Maschinelles Lernen im Handel

IMQAA - Intelligent Master Data Quality Assurance Assistant / Maschinelles Lernen zur Sicherung der Artikelstammqualität im Handel

Maschinelles Lernen, Daten im Warenwirtschaftssystem
Foto: Vitaly Vlasov via pexels

Hochkomplexe IT-Systeme steuern heute die gesamte Warenwirtschaft, insbesondere die Beschaffungs-und Distributionslogistik.  Die dazu notwendige Verwaltung der Artikeldaten stellt für die meisten Unternehmen eine große Herausforderung dar. Der Grund hierfür liegt in der Vielzahl und Komplexität der Daten. Oftmals sind mehrere Millionen filialspezifische Artikelstammdatensätze zu verwalten. Auf Grund der eingehenden Informationen über Artikel und Lieferant muss unter Beachtung der gesetzlichen Vorgaben sowie der unternehmensinternen Geschäftsregeln und Referenzdaten ein Stammdatensatz im Warenwirtschaftssystem erstellt werden.  Welche Attribute in welcher Ausprägung zu pflegen sind, ergibt sich aus den eingehenden Informationen und daraus abgeleiteten Regeln für die Datenerfassung. Es ist für die Anwender nahezu unmöglich, sämtliche Regeln zu überblicken und zu spezifizieren. Das führt zu mangelnder Qualität der Daten im zentralen Warenwirtschaftssystem. Die Folgen sind ein erhöhter Korrekturaufwand, entgangene Umsätze oder Verzögerungen bei der Einführung neuer Softwarelösungen. Datenfehler verursachen so einen hohen wirtschaftlichen Schaden.

Ziel des Forschungsvorhabens ist es, einen intelligenten, lernfähigen Assistenten zu entwickeln, der mittels Verfahren des maschinellen Lernens u.a. Datenqualitätsregeln bestimmt, diese kontinuierlich aktualisiert und optimiert sowie den Benutzern dieses Wissen zur Verfügung stellt. Der Assistent soll, wenn möglich, Fehler automatisch korrigieren bzw. den Nutzer mit erlernten Vorschlagswerten bei der Datenkorrektur unterstützen. Hierdurch kann der Automatisierungsgrad bei zentralen Aufgaben der Datenqualitätssicherung im Warenwirtschaftssystem signifikant erhöht und die Kosten erheblich reduziert werden. Eine Evaluation des Assistenten erfolgt in einer Test- und Entwicklungsumgebung anhand von Artikelstammdaten, die von assoziierten Partnerunternehmen bereitgestellt werden.

Konsortium retailsolutions GmbH (Saarbrücken), Hochschule Trier (Umwelt-Campus Birkenfeld), Institut für Softwaresysteme
Laufzeit September 2018 – August 2020
Gefördert durch Bundesministerium für Bildung und Forschung im Programm KMU-innovativ: IKT
Fördersumme 183.235 € (Förderanteil der Hochschule inkl. Projektpauschale)

Projektleitung an der Hochschule Trier:

Prof. Dr. Rolf Krieger
Prof. Dr. Rolf Krieger
Professor FB Umweltplanung/Umwelttechnik - FR Informatik

Kontakt

+49 6782 17-1302

Standort

Birkenfeld | Gebäude 9925 | Raum 137

Sprechzeiten

Vorlesungszeit: Mittwochs, 10:45 - 11:15 Uhr und nach Vereinbarung Vorlesungsfreie Zeit: Nach Vereinbarung
back-to-top nach oben