Digital Decision Making

Über INFORM

Digital Decision Making ergänzt die Unternehmens-IT um Künstliche Intelligenz (KI) und verschafft Unternehmen damit einen einzigartigen Wettbewerbsvorteil.

Zu den Erfolgsfaktoren zählen:

Hybrid AI – INFORM-Technologie integriert Operations Research und Künstliche Intelligenz, einschließlich Fuzzy Logic und Maschinelles Lernen. Die Verbindung von Computeralgorithmen und menschlicher Expertise führt zu Ergebnissen, die traditionellem Management und rein datengetriebenen Algorithmen weit überlegen sind.

Agile Optimierung – Digital Decision Making ermöglicht eine neue Managementstrategie, die auf intelligenter, schneller und interaktiver Entscheidungsfindung basiert. Agile Optimierung ist insbesondere dort sinnvoll, wo komplexe Vorgänge mit vielen Ad-hoc-Änderungen, Volatilität, Störungen, Unvorhersehbarkeit und Zeitdruck konfrontiert sind.

Branchen-Expertise – Unsere mehr als 750 Softwareingenieure, Datenanalysten und Berater betreuen heute schlüsselfertige Lösungen für mehr als 1.000 Kunden weltweit in Industrie, Handel, Flughäfen, Häfen, Logistik, Banken und Versicherungen. Optimiert werden Absatzplanung, Produktionsplanung, Personaleinsatz, Logistik und Transport, Lagerbestände, Supply Chain Management sowie die Betrugsabwehr bei Versicherungen und im Zahlungsverkehr.

INFORM-Campus, Unternehmenszentrale in Aachen

 

Organisches Wachstum

Daten und Fakten

  • Software für intelligente Optimierung
  • Heute mehr als 750 Mitarbeiter aus über 30 Nationen
  • unterstützen wichtige Geschäftsprozesse, rund um die Uhr,
  • für mehr als 1.000 Kunden weltweit.
  • Gegründet 1969
  • Im Mittel 20% p.a. Wachstum über die letzten 30 Jahre
  • Umsatz 2017: 80 Mio. EUR
  • Seit 1985 stets mit positiven Jahresergebnissen
  • Gewinn systematisch re-investiert in Forschung & Weiterentwicklung
  • Intern kapitalisiert – unabhängig von fremden Investoren
  • Primäres Unternehmensziel: Nachhaltigkeit

Internationale Referenzen

Heute stehen intelligente Optimierungssysteme von INFORM in mehr als 40 Ländern der Erde im Einsatz. Sie werden rund um die Uhr betreut von einem Mitarbeiterstamm mit mehr als 30 verschiedenen Nationalitäten, in Aachen und bei Inform Software Corporation in Atlanta, GA, USA und Sydney, Australien.

Künstliche Intelligenz

Künstliche Intelligenz

Software-Lösungen von INFORM bauen auf unserer umfangreichen Erfahrung in vielen Gebieten der Künstlichen Intelligenz (KI) auf – von optimierter Planung über Wissensrepräsentation und -deduktion bis zum Maschinellen Lernen. Mit Hilfe dieser Techniken sind unsere Software-Systeme in der Lage, grundlegende Aufgaben auf eine Weise zu lösen, die üblicherweise menschlicher Intelligenz zugeschrieben wird.  Dabei nutzen sie einen hybriden Ansatz:

  • Expertenwissen über Geschäftsprozesse und -muster sowie Ziele und Restriktionen bildet die Grundlage digitaler Entscheidungsmodelle zur optimierten Planung – in Logistik und Produktion, im Supply-Chain- und Workforce-Management sowie im Risiko-Management.

    Diese Modelle werden durch KI-Verfahren wie Constraint Programming und Methoden der mathematischen Optimierung gelöst: Eine systematische Suche in unvorstellbar großen Entscheidungsräumen wird dabei mit intelligenten Techniken zur Suchreduktion kombiniert, so dass sehr schnell Entscheidungsmöglichkeiten gefunden werden.

  • Maschinelles Lernen ergänzt die auf Expertenwissen beruhenden Modelle.  Dazu erkennen Techniken aus den Gebieten Data Science, Data Mining und Predictive Analytics entsprechende Muster und Korrelationen in großen Datensätzen. Vorhersagemodelle nutzen diese Erkenntnisse, um Ereignisse zu klassifizieren und Prognosen über Mengen, Zeitpunkte und Dauern zu erstellen, die dann Eingang in die Entscheidungsmodelle finden.

Operations Research

Operations Research

Operations Research (OR) nutzt hochentwickelte analytische Methoden und Algorithmen, um bessere Entscheidungen zu treffen.

Mit Hilfe von Techniken wie der mathematischen Modellierung und Optimierung kann OR den gesamten Entscheidungsspielraum einer Aufgabenstellung mit allen Zielen und Rahmenbedingungen beschreiben und in kürzester Zeit den Weg zur besten Entscheidung weisen.  Dazu durchsuchen OR-Algorithmen eine riesige Menge an Optionen und nutzen mathematische Einsichten in die Aufgabenstruktur, um schnell und effektiv zu den besten Lösungen zu gelangen. Das funktioniert auch dann, wenn die Entscheidungssituationen unübersichtlich werden und die Möglichkeiten menschlicher Intuition übersteigen.

In Kombination mit Maschinellen Lernverfahren, die datenbasierte Prognosen treffen, nutzt OR Daten auf die wertvollste Art und Weise: für optimierte Entscheidungen.

 

Fuzzy Logic

Fuzzy Logic

"Traditionelle Logik setzt voraus, dass alle Aussagen präzise sind.  Sie ist deshalb für dieses Leben nicht geeignet, sondern nur für einen imaginären, überirdischen Idealzustand." [Bertrand Russell]

Basierend auf der Forschung unseres Firmengründers H.J. Zimmermann - Empfänger des angesehenen IEEE Fuzzy Systems Pioneer Award - nutzen wir Fuzzy Logic, um auch aus ungenauen oder unsicheren Informationen die richtigen Entscheidungen abzuleiten.

In der traditionellen bivalenten Logik ist jede Aussage entweder wahr oder falsch, ohne eine Abstufung zwischen diesen Werten.  Im Gegensatz dazu erlaubt die Fuzzy Logic eben solche Zwischenwerte.  So eignet sie sich, um unscharfe, linguistische Informationen abzubilden, und ist nicht auf messbare, numerische Informationen beschränkt.  Entscheidungen werden ähnlich zum menschlichen Vorgehen gefällt.  Jeder von uns trifft regelmäßig unscharfe Entscheidungen, etwa beim Parken eines Autos. Statt eine Parklücke auszumessen, schätzen wir ihre ungefähre Größe und entscheiden, ob das Auto hineinpasst.

Fuzzy Logic ist ein wissenschaftlicher Ansatz, mit dessen Hilfe unsere menschliche Fähigkeit, auch aus unscharfer Information die richtigen Schlussfolgerungen zu ziehen, in Software umgesetzt werden kann.

Maschinelles Lernen

Maschinelles Lernen

Daten sind ein entscheidender Rohstoff für die digitale Ökonomie des 21ten Jahrhunderts.  Wie andere Rohstoffe auch müssen sie aufbereitet und verfeinert werden, um die Algorithmen zu befeuern, mit denen zusammen sie ihren vollen Nutzen entfalten können.

Beim Maschinellen Lernen geht es genau um diese Verfeinerung.  Es nutzt Konzepte und Techniken aus Mathematik, Statistik und Informatik, um Strukturen und Muster in Daten zu untersuchen und Beziehungen und Verbindungen zu entdecken, mit deren Hilfe verlässliche Prognosen möglich werden.

Maschinelles Lernen ist ein vielstufiger Prozess. Er reicht von der Datenaufbereitung (Harmonisierung, Transformation und Anreicherung), der Auswahl der Erklärungsvariablen über das Training und die Evaluation der Modelle bis zur Ausführung und zum Monitoring der Prognosemodelle in anspruchsvollen Echtzeitumgebungen.

Neben der Qualität der Vorhersage steht dabei immer auch die Nachvollziehbarkeit und Interpretierbarkeit der Modelle im Fokus.

 

Agile Optimierung

Agile Optimierung

Die Agile Optimierung ist eine Managementstrategie für den Umgang mit Komplexität und Unsicherheit in der vernetzten und schnelllebigen modernen Geschäftswelt.  Durch das Prinzip der schnellen Reaktion auf Änderungen und Störungen in komplexen, volatilen Umgebungen werden Effizienz und Robustheit eines Unternehmens erhöht.

Je nach Grad der Komplexität und Unsicherheit erfordern Geschäftsprozesse unterschiedliche Managementstrategien. Bei gut standardisierbaren Abläufen empfiehlt sich etwa Lean Management, schlank und verschwendungsfrei. Je komplexer die Abläufe, desto wichtiger ist eine gute Planung. Gibt es gelegentliche ad-hoc Änderungen, dann genügt bei einfachen Abläufen vielleicht Improvisation. Aber es gibt auch Betriebsumgebungen, in denen komplexe Abläufe mit volatilen Einflussfaktoren, vielen Änderungen und Störungen sowie großem Zeitdruck zusammenfallen.  Hier greift das Konzept der Agilen Optimierung: Spezielle Algorithmen liefern in der jeweiligen Entscheidungssituation konkrete Handlungsvorschläge, und zwar

  • INTELLIGENT, um der Komplexität der Problemstellung gerecht zu werden,

  • SCHNELL, um dem Zeitdruck gerecht zu werden,

  • INTERAKTIV, um der Entscheidungshoheit des Managements gerecht zu werden.

Geschäftsleitung

Adrian Weiler Geschäftsführer
Matthias Berlit Bereichsleiter Industrielogistik / Healthcare Management
Thomas Bergmans Bereichsleiter Logistik
Priv.-Doz. Dr.-Ing. Eva Savelsberg Bereichsleiterin Logistik
Thomas Schmidt Bereichsleiter Aviation
Uschi Schulte Sasse Bereichsleiterin Aviation
Dr. Andreas Meyer Bereichsleiter Risk & Fraud
Andreas Gladis Bereichsleiter Produktion
Peter Frerichs Bereichsleiter Inventory & Supply Chain
Dr. Jörg Herbers Bereichsleiter Workforce Management

Nach oben