Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.


Lehrveranstaltungen

Anwendungen der Künstlichen Intelligenz in ERP-Systemen (Vorlesung)

Dozent/in: Ralph Welge

Termin:
14-täglich | Freitag | 08:15 - 11:45 | 04.04.2022 - 08.07.2022 | C 40.165
14-täglich | Freitag | 08:15 - 11:45 | 11.04.2022 - 08.07.2022 | C 7.319

Inhalt: Zur Steuerung und Optimierung betrieblicher Prozesse werden heute ERP-Systeme (ERP - Enterprise-Resource-Planning) eingesetzt. Typische, für den Einsatz relevante betriebliche Funktionen sind u.a. Wareneinkauf, Materialwirtschaft, Produktion und Verkauf/Marketing. Im Bereich des Verkauf/Marketing ist unter dem Schlagwort CRM - Customer Relationship Management - ein Paradigmenwechsel am Markt erfolgreicher Unternehmen zu beobachten, bei dem die profitable Kundenbeziehung in den Mittelpunkt des unternehmerischen Handels gestellt wird. In dieser Veranstaltungen wird am Beispiel des CRM der Einsatz von KI-Methoden vorgestellt. Teil I: Notwendige Theorie - Konzepte und Algorithmen Eine aufkommende Teildisziplin des CRM ist das CRA - Customer Relationship Analytics. Auf der Basis von Verfahren des unterwiesenen, des nicht unterwiesenen und des autonomen Lernens kann eine Entscheidungsunterstützung bei der Steuerung betrieblicher Prozesse erwartet werden. Teil I der Veranstaltung erörtert ausgewählte Problemklassen des CRA sowie eine Auswahl von Methoden, die für die Implementierung der Problemklassen geeignet sind: - Klassifikation am Beispiel der Lieferantenklassifikation mit Methoden wie Entscheidungsbaum, Neuronale Netze, Random Forest, Support Vector Machine (davon max. 2 Methoden) - Prognose am Beispiel der Absatzprädiktion mit Methoden wie lineare Regression und Neuronale Netze - Assoziationsanalyse am Beispiel der Warenkorbanalyse mit der Apriori-Methode - Segmentierung am Beispiel der Kundensegmentierung mit Clustering-Methoden wie k-Means und DBSCAN Teil II: Unser Werkzeug – Die Programmiersprache Python Teil II beschäftigt sich mit der praktischen Umsetzung einiger der vorgestellten Methoden. Dazu wird die Programmiersprache Python verwendet. Es werden zuerst die wesentlichen Konzepte der Sprache Python erarbeitet wie: Datentypen, Variablen, Kontrollstrukturen, Funktionen und Datenstrukturen (opt. Objektorientierung). Teil III: Klassifikation, Prädiktion, Clustering live Anschließend werden Daten synthetisiert und die Anwendung obiger Methoden trainiert. Teil IV: NoSQL Datenbanken und deren Einbindung in Python Teil V: Linked Data live: Anschließend wird mit GraphQL gearbeitet