Dr. Paulina Prantl (geb. Sierak)

Forschung

Dr. Paulina Prantl forscht mit ihrer Abteilung Analytics und speziell der Gruppe »Data Efficient Automated Learning« zu den Einsatzmöglichkeiten von Maschinellem Lernen (ML) im Industrie-Kontext. Denn gerade im industriellen Umfeld und der Produktion sind ML-basiert Prozessoptimierungen oder Entscheidungsunterstützungen oft nur schwer ein- und umsetzbar. Sei es, weil zu wenige große annotierte Datensätze vorliegen, sei es, weil die vorhandenen Daten zu einseitig für Maschinelle Lernverfahren sind. Auch können für einen bestimmten Anwendungsfall entwickelte Algorithmen in der Regel nicht ohne weiteres auf andere Anlagen übertragen werden, selbst wenn diese baugleich ausfallen, was eine Einsatz von ML-Verfahren in der Industrie zusätzlich verkompliziert. Deshalb entwickelt Paulina Prantl mit ihrem Team Methoden des Few Labels Learning oder der Domain Adaptation weiter, um hier zukünftig die Übertragungsmöglichkeiten zu erleichtern. Zusätzlich beschäftigt sich die Gruppe mit der Automatisierung von Maschinellen Lernen (Auto ML), also der automatischen Auswahl und Anpassung von geeigneten ML-Modellen in Industrieprozessen, um so datengetriebene und wenn möglich weitgehend automatisierte Entscheidungssysteme aufbauen zu können.

Vita

Seit 2024
Leiterin der Abteilung Analytics im Bereich Supply Chain Services des Fraunhofer IIS

Seit 2021
Leiterin der Gruppe Data Efficient Automated Learning DEAL im Bereich Supply Chain Services des Fraunhofer IIS

2019-2021
Fachliche Teamleitung in der Produktionsplanung von Medienbefüll-Anlagen bei BMW (z.B. Kraftstoffbetankung, Bremsflüssigkeitsbefüllung, Kältemittel, Kühlmittel etc.)

2017–2019
Spezialistin Produktionsplanung Montageprozessplanung/Anlagenplanung im Bereich Fahrzeugfinish

2014–2017 (Promotionsabschluss 2020)
Promotion bei BMW in Kooperation mit dem Laboratorium für Werkstoff und Fügetechnik an der Universität Paderborn sowie dem Leiden Institute of Advanced Computer Science, NL

2007–2014
Studium Maschinenbau an der Technischen Universität München (TUM)

Ausgewählte Publikationen und Referenzen

Publikationen:

Meschut, G., Sierak, P. (2020): Qualifizierung intelligenter Datenanalysemethoden bei vollautomatisierten Klebtechnikanwendungen. In: Berichte aus dem Laboratorium für Werkstoff- und Fügetechnik. Band 147. Shaker-Verlag

Vorträge:

Ressourceneffizienz durch KI vs. Ressourceneffiziente KI und Panelvortrag: Klimaneutrale Produktion & Logistik: Wie weit ist die Autoindustrie wirklich? (2023)
Automobil Produktion Kongress, 16.Mai 2023, München.

Inline Quality Forecast of Adhesive Bonding Processes in Electric Vehicle Production (2017) Vortrag zusammen mit Maier, N.; Meschut, G.; Bäck, Th. ; Assembly Engineering Insight @JLR, Sep. 27-28, Gaydon/Solihull, UK, 2017.

Parameter Cross Interaction of Fully Automated Adhesive Application Processes for Automotive Applications (2016) Vortrag mit Meschut, G. Bäck, Th.; »Eleventh European Adhesion Conference and Thirteenth International Triennial Conference on the Science and Technology of Adhesion and Adhesives« (EURADH & ADHESION 2016) vom 21.-23.9.2016 in Glasgow, UK

Patente:

Sierak, P.; Girolstein, C.; Nagel, S.: Verfahren zur Prognose der Qualität von Klebverbindungen. DE 10 2016 217 948 A1. 2016.

Interviews:

»Data Efficient Automated Learning« (DEAL) – eine Gruppe stellt sich neu auf Lesen Sie hier das Interview über ihre Forschung und Rolle als Gruppenleiterin.