Machine Learning im Logistikmanagement – Entwicklung eines Gestaltungsansatzes zum Einsatz von ML-Anwendungen in logistischen Entscheidungsprozessen

dc.contributor.advisorStraube, Frank
dc.contributor.authorWeinke, Manuel
dc.contributor.grantorTechnische Universität Berlin
dc.contributor.refereeStraube, Frank
dc.contributor.refereeLudwig, André
dc.date.accepted2022-11-24
dc.date.accessioned2022-12-20T14:53:14Z
dc.date.available2023-02-14T14:53:14Z
dc.date.issued2023
dc.descriptionGedruckt erschienen im Universitätsverlag der TU Berlin, ISBN 978-3-7983-3297-3 (ISSN 1865-3170)en
dc.description.abstractAls ein Teilbereich der Künstlichen Intelligenz stellt Machine Learning (ML) eine Schüsseltechnologie des 21. Jahrhunderts dar. Unter Nutzung der mathematisch-statistischen Verfahren sind technische Systeme realisierbar, die anhand von Daten eigenständig empirische Zusammenhänge erkennen und dadurch ihr Verhalten zur Lösung von betrieblichen Problemen im Sinne einer systemseitigen Lernfähigkeit anpassen können. Entsprechend der Komplexität von Planungs-, Steuerungs- und Kontrollaufgaben in industriellen Wertschöpfungsketten wird ML-Anwendungen eine hohe Bedeutung zur Unterstützung und autonomen Ausführung von logistischen Entscheidungsprozessen zugesprochen. Für diesen Bereich des Logistikmanagements untersucht die Dissertation zentrale Fragestellungen des Einsatzes von ML. Unter Berücksichtigung des aktuellen Forschungsstands und mittels einer intensiven Einbeziehung der Praxis werden Anwendungsmöglichkeiten, resultierende Auswirkungen mit Potenzialen und Grenzen sowie notwendige Voraussetzungen ermittelt. Das Ergebnis der Dissertation stellt einen Gestaltungsansatz dar, der geeignete Maßnahmen zur Realisierung dieser domänen- und technologiespezifischen Voraussetzungen strukturiert nach mehreren Handlungsfeldern aufzeigt. Diese reichen von infrastrukturellen Aktivitäten zur Einbindung der benötigten Daten über aufbau- und ablauforganisatorische Maßnahmen zur Umsetzung von ML-Projekten bis hin zum Umgang mit den veränderten Rollen von Mitarbeitern. Entsprechend seiner interdisziplinären und praxisorientierten Ausrichtung stellt der entwickelte Gestaltungsansatz ein nützliches Instrument für Unternehmen zur Bewältigung der Herausforderungen bei der Einführung von ML im Logistikmanagement dar. Zusammen mit den weiteren Inhalten der Arbeit, wozu auch die technischen Eigenschaften und zukünftigen Entwicklungen von ML gehören, können Führungskräfte systematisch das notwendige Wissen zur erfolgreichen Gestaltung des Technologieeinsatzes aufbauen und gleichzeitig wichtige Rahmenbedingungen für die digitale Transformation ihrer Organisationen schaffen.de
dc.description.abstractAs a subfield of artificial intelligence, machine learning (ML) represents a key technology of the 21st century. Using the mathematical-statistical methods, technical systems can be developed that independently discover empirical patterns on the basis of data and thus adapt their behavior to solve business problems in the sense of a system-based learning. According to the complexity of planning, controlling and monitoring tasks in manufacturing value chains, ML applications are considered to be of high relevance for the support and autonomous operation of logistics decision-making processes. For this field of logistics management, the dissertation investigates central questions concerning the use of ML. By studying the current state of research and by intensively involving the practice, possible use cases, corresponding effects with potentials and limitations, as well as necessary requirements are identified. The result of the dissertation represents a design approach that shows suitable measures for the fulfillment of these domain- and technology-specific requirements which are structured according to several areas of action. These range from infrastructural activities for the integration of data to organizational and procedural measures for conducting ML projects up to the management of changed roles for employees. Due to its interdisciplinary and practical orientation, the developed design approach is a useful tool for companies to cope with the challenges of implementing ML in logistics management. Together with other deliverables of the dissertation, which also include the technical characteristics and future developments of ML, managers can acquire the expertise to successfully design the adoption of the technology and, at the same time, implement important framework conditions for the digital transformation of their enterprises.en
dc.identifier.eissn2197-0564
dc.identifier.isbn978-3-7983-3298-0
dc.identifier.urihttps://depositonce.tu-berlin.de/handle/11303/17869
dc.identifier.urihttps://doi.org/10.14279/depositonce-16658
dc.language.isode
dc.publisher.nameUniversitätsverlag der TU Berlin
dc.publisher.placeBerlin
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subject.ddc620 Ingenieurwissenschaften und zugeordnete Tätigkeitende
dc.subject.ddc330 Wirtschaftde
dc.subject.othersupply chain managementen
dc.subject.otherlogisticsen
dc.subject.otherartificial intelligenceen
dc.subject.othermachine learningen
dc.subject.otherLogistiken
dc.subject.othermaschinelles Lernenen
dc.subject.otherkünstliche Intelligenzde
dc.subject.otherdata analyticsde
dc.subject.otherdigital transformationde
dc.titleMachine Learning im Logistikmanagement – Entwicklung eines Gestaltungsansatzes zum Einsatz von ML-Anwendungen in logistischen Entscheidungsprozessende
dc.title.translatedMachine Learning in logistics management – Developing a design approach for the use of ML applications in logistics decision-making processesen
dc.typeDoctoral Thesis
dc.type.versionpublishedVersion
dcterms.rightsHolder.referenceDeposit-Lizenz (Erstveröffentlichung)
tub.accessrights.dnbfree*
tub.affiliationFak. 7 Wirtschaft und Management::Inst. Technologie und Management (ITM)::FG Logistik
tub.publisher.universityorinstitutionUniversitätsverlag der TU Berlin
tub.series.issuenumber46
tub.series.nameSchriftenreihe Logistik der Technischen Universität Berlin

Files

Original bundle
Now showing 1 - 1 of 1
Loading…
Thumbnail Image
Name:
weinke_manuel.pdf
Size:
4.34 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
4.23 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections