Zum Inhalt springen

Fachtagung zu Data Science und Künstlicher Intelligenz

Industry meets Science

Fachtagung zu Data Science und Künstlicher Intelligenz
Titelbild KI-generiert mit Adobe Photoshop

Fachhochschule Südwestfalen in Meschede I Mittwoch, 24.09.2025 | 9:30 - 17:30 Uhr
Zum Kalender hinzufügen

Tagung für Unternehmen & Forschende

Sie haben Interesse an KI oder sind in Ihrem Unternehmen oder Ihrer Organisation bereits in der Anwendung? Wir laden Sie herzlich dazu ein, an unserer interdisziplinären Veranstaltung teilzunehmen.

Die Fachtagung bietet eine Plattform für innovative Forschung und praxisorientierte Ansätze in den Bereichen Künstliche Intelligenz, Data Science und technische Systeme. Wir bieten

  • Vortragsreihen
  • Workshops
  • Networking
  • Demos und Use Cases

rund um intelligente Systeme. Auch die Fachhochschule Südwestfalen stellt sich, ihre kooperativen Forschungsprojekte und ihr Know-how an dem Tag vor.

Programm der Fachtagung zu Data Science und Künstlicher Intelligenz am 24.09.2025
Von der Forschung zur Praxis: KI-Anwendungen in verschiedenen Branchen: 4 Blöcke - 2 Tracks - 24 Präsentationen

Tagesablauf / Überblick

09:30 - 10:00 Uhr
Begrüßung & Eröffnung

10:00 - 11:15 Uhr
Block 1: Industry Applications & Digital Transformation

11:30 - 12:45 Uhr
Block 2: Enterprise Solutions & Knowledge Management

12:45 - 13:45 Uhr
Mittagspause & Postersession

13:45 - 15:00 Uhr
Block 3: Technical Innovation & Specialized Applications + Workshop 1

15:15 - 16:30 Uhr
Block 4: Sector-Specific Applications & Social Impact + Workshop 2

16:35 - 17:05 Uhr
Abschied

17:05 - 19:00 Uhr
Networking

Ansprechpartner

Veranstaltungsort

 Campus Gebäude

Fachhochschule Südwestfalen
Standort Meschede
Lindenstraße 53
59872 Meschede

Anfahrt

10:00 - 11:15 Uhr I Block 1: Industry Applications & Digital Transformation

Track A: Automotive & Manufacturing (Raum 8.1)

LLM-Finetuning zur Integration in BMW Workflows für Crashtest Analysen
J. Stadler, BMW (20 min + 5 min Q&A)

Selbstlernende Systeme für die Produktion
Prof. Dr.-Ing. Andreas Schwung, Fachhochschule Südwestfalen (20 min + 5 min Q&A)

Digitalisierung in der Industrie
Jan Horsthemke, Carpenter Engineered Foams Germany GmbH (20 min + 5 min Q&A)



Track B: Science & Research Infrastructure (Raum 1.1.2)

Digitale Transformation in der Erforschung von Universum und Materie (ErUM-Data)
A. Warkentin, RWTH (20 min + 5 min Q&A)

Die Unterschiede im Fokus von Wissenschaft und Wirtschaft beim Einsatz von Machine-Learning
S. Osterburg, TRILUX Digital Solutions (20 min + 5 min Q&A)

SMART Standards und AI - Normen für die digitale Anwendung fit machen
Damian A. Czarny, VDE DKE (20 min + 5 min Q&A)

11:30 - 12:45 Uhr I Block 2: Enterprise Solutions & Knowledge Management

Track A: Enterprise AI Systems (Raum 8.1)

Salesforce AI & Agentforce: Wie Künstliche Intelligenz Service und Vertrieb neu definiert
Ingo Massholt, Salesforce (20 min + 5 min Q&A)

Künstliche Intelligenz ist längst in der Unternehmenspraxis angekommen – doch wie entfaltet sie konkret den Mehrwert im Alltag?
In dem Vortrag wird erklärt, wie Salesforce durch den Einsatz von KI-gestützten Agenten heute in Service und Vertrieb eingesetzt wird. Im Fokus stehen reale Anwendungsfälle aus internationalen Unternehmen, die Rolle moderner Datenarchitekturen wie der Salesforce Data Cloud, der Einsatz von Large Language Models (LLMs) sowie die nahtlose Integration von KI gestützten Agenten in bestehende Geschäftsprozesse. Dabei wird deutlich, welche Potenziale in der Automatisierung von Interaktionen, in der Personalisierung von Kundenansprachen und in der Unterstützung von Mitarbeitenden durch autonome Agenten liegen. Der Vortrag bietet praxisnahe Einblicke in Chancen, Herausforderungen und Erfolgsfaktoren – und zeigt, wie auch mittelständische Unternehmen KI skalierbar und gewinnbringend einsetzen können.

Role Based Prompt Engineering trifft Business Value – Eine AgeNTThek als Hebel für Human-Centered AI Enablement
Sascha Nehm & Dr. Jens Kawelke, NTT Data (Abteilung GenAI Strategy & Business Transformation) (20 min + 5 min Q&A)

Wie verändert Generative KI die Rolle von Mitarbeitenden in der Wertschöpfungskette? Dieser Vortrag zeigt, warum nicht Technologie, sondern das Mindset der Menschen über den Erfolg von KI entscheidet. Anhand eines praxisbewährten 4-Stufen-Modells von NTT DATA wird deutlich, wie Organisationen von Awareness über Anwendung bis hin zu KI-Agenten geführt werden – ohne die Mitarbeitenden zu verlieren. Im Zentrum steht die interne AgeNTThek – eine Plattform für rollenbasierte, wiederverwendbare KI-Agenten, die echte Wirkung im Arbeitsalltag entfalten. Der Beitrag liefert Einblicke in konkrete Use Cases, Change-Erfahrungen und den strategischen Weg zu nachhaltigem Enablement. Ein Plädoyer für strukturiertes Vorgehen, Human-Centered Design – und den Mut zur Veränderung.

Effizienter Wissenszugriff durch KI-Assistenzsysteme: Praxisbeispiele für den Einsatz von Sprachmodellen in Unternehmen
Dr. Simon Stieber, Xitaso (20 min + 5 min Q&A)

Chatbots sind in aller Munde, doch oft schöpfen sie nicht das volle Potential aus. Dieser Vortrag beleuchtet, wie im Unternehmenskontext implizites (Experten-)Wissen extrahiert und effektiv mit bestehendem Unternehmenswissen verknüpft werden kann. Dies ermöglicht nicht nur eine Demokratisierung von Wissen, sondern rüstet Unternehmen auch gegen den Fachkräftemangel. Wir zeigen, wie ein nahtloser Zugriff auf dieses Wissen in fortschrittlichen Assistenzsysteme realisiert werden kann. Zusätzlich wird auf die Herausforderungen eingegangen, die bei der Umsetzung solcher Systeme auftreten können, wie etwa die Integration in bestehende IT-Infrastrukturen und die Sicherstellung der Daten- und Antwortqualität.

Track B: Knowledge & Data Management (Raum 1.1.2)

KI-Kompetenz in Südwestfalen: Die Rolle der IHK Arnsberg
Nico Krause, IHK Arnsberg (20 min + 5 min Q&A)

Kniit – Innovation für die Energiewirtschaft
Henrik Ostermann (20 min + 5 min Q&A)

Kniit ist ein KI-gestützter Knowledge-Hub, der Fachwissen in der Versorgungsbranche automatisiert, zielgerichtet und effizient bereitstellt. Die Lösung unterstützt Mitarbeitende und Systeme dabei, komplexe Informationen schnell zu verarbeiten und passende Handlungsempfehlungen zu erhalten.

Lokale LLMs für SAP: Cloudfreie KI-Integration in Supply Chain Prozesse
Prof. Dr. Christian Leubner, Fachhochschule Südwestfalen (20 min + 5 min Q&A)

Effizienzsteigerung und Automatisierung verspricht SAP seinen Kunden mit neuen KI-Angeboten. Aber leider nur denen, die SAP bereits in der Cloud nutzen. Der Vortrag zeigt am Beispiel Bestandsoptimierung in der Supply Chain, wie auch On-Premises SAP-Systeme mit Hilfe von lokal betriebenen LLMs und Agentic AI komplett cloudfrei optimiert werden können.

Workshop 1 - parallel zu Block 2 (Raum 8.2)

Künstliche Intelligenz mit Spickzettel: RAG verstehen und anwenden – ein Mitmach-Workshop
Prof. Dr. Gawron (Dauer: 75 Minuten)

Künstliche Intelligenz trifft Praxis: In diesem interaktiven Mitmach‑Workshop lernen Sie, wie Retrieval‑Augmented Generation (RAG) funktioniert und wie Sie damit verlässliche, kontextbewusste KI‑Anwendungen bauen. Dabei setzen wir Embeddings, Vektor‑Stores und Large Language Models zusammen, testen Retrieval‑Strategien und bewerten die Ergebnisqualität — ganz ohne tiefe Vorkenntnisse.
Sie erhalten einen praxistauglichen Spickzettel, Beispiel‑Code und klare Kriterien zur Auswahl von Modellen und Architekturen, sodass Sie RAG sofort in eigenen Projekten einsetzen können. Bitte bringen Sie für die praktischen Übungen einen Laptop mit.
Für Entwicklerinnen und Entwickler, Produktverantwortliche sowie Neugierige, die KI‑Funktionalität verantwortungsvoll und effektiv in ihre Arbeit integrieren möchten.

Voraussetzungen:
- Laptop

12:45 - 13:45 Uhr I Mittagspause & Postersession

Mittagessen

Zeit für Networking und vertiefende Diskussionen

Postersession

16 Forschungsposter - Aktuelle Entwicklungen in ML & KI

Details

13:45 - 15:00 Uhr I Block 3: Technical Innovation & Specialized Applications

Track A: Hardware & Infrastructure (Raum 8.1)

Data-Driven Productivity and Innovation in Semiconductor Industry
S. Arens, Infineon (20 min + 5 min Q&A)

Energieeffiziente KI durch spezialisierte Hardware: Deep Learning auf FPGAs
Prof. Dr. Heiner Giefers, Fachhochschule Südwestfalen (20 min + 5 min Q&A)

Urban Climate Twin: Semi-Supervised Learning für Urbane Digitale Zwillinge
Julia Degen & Richard Iltner, Fachhochschule Südwestfalen (20 min + 5 min Q&A)

Zuverlässige KI-Anwendungen setzen qualitativ hochwertige Daten voraus – in der Praxis ist die Datenlage jedoch oft unvollständig, fehlerhaft oder nur punktuell belastbar. Gerade für das Training von digitalen Zwillingen ist ein verlässlicher Ground-Truth jedoch unerlässlich; fehlt dieser, muss er mithilfe geeigneter maschineller Lernverfahren gezielt erzeugt werden. Zwei vielversprechende Ansätze, um dennoch robuste Modelle zu entwickeln, sind Active Learning und Model-Agnostic Meta-Learning (MAML): Während Active Learning gezielt informative Datenpunkte auswählt, um Pseudo-Ground-Truth zu erzeugen, ermöglicht MAML die schnelle Adaption von Modellen auf neue, datenarme Szenarien. In Kombination lassen sich so auch unter schwierigen Bedingungen leistungsfähige KI-Systeme entwickeln. Der Vortrag gibt Einblick in aktuelle Forschungsarbeit des Projekts „Urban Climate Twin“ und stellt heraus, wie diese Methoden zur Entwicklung von digitalen Zwillingen angewendet werden können.

Track B: Software & Development (Raum 1.1.2)

Break on Through to The Other Side? Requirements Engineering nach der GenAI-Zeitenwende
Prof. Dr. Henning Femmer, Fachhochschule Südwestfalen (20 min + 5 min Q&A)

Basismodelle für Sprachanwendungen
Prof. Dr. S. Goetze, Fachhochschule Südwestfalen (20 min + 5 min Q&A)

Moderne Softwareentwicklung – Steigerung der Effizienz durch den Einsatz von KI in der Prozesskette
Sascha Dömer, KNIPEX (20 min + 5 min Q&A)

Workshop 2 - parallel zu Block 3 (Raum 8.2)

Herausforderungen in Produktion und Logistik mit KI lösen – Wir nehmen ihre Problemstellungen auf
Prof. Dr.-Ing. Schwung, Prof. Dr.-Ing. Lier (Dauer: 75 Minuten)

Die Leistungsfähigkeit moderner KI-basierter Systeme hat in den vergangenen Jahren stetig zugenommen. Auch für industrielle und logistische Aufgaben, wie z.B. die Produktionsplanung und -steuerung, Routenplanung, Ressourcenplanung, Auslastungsplanung und –steuerung aber auch die industrielle Datenanalyse sind mittlerweile KI-basierte Ansätze verfügbar. Diese haben den Vorteil, schnell auf dynamische Änderungen reagieren zu können und auch sehr komplexe, verbundene Fragestellungen lösen zu können. Sie erlauben so einen ganzheitlicheren Ansatz zur Optimierung aller Produktions- und Logistikprozesse in Unternehmen. Der Workshop hat zwei wesentliche Ziele: Einerseits sollen die Teilnehmer mittels kurzer Impulsvorträge über die Möglichkeiten von KI-basierter Verfahren in Produktion und Logistik informiert werden. Andererseits möchten wir im Rahmen des Workshops die Bedarfe, Anforderungen und Herausforderungen der Unternehmen im Hinblick auf digital und KI-gestützte Aufgaben aufnehmen. Hierbei sollen aktuelle Fragestellungen der Unternehmen diskutiert und mögliche erste Lösungsansätze erarbeitet werden.

Voraussetzungen:
- keine Vorkenntnisse erforderlich
- keine spezielle Hardware/Software erforderlich

15:15 - 16:30 Uhr I Block 4: Sector-Specific Applications & Social Impact

Track A: The Transformative Power of AI (Raum 8.1)

How to win the Bundesliga with AI
F. Petschke, Bayer 04 Leverkusen (20 min + 5 min Q&A)

Neurosymbolic AI for Knowledge Management
Prof. Dr. Thomas Kopinski, Fachhochschule Südwestfalen (20 min + 5 min Q&A)

Revolution durch KI: Gebärdensprache barrierefrei
Jonas Stephan, Cobtras (20 min + 5 min Q&A)

Track B: Industry & Logistics (Raum 1.1.2)

Praxisnahe Einblicke: KI-Projekte in der Verpackungsindustrie
A. Wunn, HAVER & BOECKER OHG (20 min + 5 min Q&A)

Mit über 100 Jahren Erfahrung in der Verpackungsindustrie treibt Haver & Boecker OHG heute die Integration von KI-Technologien in industrielle Prozesse voran. Der Vortrag gibt Einblicke in konkrete Anwendungsfälle, darunter erste Computer-Vision-Projekte zur automatisierten Qualitätskontrolle. Ergänzt wird dies durch aktuelle Forschungsarbeiten in den Bereichen Robotik und Predictive Maintenance. Wir zeigen, wie KI-Lösungen in bestehende Produktionsumgebungen integriert werden können und welche Herausforderungen dabei zu meistern sind. Ziel ist es, praxisnahe Erfahrungen zu teilen und den Austausch über innovative Technologien zu fördern.

KI bei der Planung für hochautomatisierte Logistik mit Transportdrohnen
Lukas Ostermann, Koerschulte GmbH (20 min + 5 min Q&A)

GenAI Use Cases und Sustainability
M. Pyka, Lachmann & Rink (20 min + 5 min Q&A)

16:35 - 17:05 Uhr I Ausklang

Verabschiedung und Networking

Zusammenfassung der Tageshighlights / Ausblick auf zukünftige Entwicklungen / Danach Gelegenheit zum Networking

Postersession im Foyer

16 Forschungsposter - Aktuelle Entwicklungen in ML & KI

Entdecken Sie innovative Forschungsarbeiten und praktische Anwendungen

The CRISTAL Method: Fast, reliable analytical problem-solving with pre-synthesized grounded world models
Felix Neubürger

RAG vs. Agentic RAG
Yasser Saeid

Entwurf von Open-Source-Agentensystemen für mehrstufige Tiefenforschung
Rohil Rao

Learning with the help of AI
Sanjay Gupta

Data Engineering for LLMs
Amir Moghanjoughi

LLM-based Knowledge Graph Construction
Ole Katzenberger

Large Language Models (LLMs) are increasingly used for Knowledge Graph (KG) construction, but their outputs often lack semantic consistency and structural coherence. Ontologies can address this by constraining extraction and enabling validation, reasoning, and integration. This study evaluates Neo4j, LangChain, and a custom approach for ontology-guided KG construction from German texts on nuclear decommissioning. A modular pipeline was developed to process inputs of varying complexity, using custom ontologies and ground truths for evaluation with precision, recall, and F1. The pipeline provides a reusable, systematic way to benchmark and improve LLM-based extraction strategies.

GraphRAG for regulatory data
Christian Vahrenkamp

Reliable AI for Safety-Critical Fact-Checking with LLMs, RAG, and Uncertainty Estimation
Daniel Gierse

The increasing popularity of Large Language Models (LLMs) in Natural Language Processing has led to significant advancements, but ensuring the reliability and trustworthiness of their outputs remains a critical challenge. This work is set in the domain of nuclear decommissioning and addresses the challenge by proposing an agent architecture that integrates LLMs for knowledge retrieval and generation as well as probabilistic, logit- and similarity-based methods for uncertainty estimation. The agent utilizes Retrieval-Augmented Generation (RAG) to access and process relevant information from a knowledge base, enabling it to look up relevant data to identify inconsistencies.

Projekt Urban Climate Twin
Ein Projekt in Kooperation mit der Stadt Soest

Serious Games meets KI: Programmierenlernen adaptiv gedacht
Dehbia Kouadria

Transfer Learning in Multi-Agent Systems: Evolutionary Algorithms and Dynamic Grid Structures for Industrial Applications
Marlon Löppenberg

Distributed production systems for process measurement and control are increasingly required to reconcile economic objectives, such as energy efficiency and productivity, with critical technical demands, including flexibility, real-time capability, and reliability. This paper proposes a novel methodology that employs dynamic grid structures for state space representation, embedded within a centralized control framework for multi-agent systems in the context of multi-objective industrial automation. The approach integrates action-oriented decision-making with evolutionary mechanisms by selection, recombination, and mutation, to enable adaptive optimization. Operating within an agent-based interaction cycle, these structures facilitate continuous heterogeneous learning. In addition, the methodology supports heterogeneous knowledge transfer among agents through graph-theoretic data structures, ensuring the efficient dissemination of specialized expertise. The developed strategies are systematically validated in an industrial laboratory environment, addressing the challenges associated with multi-objective optimization in complex, highly interconnected manufacturing processes. The results demonstrate significant advancements in evolutionary knowledge transfer, notable improvements in production efficiency through reduced energy consumption, and the practical applicability of dynamic network structures in real-world industrial settings.

Resampling Multi-Resolution Signals Using the Bag of Functions Framework
David Salazar

This paper introduces the Multi-Resolution Bag of Functions (MR-BoF) framework, a novel approach for analyzing time series data with varying sampling rates. Unlike traditional methods requiring uniform sampling, MR-BoF uses a flexible, sampling-rate-independent technique to decompose time series signals of different resolutions. Our experiments demonstrate that this framework accurately reconstructs original data and improves resampling capabilities by leveraging decomposed components. The results highlight MR-BoF's effectiveness in handling irregular sampling rates and data from diverse acquisition systems, making it a valuable tool for applications in finance, healthcare, industrial monitoring, and sensor networks.
Ref: Salazar Torres, D.O.; Altinses, D.; Schwung, A. Resampling Multi-Resolution Signals Using the Bag of Functions Framework: Addressing Variable Sampling Rates in Time Series Data. Sensors 2025, 25, 4759. https://doi.org/10.3390/s25154759

Continual Learning by Gradient Monitoring
Rafay Bin Shah

Adaptive Fusion of Intermodal and Intramodal Correlations for Fault-tolerance
Diyar Altinses

Minimizing disruptions in large-scale industrial operations is essential, as unexpected downtime leads to considerable expenses from wasted energy, labor, and materials. Traditional predictive maintenance strategies are effective for managing gradual degradation but are insufficient when failures occur abruptly and without warning. To address this limitation, we present the Multimodal Concept Fusion Architecture, a deep learning framework specifically designed to integrate diverse, noisy, and multimodal data representations. The framework emphasizes the fusion of latent features across structurally different modalities, using a learned concept that dynamically balances shared and contrasting information. Beyond improving fusion, this approach naturally supports anomaly detection and enhances model interpretability. By incorporating concept-guided fusion, the method allows decision processes to be traced back to the influence of individual modalities, thereby improving transparency and reliability. We validate the effectiveness and robustness of this architecture through experiments on three carefully designed multimodal datasets that simulate industrial scenarios, including sensor malfunctions introduced via targeted data augmentation.

Flexible Manufacturing Systems intralogistics: Dynamic optimization of AGVs and tool sharing using Colored-Timed Petri Nets and actor–critic RL with actions masking
Sofiene Lassoued, Laxmikant Shrikant Baheti, Nathalie Weiß-Borkowski

We present a novel approach for optimizing Flexible Manufacturing Systems by combining Colored-Timed Petri Nets with Reinforcement Learning. Our method enables real-time machine scheduling while coordinating automated guided vehicles and shared tools, addressing complex shop floor operations efficiently. Unlike traditional heuristics or metaheuristics, it retains learned knowledge for faster decision-making, adapts to dynamic changes, and scales to large production scenarios, significantly reducing computation time while maintaining high-quality schedules.

RL for Drone Logistics Scheduling
Laxmikant Shrikant Baheti

Zurück zum Programm

Anmeldung

Die Teilnahme an der Fachtagung zu Data Science und Künstlicher Intelligenz ist kostenlos.
Wir freuen uns auf Ihre Anmeldung!


Datenschutzhinweis
Mit dem Abschicken des Formulars erklären Sie sich damit einverstanden, dass Ihre Daten gespeichert und verarbeitet werden. Ihre Einwilligung können Sie jederzeit für die Zukunft widerrufen. Die Rechtmäßigkeit der aufgrund der Einwilligung bis zum Widerruf erfolgten Verarbeitung wird nicht berührt. Darüber hinaus stehen Ihnen weitere Rechte als betroffene Person zu. Informationen zu der Datenverarbeitung und Ihren Rechten finden Sie in der  Datenschutzerklärung der Fachhochschule Südwestfalen. Diese Rechte können Sie gegenüber der folgenden Person gelten machen: Prof. Dr. Thomas Kopinski (E-Mail:  kopinski.thomas@fh-swf.de). Ihre Daten werden bis drei Tage nach der Veranstaltung aufbewahrt und anschließend ausnahmslos gelöscht.