Herausforderung
- Entscheidungsfindung in komplexen, dynamischen Umgebungen am Beispiel Logistik-Warenhaus-Steuerung optimieren
- Sensitivitätsanalyse / Erhöhung der Transparenz einer KI am Beispiel eines trainierten Reinforcement-Learning-Agenten
Lösung
- Warenhaus-Simulator, der als Basis für das Training einer KI genutzt wird
- Generische Reinforcement-Learning-Algorithmen lernen durch Interaktion mit dem Simulator gewünschtes Verhalten (z.B. Maximierung des Durchsatzes von Aufträgen)
Nutzen
- Optimierung des Warenumschlags in einem Lagerhaus
- Unterstützung von Mitarbeitenden in der Disposition
