Inferenzbasierte Ableitung von Produktvarianten auf Basis einer Design Structure Matrix
Produktkonfiguratoren ermöglichen es Kunden, individuelle Präferenzen in produzierbare Produktvarianten zu überführen. Dafür wird jedoch eine umfangreiche, meist manuell gepflegte Wissensbasis benötigt. Beispielsweise führt ein Produktkonfigurator mit neun Komponenten, die jeweils acht Ausprägungen besitzen, bereits zu bis zu 8⁹ = 134.217.728 möglichen Produktvarianten, die in der Wissensbasis gepflegt werden müssen.
Stücklisten enthalten wertvolle Informationen über bestehende Varianten, jedoch liegen sie nur für tatsächlich bestellte Produkte vor. Nicht vorhandene Varianten können dennoch aus vorhandenen Stücklisten abgeleitet werden, wenn Beziehungen zwischen Komponenten und deren Ausprägungen berücksichtigt werden.
Die THD untersucht daher den Einsatz einer Design Structure Matrix (DSM), um das in Stücklisten enthaltene Wissen strukturiert darzustellen. Darauf aufbauend wird ein Inferenzalgorithmus entwickelt, der bisher nicht in Stücklisten dokumentierte, aber technisch realisierbare Komponentenbeziehungen identifiziert und daraus zusätzliche valide Produktvarianten generiert.
Dieser Ansatz ermöglicht es, schnell und automatisiert eine große Anzahl zusätzlicher Produktvarianten in Produktkonfiguratoren verfügbar zu machen. Daraus ergeben sich mehrere positive ökologische Effekte:
- Reduzierung von Fehlkäufen und Rücksendungen: Durch eine größere Menge konfigurierbarer Produktvarianten können Kunden Produkte konfigurieren, die besser zu ihren Anforderungen passen. Dies verringert Fehlkäufe und damit verbundene Rücksendungen, Transportwege und Verpackungen.
- Verlängerung der Produktlebensdauer durch bessere Passgenauigkeit: Individuelle und präziser konfigurierbare Produkte erfüllen die Anforderungen der Kunden besser, wodurch sie länger genutzt und seltener ersetzt werden.
- Verbesserte Wartbarkeit der Wissensbasis: Änderungen oder der Austausch einzelner Komponenten lassen sich in der Wissensbasis einfacher integrieren und pflegen.
- Reduzierung von Ladenhütern: Individuell konfigurierbare Produkte werden nur dann hergestellt, wenn diese von einem Kunden bestellt wurden, wodurch eine Produktion auf Lager und somit mögliche Ladenhüter verhindert werden.
Zusätzlich wird im Rahmen des Projektes ein prototypischer Produktkonfigurator entwickelt, der für weiterführende Forschung verwendet wird.

Screenshot des im Rahmen des AI4GREEN-Projekts entwickelten prototypischen PC-Konfigurators. Die Oberfläche zeigt links die Komponentenauswahl mit Dropdown-Menüs sowie rechts eine strukturierte Zusammenfassung der gewählten Spezifikationen inklusive Preisübersicht und automatischer Leistungseinschätzung.
Prof. Dr. Michael Scholz leitet den Forschungsschwerpunkt Business Data Analytics & Optimization am Technologie Campus Grafenau der Technischen Hochschule Deggendorf. Seine Arbeit fokussiert sich auf Datenanalyse- und Optimierungsalgorithmen, die in verschiedenen wirtschaftlichen Bereichen wie Onlinehandel oder Produktionsplanung eingesetzt werden.
