PLM gehört zu den Innovationsführern für Entwicklung, Design und Produktion nachhaltiger Verpackungen für die Pharma-, Kosmetik- und Gebrauchsgüterindustrie.

Ausgangssituation

In einer SQL-Datenbank sind umfangreiche Richtlinien hinterlegt, die bei der Bearbeitung und Kalkulation von Aufträgen verbindlich berücksichtigt werden müssen. Diese Regeln können sich auf unterschiedliche Kontexte beziehen – beispielsweise auf Debitoren, die Faltschachtel-Konstruktion oder die jeweilige Fertigware. Für Mitarbeitende bedeutet dies einen hohen manuellen Aufwand bei der Recherche, Interpretation und Kombination relevanter Vorgaben.

Ziel der Masterarbeit

Im Rahmen dieser Arbeit soll untersucht werden, inwieweit eine lokal installierte KI – etwa ein On-Premise-LLM wie Gemma – in der Lage ist, solche Richtlinien automatisiert zu identifizieren, inhaltlich zu interpretieren und in eine strukturierte Entscheidungshilfe für die Kalkulation zu überführen. Ein besonderer Fokus liegt auf Fällen, in denen mehrere Regeln gleichzeitig angewendet und fachlich korrekt miteinander kombiniert werden müssen.

Forschungs- und Entwicklungsfragen

• Wie lassen sich Regeltexte aus einer SQL-Datenbank für eine KI-gestützte Verarbeitung geeignet aufbereiten und strukturieren?
• Wie zuverlässig erkennt eine lokale KI relevante Richtlinien in Abhängigkeit von Auftrag, Debitor, Konstruktion und Fertigware?
• Wie lässt sich der Zielerreichungsgrad quantitativ erfassen, also wie häufig Regeln korrekt gefunden und interpretiert werden?
• Welche Arten von Regeln können nicht oder nur eingeschränkt interpretiert werden, und warum?
• Wie können mehrere Richtlinien logisch kombiniert werden, um daraus eine konsistente Kalkulationsanweisung abzuleiten?
• Wie kann ein optimales Maschienrouting unter Berücksichtigung aller identifizierten Richtlinien vorgeschlagen werden?

Möglicher technischer Schwerpunkt

• SQL-basierte Datenextraktion und semantische Aufbereitung von Richtlinien
• Evaluierung eines lokal installierten Sprachmodells (z. B. Gemma) im industriellen Umfeld
• Messung von Erkennungsrate, Interpretierbarkeit und Abdeckungsgrad der Regeln
• Entwicklung einer Logik zur Kombination mehrerer Regelquellen
• Generierung nachvollziehbarer, textueller Arbeits- bzw. Kalkulationsanweisungen
• Optional: Konzeption oder prototypische Umsetzung einer grafischen Benutzeroberfläche für Kalkulatoren

Wissenschaftlicher und praktischer Mehrwert

Die Arbeit verbindet Methoden der Künstlichen Intelligenz, Natural Language Processing, Datenbankintegration und Entscheidungsunterstützung in einem realen industriellen Anwendungsfeld. Neben der algorithmischen Fragestellung bietet die Arbeit einen hohen Praxisbezug: Ziel ist es, aus einem heterogenen Regelwerk eine reproduzierbare und nachvollziehbare Unterstützung für Kalkulations- und Routingentscheidungen zu entwickeln.

Geeignet für Studierende mit Interesse an

• Künstlicher Intelligenz und Large Language Models
• Python, SQL und datengetriebenen Anwendungssystemen
• On-Premise-KI / lokale Modellinferenz
• Entscheidungsunterstützung und Prozessautomatisierung
• Softwarearchitektur und optional UI-/Frontend-Entwicklung

Erwartetes Ergebnis

Angestrebt wird ein Konzept oder Prototyp, der aus hinterlegten Richtlinien automatisiert eine fachlich nachvollziehbare Anleitung für die Kalkulation erzeugt und dabei das optimale Routing unter Berücksichtigung der vorliegenden Vorgaben vorschlägt.