Datum und Uhrzeit der Durchführung

23. Februar 2027, 9–17 Uhr
24. Februar 2027, 9–17 Uhr
25. Februar 2027, 9–17 Uhr

Unternehmensbeschreibung:
Fördern, Verladen, Palettieren, Verpacken, Sortieren und Verteilen – die BEUMER Group entwickelt und produziert technisch führende Intralogistik-Systeme für den Weltmarkt. Exzellentes Know-how und ein starker Wille, sich konsequent weiterzuentwickeln, ist kennzeichnend für die Mitarbeitenden. Die BEUMER Group fördert diesen Anspruch nach Kräften: im Rahmen eines familiären Miteinanders, das von hoher gegenseitiger Wertschätzung geprägt ist und einer Vertrauenskultur, die Stabilität und Sicherheit schafft. Das gemeinsame Ziel: herausragende und innovative Projekte weltweit umzusetzen.

Themenschwerpunkte:

• Quality, Health, Safety & Environment (QHSE)

• Künstliche Intelligenz und Data Science

• Engineering und Qualitätsmanagement

• Prozess- und Wissensmanagement

• Microsoft 365, Copilot und Systemintegration

• Anwendungsfreundlichkeit und digitale Transformation 

Ausgangssituation und Problembeschreibung:
Im QHSE-Umfeld liegen relevante Informationen häufig verteilt in Managementsystem-Dokumenten, Prozessbeschreibungen, Zeichnungen, Prüfplänen, FMEAs, Gefährdungsbeurteilungen, Fehlerdatenbanken und weiteren Fachsystemen vor.

Mitarbeitende müssen diese Inhalte heute vielfach über Volltextsuchen, manuelle Recherchen und die Auswertung einzelner Dokumente zusammenführen. Das kostet Zeit und erschwert es, vorhandenes Wissen, bereits erfolgreiche Lösungen und vergangene Fehler systematisch zu nutzen.

Generative AI bietet die Chance, Informationen nicht nur zu suchen, sondern situationsbezogen zu generieren, zu strukturieren und in unmittelbar nutzbare Arbeitsergebnisse zu überführen. Denkbare Anwendungen reichen von der Beantwortung von Fragen zu Managementsystemen über die Ableitung von Prüf- und Qualitätslenkungsplänen sowie FMEA-Ausgangsversionen bis zur Erstellung von Gefährdungsbeurteilungen und zur Auswertung großer Mengen an Non-Conformity-Daten.

Die Herausforderung besteht darin, solche Anwendungen fachlich belastbar, datenschutz- und sicherheitsbewusst, nachvollziehbar sowie intuitiv nutzbar zu gestalten. Gewünscht ist insbesondere eine Integration in Microsoft 365 und Copilot. Über geeignete Schnittstellen sollen perspektivisch auch Informationen aus angrenzenden Systemen einbezogen werden können. Bislang fehlen hierfür generische, übertragbare Muster, die anhand konkreter Beispiele prototypisch erprobt sind und als Grundlage für weitere Implementierungen dienen können.

Zielformulierung:
Ziel des Praxisprojekts ist die Konzeption und prototypische Umsetzung wiederverwendbarer AI-Anwendungsfälle für ausgewählte QHSE-Prozesse. Die Studierenden entwickeln eine generische Lösungsarchitektur, praxistaugliche Prompts und, soweit im Projektzeitraum realisierbar, einfache AI-Agent-Prototypen. Die Ergebnisse sollen zeigen, wie QHSE-Informationen schneller gefunden, aus unterschiedlichen Quellen strukturiert zusammengeführt und als qualitätsgesicherte Ausgangsversionen generiert werden können.

• Priorisierung von zwei bis drei besonders geeigneten QHSE-Anwendungsfällen nach Nutzen, Machbarkeit und Übertragbarkeit

• Entwicklung eines wiederverwendbaren Prompt- und Agenten-Konzepts mit klaren Eingaben, Quellen, Verarbeitungsschritten und Ausgaben

• Prototypische Umsetzung mindestens eines End-to-End-Anwendungsfalls anhand bereitgestellter oder generischer Beispieldaten

• Beschreibung einer möglichen Microsoft-365-/Copilot-Integration einschließlich relevanter Schnittstellen zu angrenzenden Systemen

• Definition von Qualitäts-, Sicherheits- und Human-in-the-loop-Prüfungen, damit Ergebnisse nachvollziehbar und fachlich überprüfbar bleiben

• Erstellung einer kompakten Roadmap, mit der weitere QHSE-Anwendungsfälle auf derselben Basis umgesetzt werden können

Aufgabenbereiche:

• Analyse und Strukturierung der QHSE-Anwendungsfälle, Nutzerbedürfnisse, Datenquellen und erwarteten Ergebnisse
• Auswahl von zwei/drei Use Cases
• Entwicklung und iteratives Testen von Prompts für die Informationssuche, Informationsgenerierung und strukturierte Ergebnisaufbereitung
• Konzeption und einfache prototypische Programmierung eines AI Agents in M365 Copilot
• Umsetzung und Test an generischen Beispielen, einschließlich Bewertung von Ergebnisqualität, Nachvollziehbarkeit, Bedienbarkeit und Grenzen
• Definition geeigneter Schutzmechanismen, Freigaben und menschlicher Prüfschritte für fachlich kritische QHSE-Inhalte

Zielgruppe:
Studierende der Fachrichtungen

• Computer Engineering
• Computer Science
• Digital Humanities
• Elektrotechnik
• Informatik
• International Business Studies
• Management
• Management Information Systems
• Maschinenbau
• Materials Science
• Materialwissenschaften
• Nachhaltiger Maschinenbau
• Technomathematik
• Wirtschaftsinformatik
• Wirtschaftsingenieurwesen
• Wirtschaftswissenschaften

Erwünschte (Vor-)Kenntnisse:

• Interesse an Künstlicher Intelligenz, digitalen Arbeitsprozessen und praktischen QHSE-Fragestellungen
• Erste Kenntnisse in Prompt Engineering, generativer AI oder Data Science sind von Vorteil
• Grundverständnis für mindestens eines der Themenfelder: Qualitätsmanagement, Arbeitssicherheit, 
  Umweltmanagement, Engineering oder Prozessmanagement ist hilfreich
• Erfahrung mit Microsoft 365 Copilot oder ähnlichen Tools (ChatGPT, Gemini)
• Fähigkeit, komplexe fachliche Anforderungen strukturiert zu analysieren und nutzerfreundlich aufzube-reiten
• Freude an interdisziplinärer Teamarbeit, Prototyping und der Präsentation konkreter Ergebnisse