Technologien der nächsten Generation für Mikromobilität, Produktion und Logistik

Unternehmen stehen heute vor der dringenden Notwendigkeit, ihre Produktionsplanung flexibel und resilient an volatile Märkte, globale Lieferketten und steigende Komplexität anzupassen. Die Realität in der Industrie zeigt jedoch ein anderes Bild: Noch immer basiert die Mehrheit der Planungssysteme auf dem klassischen Material Requirements Planning (MRP) – einer Methodik aus den 1960er Jahren, die den heutigen Anforderungen nicht mehr gerecht wird. MRP ist nicht in der Lage, mit langen Lieferzeiten, komplexen Produktstrukturen und volatiler Nachfrage effizient umzugehen. Die Folge: Hohe Lagerbestände, gleichzeitig fehlendes Material an entscheidenden Stellen und mangelnde Liefertreue.  Planungsverantwortliche verbringen einen Großteil ihrer Zeit damit, die unzureichenden Ergebnisse des MRP-Systems manuell zu korrigieren – mit begrenztem Erfolg. Zwar konnte TVINN durch moderne Benutzeroberflächen und intelligente Funktionen bereits erste Verbesserungen bei Beständen und Lieferperformance erzielen, doch der strukturelle Engpass bleibt bestehen: Die zugrunde liegende Methodik ist veraltet.

Mit dem Projekt „NextGen MRP“ soll dieser Engpass nun grundlegend gelöst werden. Ziel ist die Entwicklung einer neuartigen, datengetriebenen Planungsmethodik, die Demand Driven MRP (DDMRP) mit modernster Technologie kombiniert. DDMRP gilt als vielversprechende Alternative zu klassischer MRP, ist aber in der Praxis bisher nur schwer zugänglich: Die initiale Parametrisierung (Pufferplatzierung, Puffergrößen etc.) ist aufwändig, teuer und erfordert spezialisiertes Expertenwissen – ein Hemmnis für den breiten industriellen Einsatz. Hier setzt das Forschungsvorhaben an: Gemeinsam mit der Otto-von-Guericke-Universität Magdeburg (OVGU), einem ausgewiesenen Kompetenzzentrum für KI-basierte Produktionsplanung, entwickelt TVINN einen innovativen Lösungsansatz. Durch die Kombination von Machine-Learning-Algorithmen mit einem simulationsbasierten Digital Supply Chain Twin (DSCT) sollen zukünftig DDMRP-Parameter automatisch aus Unternehmensdaten abgeleitet, im digitalen Raum getestet und erst dann im realen Produktionssystem implementiert werden. Dieser risikoreduzierte, datengetriebene Ansatz stellt einen Paradigmenwechsel in der Produktionsplanung dar.