Optimierung trifft
moderne AI
Mathematische Optimierung ist ein mächtiges Instrument, um Planungsprozesse in Unternehmen signifikant und nachhaltig zu verbessern. So sind in bestehenden Systemen nicht nur deutliche Effizienzsteigerungen im zweistelligen Bereich möglich, ohne in anderen Bereichen wie Servicelevel oder Nachhaltigkeit Abstriche in Kauf nehmen zu müssen. Der Nachteil eines solchen Systems: Mit zunehmender Komplexität wird es schwerer zu bedienen und Optimierungsergebnisse sind für den Menschen oft nur schwer nachvollziehbar.
Um OPTANO auch für Nicht-Mathematiker und OR-Experten nutzbar zu machen, arbeitet ein Team rund um unsere Projektleiterin Dr. Clara Marie Lüders an der Integration von AI in unser mächtiges Planungstool. Heute lässt sie uns ein wenig hinter die Kulissen blicken.
AI steckt noch ziemlich in den Kinderschuhen und hat doch bereits jetzt die Arbeitswelt stark verändert. Jetzt gucken Mathematiker naturgemäß etwas sachlicher auf diesen Hype. Was hat Euch dazu bewogen OPTANO um AI–Komponenten zu erweitern.
AI beziehungsweise LLMs bieten das Potenzial für ein neuartiges User-Interface, bei dem Nutzer*innen nicht mehr überlegen müssen, wie sie etwas in einem Programm umsetzen, sondern lediglich beschreiben, was sie erreichen möchten. Die AI kann diese Beschreibung dann in konkrete Aktionen des Programms übersetzen.
Gerade für Programme mit vielen Funktionen und komplexeren Interfaces eröffnet sich dadurch eine große Chance.
Optimierungs- und Modellierungsprogramme sind von Natur aus eher komplex, da jedes Optimierungsproblem, bei dem die Realität modelliert werden muss, ebenfalls komplex ist. Hier bieten sich LLMs besonders an.
Unser Ziel war es, die Usability unserer Software zu steigern und den Nutzer*innen die Arbeit dadurch angenehmer zu machen.
Wie setzt OPTANO AI-Unterstützung zurzeit ein?
OPTANO setzt AI-Unterstützung derzeit sowohl im Input als auch im Output ein.
Jedes OPTANO-Produkt bzw. -Projekt basiert auf einem zugrunde liegenden Datenmodell, das die komplexe Realität abbildet und deshalb aus vielen Tabellen und Entitäten bestehen kann. Für die Nutzer*innen ist es nicht trivial zu wissen, wie sie bestimmte Inhalte korrekt in dieses Datenmodell übersetzen. Oft müssen Spalten oder Eigenschaften ausgefüllt werden, bei denen Unsicherheit besteht, welche Angaben dort richtig sind. Genau hier unterstützt die AI: Sie nimmt auf, was die Nutzer*innen ausdrücken möchten, übersetzt es und schlägt entsprechende Werte vor. Die Nutzer*innen können das Ergebnis anschließend kontrollieren, gegebenenfalls anpassen und dann bestätigen.
Im Output-Bereich soll die AI helfen, dass die Nutzer*innen die sprichwörtliche Nadel im Heuhaufen ihrer Daten finden. Häufig erhält man ein vielschichtiges, informationsgeladenes Resultat, doch daraus die richtigen Schlüsse zu ziehen oder die beste Analysemethode zu wählen, ist anspruchsvoll. Die AI soll hier einen einfachen Einstieg für Nicht-Expert*innen bieten und gleichzeitig Expert*innen dabei unterstützen, schneller und effizienter zu arbeiten.
Worin liegen die Vorteile gegenüber klassischer Planung?
Die Vorteile gegenüber klassischer Planung liegen vor allem in Schnelligkeit und Effizienz. Mit AI-Unterstützung lassen sich Daten deutlich einfacher anpassen und mehrere Szenarien können wesentlich schneller erstellt und optimiert werden.
Ein weiterer Vorteil ist die Demokratisierung. Auch Personen ohne tiefgehendes Expertenwissen haben die Möglichkeit, die Daten und Ergebnisse gezielt abzufragen und für ihre Arbeit zu nutzen.
Weshalb ist es so wichtig Optimierungsergebnisse erklären zu können?
Es ist deshalb so wichtig, Optimierungsergebnisse erklären zu können, weil darauf zentrale Entscheidungen für Netzwerke und andere komplexe Strukturen basieren. Wenn nicht klar ist, warum ein Ergebnis optimal ist oder welche konkreten Handlungsempfehlungen sich daraus ableiten, können keine fundierten Entscheidungen getroffen werden.
Die AI-Unterstützung soll die Nutzer*innen genau dabei begleiten: Sie hilft, die Ergebnisse zu verstehen und die zugrunde liegenden Daten zu analysieren, damit Entscheidungen möglichst gut, schnell und nachvollziehbar getroffen werden können.
Was waren die größten Hürden auf dem Weg bis zum aktuellen Arbeitsstand?
Eine der größten Hürden war für uns, sicherzustellen, dass die Nachteile von AI – insbesondere ihre stochastische und nicht-deterministische Natur, die zu sogenannten Halluzinationen führen kann – einen möglichst geringen Effekt haben und gleichzeitig Datensicherheit und Sicherheit jederzeit gewährleistet bleiben.
Darüber hinaus erfordern Qualität und Sicherheit viel Zeit und Energie, um sie sinnvoll testen zu können. Ein weiterer Punkt ist, dass sich AI nicht wie klassische Software testen lässt, da sie nicht deterministisch funktioniert. Dadurch ist der Testaufwand höher und die Prozesse nehmen insgesamt mehr Zeit in Anspruch.
Auch die Integration in die bestehende Software war nicht unbedingt einfach. An dieser Stelle noch einmal ein herzliches Dankeschön an Bas Krusselbrink und Patrick Protte für ihre Unterstützung.
Weitere interessante Beiträge
Die Lieferketten in der Autombobilbranche sind unter Druck. Wie kann mathematische Optimierung helfen?
Durch eine effizientere Nutzung von Materialressourcen können Unternehmen ihre Kosten senken und wettbewerbsfähig bleiben. Dies kann durch intelligente Planung erreicht werden.
Hohe Lagerbestände binden Kapital – gleichzeitig soll die Produktion sichergestellt werden, auch bei Problemen in der Lieferkette. Wie sieht der optimale Lagerbestand aus?
Auf welches Feature bist Du persönlich besonders stolz?
Das ist schwer zu sagen. Wir hatten AI-Support bereits einmal im Rahmen eines Studentenprojekts mit der Universität Paderborn integriert, und schon damals gab es erste spannende Ergebnisse, die die Erstellung von Daten und die Erklärung von Features in OPTANO deutlich erleichtert haben.
Besonders begeistert mich, wie viel einfacher man seine Daten inzwischen anpassen kann und dass man sich weniger mit nebensächlichen und unwichtigen Details beschäftigen muss.
Was können wir in Zukunft von der OPTANO AI erwarten?
In Zukunft darf man von der OPTANO AI hoffentlich noch coolere und noch intuitivere Software erwarten.
Mir ist es persönlich ein großes Anliegen, menschenzentrierte Software zu entwickeln, die Spaß bei der Benutzung macht und die Nutzer*innen bestmöglich unterstützt, schnell an ihr Ziel zu kommen.
Wir möchten die Fähigkeiten des AI-Supports kontinuierlich weiter ausbauen, sodass auch größere Änderungen direkt über natürliche Sprache vorgenommen werden können. Ein weiteres Ziel ist es, bessere und schnellere Analysen zu ermöglichen. Dabei kann ich mir auch gut vorstellen, dass Nutzer*innen ihre Queries oder Prompts speichern können, die sich in der Praxis besonders bewährt haben.
Darüber hinaus wollen wir die Usability insgesamt weiter verbessern und den Kontext der Nutzer*innen stärker berücksichtigen. So kann die AI in Zukunft noch mehr “mitdenken” und die Arbeitsergebnisse noch besser unterstützen.
Wir danken Dr. Clara Marie Lüders für dieses Interview.
powered by Borlabs Cookie