Computational Intelligence in der Materialwirtschaft: Entscheidungsunterstützungspotentiale neuronaler und fuzzy-basierter Ansätze

1. Einführung.- 1.1. Motivation und Ausgangsfragestellung.- 1.2. Ziele der Untersuchung.- 1.3. Gang und Aufbau der Untersuchung.- 2. Grundlagen der Materialwirtschaft.- 2.1. Überblick.- 2.2. Die Materialwirtschaft im System der Wissenschaften.- 2.3. Begriffsabgrenzung Materialwirtschaft.- 2.4. Ziele und Aufgabenbereiche der Materialwirtschaft.- 3. Entscheidungstheoretische Grundlagen.- 3.1. Überblick.- 3.2. Entscheidungsmodelle.- 3.3. Entscheidungsunterstützung.- 3.4. Zusammenfassung.- 4. Methodologische Grundlagen neuronaler und fuzzy-basierter Ansätze aus der Künstlichen Intelligenz.- 4.1. Überblick.- 4.2. Wissenschaftstheoretische Einordnung der Künstlichen Intelligenz.- 4.3. Wissenschaftstheoretischer Bezug der Methoden der Künstlichen Intelligenz.- 4.4. Wissensdarstellungs-und Wissensabarbeitungsmethoden.- 4.5. Lernmethoden in der Künstlichen Intelligenz.- 4.6. Computational Intelligence, Soft Computing und neuronale und fuzzy-basierte Ansätze als implizite Ansätze der Künstlichen Intelligenz.- 5. Grundlagen und Beschreibung neuronaler und fuzzy-basierter Ansätze.- 5.1. Überblick.- 5.2. Neuronale Netze.- 5.3. Fuzzy-Set-Theorie.- 5.4. Entscheidungsunterstützungspotentiale neuronaler und fuzzy-basierter Ansätze.- 6. Aufgaben, Entscheidungssituationen und Entscheidungsunterstützung in der Materialwirtschaft.- 6.1. Systematisierung und Überblick.- 6.2. Klassische Verfahren und Instrumente in der Materialwirtschaft.- 6.3. Aufgaben der Materialdisposition.- 6.4. Auf gaben der Materialbeschaffung.- 6.5. Aufgaben der Materiallagerung, der Lagerhaltung.- 6.6. Aufgaben des Materialtransports und –entsorgens.- 6.7. Entscheidungsunterstützung in der Materialwirtschaft durch neuronale und fuzzy-basierte Ansätze.- 7. Unterstützung derMaterialbedarfsplanung durch den Einsatz Neuronaler Netze zur Materialbedarfsprognose.- 7.1. Einordnung in den Gesamtkontext und Überblick.- 7.2. Kritik und Schwachstellen an den Verfahren zur Materialbedarfsprognose.- 7.3. Konzeption Neuronaler Netze zur Materialbedarfsprognose.- 7.4. Fallstudien.- 7.5. Praktische Gesichtspunkte bei der Entwicklung und beim Einsatz des neuronalen Ansatzes zur Materialbedarfsprognose.- 8. Unterstützung der Sicherheitsbestandsplanung durch fuzzy-basierte Regelsysteme zur Sicherheitsbestandsbestimmung.- 8.1. Einordnung in den Gesamtkontext und Überblick.- 8.2. Problembereiche der Sicherheitsbestandsermittlung und Verfahrenskritik.- 8.3. Aufbau eines Fuzzy-Regelsystems zur Unterstützung der Sicherheitsbestandsplanung.- 8.4. Praktische Gesichtspunkte bei der Entwicklung und beim Einsatz des fuzzy-basierten Regelsystems zur Sicherheitsbestandsermittlung.- 9. Zusammenfassung und Resümee.

Dr. Dagmar Mack promovierte bei Prof. Dr. Richard Lackes am Lehrstuhl für Wirtschaftsinformatik der Universität Dortmund. Sie ist bei der LBS Norddeutsche Landesbausparkasse Berlin-Hannover für das Database Marketing im Kundenmanagement verantwortlich.

Mit den Methoden der Computational Intelligence (CI) werden gemeinhin spezielle Verfahren der Künstlichen Intelligenz (KI) assoziiert, die nicht auf einer Symbolverarbeitung beruhen wie klassische Ansätze der KI und darüber hinaus mit dem Phänomen der Unsicherheit umzugehen vermögen. Neuronale und fuzzy-basierte Ansätze sind bekannte Vertreter der CI. Die Abhandlungen zu ihren Einsatzbereichen lassen jedoch eine fundierte Analyse der Einsatzvoraussetzungen sowie eine konsistente Begriffsverwendung vermissen. Aufgrund ihrer Aufgabenvielfalt und der Differenziertheit ihrer Entscheidungsprobleme stellt die Materialwirtschaft ein geeignetes Forschungsfeld dar.

Dagmar Mack analysiert Materialwirtschaft und Computational Intelligence wissenschaftstheoretisch und beschreibt die Einsatzmöglichkeiten neuronaler und fuzzy-basierter Ansätze in der operativen Materialwirtschaft. Dazu definiert sie den Begriff der Entscheidungsunterstützung und leitet hierfür ein Grundmodell ab. Die theoretischen Abhandlungen zur Anwendbarkeit neuronaler und fuzzy-basierter Ansätze in Disposition, Beschaffung, Lagerhaltung, bei Transport- und Entsorgungsaufgaben werden anhand zweier Fallbeispiele praktisch erprobt.