In der global tätigen Unternehmensgruppe SSI Schäfer stellt der Standort Graz das Kompetenzzentrum im Bereich der Kleinfördertechnikanlagen dar. Die essenziellen Aufgaben der MitarbeiterInnen aus den Planungsbereichen besteht in der Auslegung von Logistiksystemen, im Hinblick auf Materialfluss und Durchsatz. Derzeit obliegen diese Auslegungen nur erfahrenen MitarbeiterInnen, da viel Fachwissen erforderlich ist. Gerade im vielfältigen Bereich der Informationslogistik zeigte sich im Unternehmen eine Vernachlässigung. Prozesse, die sich auf die Steuerung dieser Informationsverarbeitung beziehen, wie Materialfluss- und Durchsatzberechnungen, waren nicht vorhanden. Dabei sind gerade diese praktischen Anwendungen bei enger Zusammenarbeit zwischen Unternehmen und auch innerhalb eines Unternehmens für die MitarbeiterInnen sehr wichtig. Es muss sichergestellt werden, dass projektspezifisch die richtigen Informationen zur Verfügung gestellt werden und somit ein unnötiger Informationsfluss vermieden wird. Alle Projektbeteiligten sollen diese Informationen erhalten, welche für die Auslegung der idealen Fördertechnikkomponenten erforderlich sind, um diese im weiteren Verlauf richtig verarbeiten und interpretieren zu können. Ziel dieser Masterarbeit ist die Entwicklung und Implementierung eines Grenzdurchsatzberechnungstools, mit dem alle MitarbeiterInnen, unabhängig von deren Erfahrungsstand Logistiksysteme auslegen können. Für die Erreichung dieses Ziels, wurden zu Beginn die Abhängigkeiten der unterschiedlichen Fördererelemente in Bezug auf deren Einflussfaktoren und empirisch ermittelten Parametern untersucht. Danach wurden mittels mathematischer Berechnungen die jeweiligen Takt- und Zykluszeiten errechnet, um daraus in weiterer Folge die technischen Durchsätze ableiten zu können. Diese wurden im Anschluss an die Berechnungen in ein XML-Modul übertragen, welches in das vektororientierte Zeichenprogramm AutoCAD Architecture eingebunden wurde. Das Ergebnis der Arbeit ist ein, in AutoCAD visualisiertes, performance-calculation-tool (PEC), welches über einen automatischen Updateprozess global auf allen Planungs-Workstations der Fa. SSI Schäfer zur Verfügung gestellt wird. In der praktischen Anwendung bringt dies für das Unternehmen einige Vorteile mit sich. Zum einen trägt es wesentlich zur Steigerung der Planungssicherheit bei, da hier Erfahrungswerte kompakt und automatisch in die Berechnungen integriert werden. Zum anderen erhöht dieses Tool wesentlich die Schnelligkeit in den Verarbeitungsprozessen, was bei den MitarbeiterInnen Ressourcen für andere wichtige Aufgaben im Projekt schafft.

Das Konzept, das Video einer Kamera an eine VR-Brille zu übertragen, gewinnt insbesondere im Bereich des Modellbaus zunehmend an Bedeutung, da es eine gute Möglichkeit bietet, die virtuelle und reale Welt miteinander zu verbinden. Bestehende Systeme in diesem Bereich sind jedoch oft dahingehend eingeschränkt, dass sie an die spezifischen Modelle der herstellenden Unternehmen gebunden sind, wodurch sie nicht universell einsetzbar sind. Im Rahmen dieser Arbeit wird ein universelles System entwickelt, das die Übertragung eines stereoskopischen Live-Videos von einer Kamera an eine VR-Brille ermöglicht. Dabei wird nicht nur das Bild übertragen, sondern die Kamera auch synchron zur Bewegung der VR-Brille gesteuert. Dieser Ansatz zielt darauf ab, dem*der Träger*in ein noch intensiveres Gefühl der Immersion zu vermitteln, indem die visuellen Eindrücke mit den Bewegungen der Brille synchronisiert werden. Die Entwicklung dieses Systems umfasst die Erstellung, das Testen und das Optimieren spezifischer Software für alle Komponenten. Durch das Zusammenführen der Software der einzelnen Komponenten entsteht das finale Gesamtsystem. Der Test des fertigen Gesamtsystems demonstriert, dass sowohl die Bewegungssteuerung als auch die Live-Übertragung möglich ist. Während die Bewegungssynchronisation zwischen der Kamera und der VR-Brille reibungslos funktioniert, gibt es im Bereich der Live-Videoübertragung noch Potenzial für Verbesserung. Trotz dieses kleinen Problems besitzt dieses System Potenzial, um für einige Einsatzzwecke nützlich zu sein.

Klassische Sortiersysteme wie Quergurtsorter oder Kippschalensorter können tausende Ladeinheiten pro Stunde sortieren. Diese Systeme sind kostenintensiv und unflexibel. Im Rahmen einer Konzeptstudie soll ein kostengünstiges System entworfen werden. Darüber hinaus sollte dieser Aufbau modular und flexibel gestaltet sein. Zahlreiche bestehende Sortiersysteme werden auf ihre Leistung, Sortierfähigkeit, Investitionskosten und Flexibilität geprüft. Eines der Systeme wird ausgewählt, um als Grundlage für den Entwurf neuer Konzepte zu dienen. Anschließend werden drei Konzepte entworfen. Bewertungen zeigen, dass alle drei Systeme in Bezug auf die oben genannten Kriterien ähnlich sind. Dennoch wird für den Vergleich mit einem klassischen Quergurtsorter-System nur das am besten geeignete ausgewählt. Die Vorteile des neuen Konzepts sind geringere Investitionskosten sowie höhere Flexibilität und Redundanz. Das entworfene Konzept dient als Grundlage für nachfolgende Entwicklungs- und Testphasen. Das in der Masterarbeit gesammelte Know-how kann in weitere Studien einfließen.

Diese Arbeit untersucht die Anwendung von Künstlicher Intelligenz zur Verbesserung des Dispatchings im Bereich der Ressourceneinsatzplanung für Netzbetreiber in der Energiebranche, ein Gebiet, das zunehmend von den Herausforderungen der Energiewende und den Zielen der Klimaneutralität geprägt wird. Die zentrale Forschungsfrage lautet: Welche KI-Methoden eignen sich für die Verbesserung des Dispatchings in der Ressourceneinsatzplanung bei Netzbetreibern in der Energiebranche? Ziel ist es, bestehende KI-Methoden zu bewerten und ihre Anwendbarkeit in diesem spezifischen Kontext zu beurteilen, ohne neue Algorithmen zu entwickeln. Um diese Frage zu beantworten, folgt die Arbeit einem dreistufigen methodischen Ansatz. Zunächst wird eine einleitende Literaturrecherche durchgeführt, um relevante Methoden zu identifizieren und zentrale Bewertungskriterien abzuleiten. Anschließend werden Experteninterviews durchgeführt, um praktische Einblicke zu gewinnen und die theoretischen Erkenntnisse zu validieren. Abschließend werden die Ergebnisse in einer Nutzwertanalysezusammengefasst, die eine gewichtete Bewertung der Methoden im gegebenen Kontext der Arbeit liefert. Die Analyse zeigt, dass Methoden wie Deep Q-Networks, Improved Deep Q-Networks und Particle Swarm Optimization ein erhebliches Potenzial aufweisen, insbesondere in dynamischen und komplexen Planungsumfeldern wie dem Dispatching. Die Ergebnisse unterstreichen das Potenzial von KI, die betriebliche Effizienz zu steigern, repetitive Aufgaben zu Automatisieren, menschliche Fehler zu reduzieren und implizites Expert*innenwissen allen verfügbar zu machen. Diese Studie leistet somit einen wertvollen Beitrag zur Forschung, indem sie die Eignung ausgewählter KI-Methoden für das Dispatching im Energiesektor systematisch bewertet. Siebietet zukünftigen Entscheidungsträgern eine fundierte Grundlage für die Auswahl geeigneter Technologien und hebt wichtige Aspekte hervor, die bei der Implementierung KI-gestützter Systeme zu berücksichtigen sind.