Durch die Kombination von Methoden aus der Informatik und dem Operations Research werden Abläufe in der Produktion effizienter gestaltet. Die Anwendung der Algorithmen kann im eigenen Labor auf Demonstratoren entwickelt und getestet werden.

Reihenfolgeplanung und Rüstzeitoptimierung können ebenso simuliert werden wie Instandhaltungspläne oder Ressourcenzuweisung. Die Verwendung von autonome Robotern sowie die Entwicklung effizienter Dispositionsstrategien für Fahrzeuge können simulativ evaluiert werden. Parameterstudien & Sensitivitätsanalysen sind dank vielfältiger Schnittstellen möglich.

Methoden des maschinellen Lernens, wie Gaußsche Prozesse & Neuronale Netze, prognostizieren Kennzahlen basierend auf der Systemauslastung. Das ermöglicht u.a. die dynamische Auswahl von Steuerungsregeln. Weiterhin können die Wirkzusammenhänge in Prozessen sowie die Korrelationen zwischen (Eingabe-) Parametern und Prozessauswirkungen ausgewertet werden.

Typische Problemstellungen sind z.B. die Optimierung der Installation und Wartung von Windkraftanlagen, die Optimierung des Umgangs mit Chef-Aufträgen im Produktionsbetrieb, die Optimierung der Intralogistik am Beispiel der Warenbereitstellung im Einzelhandel, die dynamische Regelselektion in der Reihenfolgeplanung u.v.m.