VASTNET

Um Produktionsprozesse und Lieferketten effizient zu gestalten, setzen Planer heutzutage standardmäßig auf Wertstrommodellierung: Der Produktionsprozess wird - häufig mit digitalen Tools - als Graph mit Produktions-, Transport-, und Lagerschritten abgebildet. Durch die Simulation solcher Wertströme kann der Planer nun die Effizienz bewerten, Alternativen prüfen, Flaschenhälse identifizieren und Ressourcen planen.
In der Praxis können Wertströme mehrere hundert Knoten mit Annotationen (wie den erzeugten Produkten und Laufzeiten) umfassen. Die korrekte Erstellung eines Wertstroms ähnelt somit der Erstellung einer Software durch einen Programmierer: Häufig unterlaufen Fehler, die anhand des Verhaltens des Wertstroms schwer zu lokalisieren und beheben sind. So bleibt digitale Wertstrommodellierung bis heute überwiegend Simulationsspezialisten vorbehalten. Genau hier setzt das Vorhaben VaStNet an: Ziel ist es, Nutzer KI-gestützt bei der Modellierung korrekter Wertströme zu unterstützen. Hierzu sollen Lernverfahren entstehen, die den Wertstromexperten als digitaler Assistent unterstützen: VaStNet zeigt Fehler im Wertstrom auf und macht Vorschläge, einen digital dokumentierten, aber fehlerbehafteten Wertstrom in einen simulationsfähigen und korrekten Wertstrom zu überführen. Um dies zu erreichen, formuliert VastNet ein maschinelles Lernproblem ähnlich Language Modeling in Text-KIs: Gegebenen korrekten Wertströmen, werden Kanten, Knoten oder Attribute aus dem Wertstrom ausmaskiert, und das Modell wird nun darauf trainiert, das maskierte Element auf Grundlage des Kontexts vorherzusagen