Paolo Pappe

Abschluss:
M. Sc.
Funktion:
Projektingenieur
Schwerpunkte:
Windenergiepotenzialflächen, Künstliche Intelligenz, Data Science, Fabrikplanung
Telefon:
+49 (0)511 279 76-446
E-Mail:
pappe@iph-hannover.de
vCard:
vCard

Veröffentlichungen

Entwicklung eines Prototyps zur automatisierten Datenqualitätskontrolle bei der Trivium Packaging GmbH, einem Hersteller von Metallverpackungen. Das Projekt zielte darauf ab, die Zuverlässigkeit der Produktionsdaten für KPI-Berechnungen zu gewährleisten, indem es Plausibilitätschecks für Maschinen- und Linien-Status implementierte, um Störungen frühzeitig zu identifizieren. Der Einsatz von KI und Algorithmen zur Überwachung und Auswertung der Datenqualität in Echtzeit führte zu einer verbesserten Effizienz und Leistung der Fertigungslinien. Ein Leitfaden zur Sicherstellung der Datenqualität für zuverlässige KPI-Berechnungen wurde ebenfalls erstellt, um kleinen und mittleren Unternehmen zu helfen, ihre Wettbewerbsfähigkeit zu steigern.

Datenqualität, Produktion, Fertigung, KPI, Metriken

Eine alternde Gesellschaft sowie das Auftreten immer neuer Krankheiten erzeugen ein schnelles Wachstum der Gesundheitsbranche in vielen Industriestaaten. Die Nutzung von KI kann zu einer Leistungssteigerung bei gleichzeitigem Einsparen von Kosten führen. Daher nimmt der Einsatz von KI im
Bereich der Medizintechnik kontinuierlich zu, angetrieben von den zahlreichen Vorteilen, die sie mit sich bringt, unter anderem:

  • Die Diagnosestellung kann erheblich optimiert werden, indem umfangreiches Erfahrungswissen in KI-Systeme eingepflegt und von diesen abgerufen werden kann. In dieser Hinsicht befähigt KI, Bilder, Laborergebnisse sowie Patient*innenakten zu analysieren und auszuwerten.
  • Individualisierte Behandlungspläne können durch die Anwendung von KI entwickelt werden. Diese Pläne berücksichtigen ganzheitlich sämtliche Aspekte der Patient*innen und tragen dadurch dazu bei, die Wirksamkeit der Therapie in bedeutender Weise zu steigern.
  • Prädiktive Analysen werden durch die Nutzung von KI ermöglicht. Hierbei kann die KI Risikofaktoren identifizieren und Komplikationen vorhersagen.

KI, Unüberwachtes Lernen, Diagnostik

Energiewende ja, aber ein Windrad in der Nähe? Nein! Der Ausbau der Windenergie ist dringend notwendig, doch Widerstand in der Nachbarschaft und von Naturschutzvereinen verzögert oder stoppt viele Bauprojekte. Mit Künstlicher Intelligenz (KI) will das interdisziplinäre Verbundprojekt WindGISKI den Ausbau der Windenergie beschleunigen. Acht Unternehmen, Verbände und Forschungseinrichtungen entwickeln ein Geoinformationssystem, das die Erfolgsaussichten von Windenergie-Bauprojekten vorhersagen soll.

Künstliche Intelligenz, KI, Energiewende, Windenergie, Flächenbewertung, Geoinformationssystem

Die Resilienz von Lieferketten gewinnt für produzierende Unternehmen in Zeiten schwerer Störungen durch Krisen massiv an Bedeutung. Die Auswahl von Zulieferern ist ein zentraler Aspekt bei dem Aufbau einer resilienten Lieferkette. Aktuell fehlt jedoch eine ganzheitliche Methode zur Auswahl von Lieferanten unter Berücksichtigung der Resilienz. In diesem Beitrag wird daher ein Forschungsprojekt vorgestellt, das die Entwicklung eines Bewertungsmaßes für die Resilienz im Kontext der Zuliefererauswahl zum Ziel hat. Dabei sollen die vorhandene Resilienz aus der Sicht des Zuliefererunternehmens und die benötigte Resilienz aus der Sicht des auswählenden Unternehmens berücksichtigt werden.

Logistik, Zuliefererauswahl, Resilienz, Supply Chain, Supply Chain Management

Volatile Märkte sowie zunehmende Produktvarianz führen zu komplexeren innerbetrieblichen Materialflüssen. Um diesen gerecht zu werden, ist eine deutliche Steigerung der Flexibilität und Wandlungsfähigkeit vorherrschender Intralogistiksysteme von Nöten. Zur Flexibilisierung der Intralogistik können (kleinskalige) modulare Fördersysteme eingesetzt werden. Hemmnisse für den Praxiseinsatz stellen die geringe Verbreitung sowie die hohen Investitionskosten dar. Um Vorbehalte als auch Risiken zu reduzieren, wurden in einem Forschungsprojekt eine Evaluierungs- und Optimierungsmethode sowie ein anwendungsnahes Planungstool für modulare Förderanlagenlayouts entwickelt. Es befähigt sowohl Planungsdienstleister als auch Anwender, modulare Fördersysteme zu bewerten und deren Potentiale nutzbar zu machen.

Fördertechnik, Layoutplanung, Optimierung, Genetischer Algorithmus, Software

Forschungsprojekte