtige Entscheidungen getroffen werden müssen – und dies könnte die Belohnung eines erfolgreichen Studiums sein – der sollte das Potenzial des Operations Research verstanden haben und nutzen.

Wo findet das Operations Research praktische Anwendung in der Industrie? 

Gegenfrage: Wo denn nicht? Im Ernst, allein mein Lehrstuhl beschäftigt sich mit Optimierungsaufgaben in Produktion, Logistik, öffentlichem Verkehr, autonomem Fahren, Gesundheitswesen, Energie, Bildung und Politik. Sogar Sport hatten wir schon dabei. Wir erstellen zum Beispiel optimierte, studierbare Stundenpläne für die Studierenden, ausgeglichene Wahlkreise für die Politik, robuste Patiententermine für Krankenhäuser, effiziente Produktionsreihenfolgen für Industrieunternehmen, schnelle Auslieferungsrouten für Spediteure usw. – all dies sind alltägliche und damit greifbare Situationen, in denen Operations Research zum Tragen kommt. Kolleginnen und Kollegen befassen sich darüber hinaus auch mit Telekommunikation, dem Finanzsektor, humanitären Projekten, Umweltschutz und vielem mehr. Diese extrem breite Anwendbarkeit des Operations Research, praktisch durch alle Branchen und Lebensbereiche hindurch, heißt allerdings nicht, dass alle Unternehmen oder öffentliche Verwaltungen diese Möglichkeiten bereits ausschöpfen oder überhaupt nutzen würden. Ganz im Gegenteil: Viele Entscheiderinnen und Entscheider wissen überhaupt nicht, dass Mathematik und Informatik bei ihren Entscheidungen helfen können.

Was steckt für Sie persönlich hinter dem Begriff „Industrie 4.0“?

Die „vierte industrielle Revolution“ steht ja dafür, dass die dingliche Welt mit der virtuellen verschmilzt. Dass wir die jetzt überall verfügbaren Daten für neue Geschäftsmodelle und bessere Ergebnisse einsetzen können. Mir kommt es manchmal so vor, als heben wir jetzt das Potenzial, das wir in „Industrie 3.0“ schon hatten. Nehmen Sie Fluggesellschaften einmal als Beispiel. Diese verfügen schon seit Jahrzehnten über Prozessdaten in hoher Qualität und nutzen diese auch algorithmisch. Zum Beispiel um dynamisch Preise festzulegen, Flugpläne zu erstellen oder Wartungsarbeiten einzuplanen. Bei den Ticketpreisen fragt man im Rahmen des Operations Research beispielsweise nach dem richtigen Preis für die richtige Zielgruppe zur richtigen Zeit in der richtigen Menge. Solche Fragen stellen sich in der Industrie 4.0 auch. Eine wichtige Nebenwirkung der derzeit regen Diskussionen um Industrie 4.0 und Digitalisierung ist, dass Mathematik und Algorithmen langsam im Bewusstsein von Unternehmen ankommen, denn die beiden Bereiche gehören unmittelbar zusammen. Das Operations Research, so könnte man sagen, ist das Salz in der „Industrie 4.0“-Suppe, es macht sie erst richtig gut. Und auch obwohl sich Unternehmen bei der Digitalisierung und der Einführung von Industrie 4.0 ohne die Unterstützung intelligenter Algorithmen zwar „durchwurschteln“ können und auch damit sicher Fortschritte erzielen können, so ist es doch viel effizienter, Neuerungen gleich systematisch, methodisch und zielorientiert anzugehen. Das Operations Research hat genau die passenden Werkzeuge dazu.

Auf Ihrem persönlichen Blog „Café Opt“ sprechen Sie von „Industrie 5.0“. Dabei ist die Industrie 4.0 – so heißt es – noch gar nicht in den deutschen Unternehmen angekommen. Wieso sind Sie hier schon einen Schritt weiter?

Das bin ich nicht, die „5.0“ ist überspitzt eine Anregung für den Blick über das aktuelle Verständnis der Industrie 4.0 hinaus. Denn tatsächlich gingen mir die vorgestellten Ideen nicht weit genug, waren mir zu Mathematik-fern. Neue Sensorik, Datensammeln, Vernetzung von Maschinen im „Internet der Dinge“ sind wichtige technische Voraussetzungen, natürlich. Aber erst Algorithmen können das Potenzial auch vollends ausschöpfen. Mir ist es sehr wichtig, dass die Algorithmik kein Nachgedanke ist oder ein Anhängsel. Sie ist ein Conditio sine qua non, ohne sie geht es nicht. Für viele Geschäftsmodelle sind Algorithmen zentral, manche sprechen vom „Beginn der Algorithmenökonomie“. Die Bezeichnung „Industrie 5.0“ ist insofern in erster Linie der Hinweis, Technologie nicht nur als Technik zu verstehen. Mathematik und Informatik sind klare Schlüsseltechnologien und wir sollten sie auch so behandeln.

In diesem Zusammenhang sind Data Science und maschinelles Lernen sehr gefragte Begriffe. Was ist der Zusammenhang zum Operations Research?

Beides ergänzt sich sehr gut. Das eine schaut bestmöglich nach hinten, das andere bestmöglich nach vorn. Machine Learning gibt uns Methoden an die Hand, um aus den in Unternehmen gesammelten Daten (aus Sensoren, von Webseiten und Apps, usw.) Erkenntnisse zu gewinnen, Trends, Muster, Anomalien zu erkennen. Man erhält so eine ideale Grundlage z.B. für Prognosen über Absatzmengen oder Passagieraufkommen. Das ist, zumindest sehe ich das so, der Blick nach hinten, denn wir bauen immer auf historischen oder aktuellen Daten auf. Das Operations Research kann dann die Frage beantworten, welche bestmöglichen Handlungen aus den Prognosen abzuleiten sind. Das ist der Blick nach vorn, denn es ergeben sich immer konkrete Handlungsvorschläge.

Für ein gutes Zusammenspiel ist das „Predictive Maintenance“ ein gutes Beispiel. Neuere und auch ältere Maschinen werden mit Sensoren ausgestattet, die in Echtzeit Daten zu Temperaturen, Bewegungen, optischen und elektrischen Eigenschaften der Maschinen usw. sammeln. Mit Hilfe von Machine Learning Algorithmen lassen sich aus diesen Datenströmen Trends und Unregelmäßigkeiten bestimmen, die darauf hindeuten, dass in naher Zukunft ein Bauteil der Maschine ausfallen wird. Wenn Sie nur eine Maschine haben, oder wenige, dann sind Sie womöglich tatsächlich gut beraten, bei den ersten Anzeichen eines drohenden Maschinenausfalls Ersatzteile zu beschaffen oder eine Wartung zu beauftragen. Wie ist es allerdings, wenn Sie hunderte, tausende Maschinen haben, z.B. einen Park aus Windrädern vor der Küste? Sollten die Wartungsarbeiten dann nicht koordiniert werden? Möglicherweise auch Teile in größerer Zahl bestellt und getauscht werden, schon bevor sich Verschleißanzeichen zeigen? In solchen Situationen erhöht sich der Entscheidungsspielraum durch die zugrundeliegende Kombinatorik dramatisch. Und genau hier kommt die Stärke des Operations Research zum Tragen. Wer heute an Data Science und maschinelles Lernen denkt, sollte spätestens morgen an Operations Research denken.

Vielen Dank für das Interview.

Prof. Dr. Marco Lübbecke
Lehrstuhlinhaber
RWTH Aachen University
Lehrstuhl für Operations Research

Website mluebbecke.wordpress.com
Twitter
@mluebbecke



Diese Beiträge könnten Sie auch interessieren

Erfolgreiche Bestandsoptimierung im Handel

Lesen

„Schlaue“ Software und innovative Ideen für die Handelslogistik von morgen

Lesen

Über den Autor

  • Julia Severins

    Julia Severins arbeitet seit 2012 bei der INFORM und schreibt hauptsächlich zu den Themen Bestandsoptimierung, Absatzplanung und Stichprobeninventur. 

    Alle Beiträge dieses Autors

    Mehr über diesen Autor unter:

Unsere Autoren

Finden Sie alle unsere Autoren auf einen Blick!

Alle Autoren

Nach oben