Im Alltagsgebrauch wird „Optimierung“ meist mit „etwas besser machen“ gleichgesetzt. Mathematische Optimierung meint hingegen „das nachweisbar Beste machen“. Maßgeschneiderte Optimierungsalgorithmen ermöglichen es für individuelle Problemstellungen die optimale Lösung zu finden, um Ressourcen effizient einzusetzen und die Nachhaltigkeit von kleinen und mittleren Unternehmen (KMU) zu stärken. Die Anwendungen solcher Optimierungsalgorithmen sind vielfältig und reichen von Planungsprozessen aus der Produktion bis hin zur Entscheidungsunterstützung in der Logistik.​

Lernen Sie im Webinar von unseren Expert:innen Laura Brouer und Christopher Scholl vom Fraunhofer IIS unterschiedliche Anwendungskontexte für Optimierungsalgorithmen kennen und erfahren Sie, welchen Mehrwert der Einsatz mathematischer Optimierung für KMU bietet. ​

Außerdem bekommen Sie einen Einblick in unser selbst entwickeltes Online-Spiel „Planning Puzzle“, bei dem Sie Planungsaufgaben lösen können und das Ihnen verdeutlicht, warum es sich lohnt künstliche Intelligenz und mathematische Optimierung zu nutzen.

Inhalte​

• Kurze Begriffsklärung „Optimierung“ und „Nachhaltigkeit“​
• Anwendungskontexte für Optimierungsalgorithmen (u. a. Touren- / Produktions- / Personaleinsatzplanung)​
• Umsetzung in der Praxis und Mehrwert von Optimierungsalgorithmen ​

Zielgruppe

• Planungsfachkräfte für die Bereiche Logistik, Produktion, Einkauf oder Vertrieb​
• Verantwortliche aus den Bereichen Strategie, Nachhaltigkeit, Digitalisierung und Entwicklung​
• Datenexpert:innen und IT-Fachkräfte​
• Personen mit einem Interesse an der Optimierung von Entscheidungen​

Ergänzend zum Webinar bietet das Mittelstand-Digital Zentrum Augsburg das E-Learning „Gut, besser, KI? Wie Optimierungsalgorithmen für mehr Nachhaltigkeit sorgen“ an. Lernen Sie, was man unter den Begriffen „Nachhaltigkeit“ und „Optimierung“ versteht und wie Optimierungsmodelle aufgebaut sind. Der Besuch des E-Learnings vor dem Webinar wird empfohlen, ist aber keine Voraussetzung.

Die Veranstaltung ist kostenfrei.