Prof. Dr.-Ing. Jens Heger
Werdegang
Forschungsgruppe Prof. Heger
Jens Heger ist Professor für Ingenieurwissenschaften an der Leuphana Universität Lüneburg. Nach dem Studium der Informatik mit Nebenfach Wirtschaftswissenschaften an der Universität Paderborn, promovierte er an der Universität Bremen im Fachbereich Produktionstechnik. Derzeit ist er tätig am Institut für Produkt- und Prozessinnovation (PPI)
Forschungsgebiete:
Seine Forschungstätigkeiten umfassen Fragestellungen aus der Produktion und Logistik. Mithilfe von Methoden des maschinellen Lernens, der Bildverarbeitung und dem Operations Research, insb. der Simulation, entwickelt die Arbeitsgruppe Planungs- und Steuerungsverfahren sowie Entscheidungsunterstützungssysteme, bspw. zur Reihenfolgeplanung, Ressourcenzuordnung oder kontinuierlichen Anpassung von Anlagenparametern entwickelt.
Transfer und Dienstleistungen:
Der Transfer der wissenschaftlichen Ergebnisse in die Praxis der Unternehmen stellt eine hohe Bedeutung für Jens Heger dar. Kooperationen verschiedener Art, beispielsweise Drittmittel- oder Beratungsprojekte, ermöglichen Unternehmen von den Erkenntnissen und Forschungsergebnissen zu profitieren.
seit 04/2026 Institutsleiter am Institut für Produktionstechnik und -systeme, Leuphana Universität
seit 06/2015 Professor für Ingenieurwissenschaften, Modellierung und Simulation technischer Systeme und Prozesse
Institut für Produktionstechnik und -systeme, Leuphana Universität Lüneburg
01/2007 - 04/2014 Universität Bremen, BIBA – Bremer Institut für Produktion und Logistik GmbH, Prof. Dr.-Ing. B. Scholz-Reiter, Abteilungsleiter Modellierung und Simulation, WiMi BIBA GmbH
09/2015 – 01/2017 Jacobs University, Bremen, Lehrbeauftragter
01/2011 - 7/2015 Hamburger Fern-Hochschule, Bremen, Lehrbeauftragter
01/2011 - 07/2014 Dissertation: „Dynamische Selektion von Regeln zur Reihenfolgeplanung in der Werkstatt- und flexiblen Fließfertigung“ Prof. Scholz-Reiter, Prof. Jürgen Branke, University of Warwick, UK
10/1999 - 11/2006 Master of Science, Universität Paderborn
Projekte
-
Verbundprojekt ForeCoast: Intelligentes Wasser- und Energiemanagementsystem in Küstenregionen, Teilprojekt 2
Jens Heger (Wissenschaftliche Projektleiter*in) , Marvin Chyke Hempel (Projektmitarbeiter*in)
→Projekt: Forschung
-
SmartFactory5G+ - MultiBlis5G
Jens Heger (Wissenschaftliche Projektleiter*in) , Niklas Peter (Projektmitarbeiter*in)
→Projekt: Forschung
-
5G basierte Prozessoptimierung in KMU
Jens Heger (Wissenschaftliche Projektleiter*in) , Ole Christian Prüfer (Projektmitarbeiter*in) , Paul Drews (Wissenschaftliche Projektleiter*in) , Kenneth Richter (Projektmitarbeiter*in)
→Projekt: Forschung
-
SEnsor-Fusion und Deep Learning für Radar-gestützte Intelligente Lastwagensicherheit - Teilprojekt: Modellierung
Jens Heger (Wissenschaftliche Projektleiter*in) , Bek-Myrza Nurmatov (Projektmitarbeiter*in)
→Projekt: Forschung
-
ML-basierte Absatzprognose anhand von in- und externen Metadaten
Jens Heger (Wissenschaftliche Projektleiter*in) , Alexander Rokoss (Projektmitarbeiter*in) , Ferenc Wolter (Projektmitarbeiter*in)
→Projekt: Forschung
Publikationen
Bücher und Anthologien
- Dynamische Regelselektion in der Reihenfolgeplanung: Prognose von Steuerungsparametern mit Gaußschen Prozessen
Jens Heger (Autor*in) , 2014 Wiesbaden , 167 S.Publikation: Bücher und Anthologien › Monografien › Forschung › begutachtet
Beiträge in Zeitschriften
- Tool-Independent Quality Prediction In Deep Drawing Using Matrix Profile Analysis
Lea Wollschläger (Autor*in) , Jens Heger (Autor*in) , 06.10.2026 , in: Procedia CIRP, 142 , S. 91-96 , 6 S.Publikation: Beiträge in Zeitschriften › Konferenzaufsätze in Fachzeitschriften › Forschung › begutachtet
- Automated Generation of Simulation Models for Production and Logistics Processes Using LLM-Based Multi-Agent Systems
Roman Krämer (Autor*in) , Jens Heger (Autor*in) , 03.03.2026 , in: Simulation Notes Europe, 36, 1 , S. 9 - 14 , 6 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
- Uncertainty-Aware Feature Importance in Deep-Drawing Using Entropy-PFI on Production Data
Lea Wollschläger (Autor*in) , Meno-Said Haddad (Autor*in) , Jens Heger (Autor*in) , 01.03.2026 , in: Procedia Computer Science, 277 , S. 1306-1316 , 11 S.Publikation: Beiträge in Zeitschriften › Konferenzaufsätze in Fachzeitschriften › Forschung › begutachtet
- Aiming at sustainable production - how the implementation of priority-based dispatching in flexible job shops can support sustainability
Kristin Müller (Autor*in) , Jens Heger (Autor*in) , 01.01.2026 , in: Procedia CIRP, 138 , S. 933-938 , 6 S.Publikation: Beiträge in Zeitschriften › Konferenzaufsätze in Fachzeitschriften › Forschung › begutachtet
- Failure prediction by using a recurrent neural network in incremental sheet forming with active medium
Jens Heger (Autor*in) , Noomane Ben Khalifa (Autor*in) , Sebastian Thiery (Autor*in) , Mazhar Zein El Abdine (Autor*in) , 01.12.2025 , in: International Journal of Material Forming, 18, 4 , 15 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
Beiträge in Sammelwerken
- Discrete Event Simulation as an Enabler for Resilient Production Planning
Kristin Müller (Autor*in) , Jens Heger (Autor*in) , 01.01.2026 , S. 37-52 , 16 S.Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Integrating Behavioural Factors into the Fashion Renting Supply Chain: A Simulation-Based Approach
Djonathan Quadras (Autor*in) , Kristin Müller (Autor*in) , Veronica Arioli (Autor*in) , Fabiana Pirola (Autor*in) , Jens Heger (Autor*in) , Virginia Fani (Autor*in) , Romeo Bandinelli (Autor*in) , 01.01.2026 , S. 32-38 , 7 S.Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Automatisierte Generierung von Simulationsmodellen für Produktions- und Logistikprozesse mithilfe LLM-basierter Multi-Agenten-Systeme
Roman Krämer (Autor*in) , Jens Heger (Autor*in) , 21.10.2025 Dresden , 10 S.Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Simulative Analyse für die Rekonfiguration von Plug & Produce-Produktionssystemen unter Anwendung des NSGA2-Algorithmus
Ole Christian Prüfer (Autor*in) , Jens Heger (Autor*in) , 21.10.2025 Dresden , S. 473-482 , 10 S.Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Towards Fashion Renting: Identification of Influencing Factors for Consumer Behavior
Djonathan Quadras (Autor*in) , Kristin Müller (Autor*in) , Fabiana Pirola (Autor*in) , Jens Heger (Autor*in) , Virginia Fani (Autor*in) , Romeo Bandinelli (Autor*in) , 01.06.2025 Caserta , S. 62-68 , 7 S.Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
Aktivitäten
-
Konferenzvortrag in der Session "Automated Guided Vehicles"
Jens Heger (Ko-Autor*in) , Thomas Voß (Präsentator*in)
Aktivität: Konferenzvorträge › Forschung
-
Projektbeirat
Jens Heger (Gutachter/-in)
Aktivität: wissenschaftliche Gutachtertätigkeiten › Forschung
-
Optimal scheduling for Automated Guided Vehicles (AGV) in blocking job-shops
Jens Heger (Präsentator*in) , Thomas Voß (Präsentator*in)
→Aktivität: Präsentationen (Poster ua.) › Forschung
-
Gutachter
Jens Heger (Gutachter/-in)
Aktivität: wissenschaftliche Gutachtertätigkeiten › Forschung
-
Improving Production Scheduling with Machine Learning
Jens Heger (Sprecher*in) , Hatem Bani (Sprecher*in) , Bernd Scholz-Reiter (Sprecher*in)
→Aktivität: Konferenzvorträge › Forschung
Presse / Medien
-
Entwässerung – klimafreundlich und energieeffizient
1 eigener MedienbeitragPresse/Medien: Presse / Medien
-
Spielerisch optimieren
1 eigener MedienbeitragPresse/Medien: Presse / Medien
-
Der Weg zur Wirtschaft 4.0
1 Mal zitiertPresse/Medien: Presse / Medien
-
Optimierung durch Simulation
1 Mal zitiertPresse/Medien: Presse / Medien
Auszeichnungen
-
"Herausragende Leistungen im Wissenstransfer" - Leuphana dies academicus 2021
Jens Heger (Empfänger/-in) ,Auszeichnung: Leuphana interne Preise, Stipendien, Auszeichnungen, Ernennungen › Transfer
Lehrveranstaltungen
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.
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
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.