Prof. Dr.-Ing. Jens Heger
Vita
Jens Heger is a professor in Engineering Sciences at Leuphana University Lüneburg, Germany. After completing his studies in computer science with a minor in business studies at the University of Paderborn, he attained his doctorate degree at the University of Bremen in the Department of Production Engineering. He is currently working at the Institute for Production technology and systems (IPTS) and leading the working group’s modeling and simulation of technical systems and processes.
since 04/2026 Head of the Institute for Production technology and systems
since 06/2015 Professor of Engineering, Modeling and Simulation of Technical Systems and Processes
Institute for Production technology and systems, Leuphana University of Lüneburg
01/2007 - 04/2014 University of Bremen, BIBA - Bremer Institut of Produktion und Logistik GmbH, Prof. Dr.-Ing. Scholz-Reiter, Head of Modeling and Simulation Department, Research assistant BIBA GmbH
09/2015 - 01/2017 Jacobs University, Bremen, Lecturer
01/2011 - 7/2015 Hamburger Fern-Hochschule, Bremen, Lecturer
01/2011 - 07/2014 Dissertation: "Dynamic selection of rules for sequence planning in workshop and flexible flow production" Prof. Scholz-Reiter, Prof. Jürgen Branke, University of Warwick, UK
10/1999 - 11/2006 Master of Science, University of Paderborn
Projects
-
Verbundprojekt ForeCoast: Intelligentes Wasser- und Energiemanagementsystem in Küstenregionen, Teilprojekt 2
Jens Heger (Project manager, academic) , Marvin Chyke Hempel (Project staff)
→Project: Research
-
SmartFactory5G+ - MultiBlis5G / Simulati
Jens Heger (Project manager, academic) , Niklas Peter (Project staff)
→Project: Research
-
5G basierte Prozessoptimierung in KMU
Jens Heger (Project manager, academic) , Ole Christian Prüfer (Project staff) , Paul Drews (Project manager, academic) , Kenneth Richter (Project staff)
→Project: Research
-
SEnsor-Fusion und Deep Learning für Radar-gestützte Intelligente Lastwagensicherheit - Teilprojekt: Modellierung
Jens Heger (Project manager, academic) , Bek-Myrza Nurmatov (Project staff)
→Project: Research
-
ML-basierte Absatzprognose anhand von in- und externen Metadaten
Jens Heger (Project manager, academic) , Alexander Rokoss (Project staff) , Ferenc Wolter (Project staff)
→Project: Research
Publications
Books and anthologies
- Dynamische Regelselektion in der Reihenfolgeplanung: Prognose von Steuerungsparametern mit Gaußschen Prozessen
Jens Heger (Author) , 2014 Wiesbaden , 167 p.Research output: Books and anthologies › Monographs › Research › peer-review
Journal contributions
- Tool-Independent Quality Prediction In Deep Drawing Using Matrix Profile Analysis
Lea Wollschläger (Author) , Jens Heger (Author) , 06.10.2026 , in: Procedia CIRP, 142 , p. 91-96 , 6 p.Research output: Journal contributions › Conference article in journal › Research › peer-review
- Automated Generation of Simulation Models for Production and Logistics Processes Using LLM-Based Multi-Agent Systems
Roman Krämer (Author) , Jens Heger (Author) , 03.03.2026 , in: Simulation Notes Europe, 36, 1 , p. 9 - 14 , 6 p.Research output: Journal contributions › Journal articles › Research › peer-review
- Uncertainty-Aware Feature Importance in Deep-Drawing Using Entropy-PFI on Production Data
Lea Wollschläger (Author) , Meno-Said Haddad (Author) , Jens Heger (Author) , 01.03.2026 , in: Procedia Computer Science, 277 , p. 1306-1316 , 11 p.Research output: Journal contributions › Conference article in journal › Research › peer-review
- Aiming at sustainable production - how the implementation of priority-based dispatching in flexible job shops can support sustainability
Kristin Müller (Author) , Jens Heger (Author) , 01.01.2026 , in: Procedia CIRP, 138 , p. 933-938 , 6 p.Research output: Journal contributions › Conference article in journal › Research › peer-review
- Failure prediction by using a recurrent neural network in incremental sheet forming with active medium
Jens Heger (Author) , Noomane Ben Khalifa (Author) , Sebastian Thiery (Author) , Mazhar Zein El Abdine (Author) , 01.12.2025 , in: International Journal of Material Forming, 18, 4 , 15 p.Research output: Journal contributions › Journal articles › Research › peer-review
Contributions to collected editions/anthologies
- Discrete Event Simulation as an Enabler for Resilient Production Planning
Kristin Müller (Author) , Jens Heger (Author) , 01.01.2026 , p. 37-52 , 16 p.Research output: Contributions to collected editions/anthologies › Article in conference proceedings › Research › peer-review
- Integrating Behavioural Factors into the Fashion Renting Supply Chain: A Simulation-Based Approach
Djonathan Quadras (Author) , Kristin Müller (Author) , Veronica Arioli (Author) , Fabiana Pirola (Author) , Jens Heger (Author) , Virginia Fani (Author) , Romeo Bandinelli (Author) , 01.01.2026 , p. 32-38 , 7 p.Research output: Contributions to collected editions/anthologies › Article in conference proceedings › Research › peer-review
- Automatisierte Generierung von Simulationsmodellen für Produktions- und Logistikprozesse mithilfe LLM-basierter Multi-Agenten-Systeme
Roman Krämer (Author) , Jens Heger (Author) , 21.10.2025 Dresden , 10 p.Research output: Contributions to collected editions/anthologies › Article in conference proceedings › Research › peer-review
- Simulative Analyse für die Rekonfiguration von Plug & Produce-Produktionssystemen unter Anwendung des NSGA2-Algorithmus
Ole Christian Prüfer (Author) , Jens Heger (Author) , 21.10.2025 Dresden , p. 473-482 , 10 p.Research output: Contributions to collected editions/anthologies › Article in conference proceedings › Research › peer-review
- Towards Fashion Renting: Identification of Influencing Factors for Consumer Behavior
Djonathan Quadras (Author) , Kristin Müller (Author) , Fabiana Pirola (Author) , Jens Heger (Author) , Virginia Fani (Author) , Romeo Bandinelli (Author) , 01.06.2025 Caserta , p. 62-68 , 7 p.Research output: Contributions to collected editions/anthologies › Article in conference proceedings › Research › peer-review
Activities
-
Konferenzvortrag in der Session "Automated Guided Vehicles"
Jens Heger (Coauthor) , Thomas Voß (presenter)
Activity: Conference Presentations › Research
-
Projektbeirat
Jens Heger (Reviewer)
Activity: Academic Consultant › Research
-
Optimal scheduling for Automated Guided Vehicles (AGV) in blocking job-shops
Jens Heger (presenter) , Thomas Voß (presenter)
→Activity: Presentations (poster etc.) › Research
-
Gutachter
Jens Heger (Reviewer)
Activity: Academic Consultant › Research
-
Improving Production Scheduling with Machine Learning
Jens Heger (Speaker) , Hatem Bani (Speaker) , Bernd Scholz-Reiter (Speaker)
→Activity: Conference Presentations › Research
Press / Media
-
Entwässerung – klimafreundlich und energieeffizient
1 Media contributionPress/Media: Press/Media
-
Spielerisch optimieren
1 Media contributionPress/Media: Press/Media
-
Der Weg zur Wirtschaft 4.0
1 time citedPress/Media: Press/Media
-
Optimierung durch Simulation
1 time citedPress/Media: Press/Media
Prizes
-
"Herausragende Leistungen im Wissenstransfer" - Leuphana dies academicus 2021
(Recipient) ,Prize: Leuphana internal Prize, Scholaships, distinctions, appointments › Transfer
Courses
An Hand eingängiger Beispiele werden die verschiedenen Algorithmen im Rahmen des Supply Chain Management erläutert und erprobt. Die Bestimmung zu verschiffender Materialmengen, die bestmögliche Containerbeladung, oder auch die Positionierung von Lager- und Verteilzentren auf der Karte sind typische Anwendungen. Für das komplexe (np-vollständige) Problem des Handlungsreisenden (TSP) stehen bspw. verschiedene Ansätze zur Verfügung. Die mathematische Modellierung kann genutzt werden, um das Problem mit dem Simplex Algorithmus optimal zu lösen, bei größeren Szenarien kommen verschiedene Heuristiken (Greedy / Ameisen-Algorithmus) oder auch die Simulation in Frage. Durch die Synchronisierung von Mitarbeiterteams und Fahrzeugrouten wird die Komplexität nochmal gesteigert werden.
Die Studierenden erarbeiten im Rahmen von Gruppenprojekten Konzepte für den Vermögensaufbau. Dabei werden vorhandene Daten analysiert und aufbereitet. Diese Daten sind die Grundlage für die Prognose der Vermögensentwicklung. Für die Prognose der Entwicklung von Vermögenswerten in der Zukunft werden klassische Prognosemethoden eingesetzt.
Die Studierenden erhalten ein grundlegendes Verständnis von der Digitalisierung der Produktion. Aktuelle Entwicklungen in der Industrie werden anhand von USE-Cases betrachtet. Dazu gehören Aspekte des Produktionsmanagements (Lean und Industrie 4.0), Cyber-Physische
Systeme und Echtzeitfähigkeit, Stetig- und Unstetigförderer (z.B. autonome Transportsysteme), dezentrale und Cloudsteuerung.
engl. :
The students gain a basic understanding of the digitalization of production. Current developments in the industry are examined on the basis of USE cases. These include aspects of production management (lean and industry 4.0), cyberphysical systems and real-time capability, continuous and discontinuous conveyors (e.g. autonomous transport systems), discreet and cloud control.
In der Übung entwickeln Sie anhand praktischer Aufgaben ein grundlegendes Verständnis von KI-Modellen (bspw. Klassifikation, Empfehlungssysteme oder Textgenerierung), wenden die verschiedenen Modelle an und evaluieren sie. Zusätzlich bekommen Sie eine Einführung in die Programmierung mit Python und Prompting-Strategien. Im Verlauf des Semesters entwerfen Sie in Kleingruppen ein eigenes kleines KI-gestütztes Programm. Dabei vertiefen Sie Ihr Wissen im Entwurf und in der Evaluation von KI-Systemen weiter – sowohl mit Blick auf technische als auch gesellschaftliche Implikationen. Parallel zu den Übungen stehen von Oktober bis Januar erfahrene und engagierte Tutor:innen (Teaching Assistants) zur Verfügung, um die Studierenden auf dem Campus im gesamten Lernprozess zu unterstützen.
In der Übung entwickeln Sie anhand praktischer Aufgaben ein grundlegendes Verständnis von KI-Modellen (bspw. Klassifikation, Empfehlungssysteme oder Textgenerierung), wenden die verschiedenen Modelle an und evaluieren sie. Zusätzlich bekommen Sie eine Einführung in die Programmierung mit Python und Prompting-Strategien. Im Verlauf des Semesters entwerfen Sie in Kleingruppen ein eigenes kleines KI-gestütztes Programm. Dabei vertiefen Sie Ihr Wissen im Entwurf und in der Evaluation von KI-Systemen weiter – sowohl mit Blick auf technische als auch gesellschaftliche Implikationen. Parallel zu den Übungen stehen von Oktober bis Januar erfahrene und engagierte Tutor:innen (Teaching Assistants) zur Verfügung, um die Studierenden auf dem Campus im gesamten Lernprozess zu unterstützen.
Beispielhafte Themen:
1. Eine Auswahl eines Transportsystems für eine flexible Fließfertigung?
a. Kennzahlen einer flexiblen Fließfertigung
b. Aufbau einer Simulation für die vers. Transportsysteme im
- AGV
- Milkrun
c. Auswahl eines entsprechenden Systems unter Betrachtung verschiedener Parameter
2. Layout-Pläne basierend auf basierenden Daten heuristisch generieren und durch Simulation evaluieren
a. Kennzahlen der Fabrikplanung
b. Methoden der Prozessbeschreibung / Fabrikplanung /
c. Generierung eines Algorithmus zur automatischen Erstellung von Fabriklayouts basierend auf Wertstromanalyse
d. Halbautomatisierte Dimensionierung von Anlagen basierend auf Kennzahlen
3. Reihenfolgeplanung
- Vergleich Prioritätsregeln
- Zentrale Heuristiken: z.B. Shifting Bottleneck implementieren
4. Standortentscheidungen mit Hubs unter Betrachtung von Mengenflüssen (AnyLogic Übung + Optimierung)
- Kennzahlen von Distributionsnetzwerke
- Optimierung eines Produktionsnetzwerkes
- Erweiterung eines Netzwerkes um einen Standort