Logistik

Dr.-Ing. Peter Poschmann

Werdegang

  • Seit November 2017 Wissenschaftlicher Mitarbeiter am Fachgebiet Logistik, Institut für Technologie und Management der Technischen Universität Berlin unter der Leitung von Prof. Dr.-Ing. Frank Straube
  • Von 2015 bis 2017 Wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Materialfluss und Logistik, Center für Maritime Logistik, Hamburg
  • Praktika u.a. bei Lufthansa Technik AG und Adam Opel AG, Frankfurt am Main/Rüsselsheim
  • Mehrjährige Tätigkeiten als studentischer Mitarbeiter u.a. am Fachgebiet Supply Chain- und Netzwerkmanagement von Prof. Dr. Hans-Christian Pfohl an der TU Darmstadt
  • Studium des Wirtschaftsingenieurwesens (M.Sc., B.Sc.) mit Fachrichtung Maschinenbau an der Technischen Universität Darmstadt

Forschung

Forschungsprojekt SELECT - Smarte Entscheidungsassistenz für Logistikketten der Binnenschiffahrt durch ETA-Prognosen (Anwendung von Maschinellem Lernen zur Ankunftszeitenprognose in der Binnenschifffahrt)

Forschungsprojekt SMECS - Smart Event Forecast for Seaports (Anwendung von Maschinellem Lernen zur Ankunftszeitenprognose im kombinierten Straße-Schiene-Verkehr) (www.smecs-eta.de)

Veröffentlichungen

Artikel und Buchbeiträge

Poschmann, P.; Weinke, M.; Straube, F. (2022): „Predicting Estimated Arrival Times in Logistics using Machine Learning“. In: Wang, J. (Hrsg.): Encyclopedia of Data Science and Machine Learning. Hershey, USA: IGI Global, S. 2683-2701

Poschmann, Weinke, Straube, Kliewer, Gerhardt (2022): Künstliche Intelligenz in der Binnenschifffahrt: Steigerung der Zuverlässigkeit von Binnenschifftransporten durch datenbasierte Ankunftszeitprognosen. Internationales Verkehrswesen, 2/2022.

Weinke, Poschmann, Straube (2021): Decision-making in Multimodal Supply Chains using Machine Learning. In Kersten, Ringle, Blecker (Hg.): Adapting to the future: how digitalization shapes sustainable logistics and resilient supply chain management, S. 301–326, Berlin: epubli.

Poschmann, Weinke, Straube (2021): Predictions of Disruptions in Multi-Modal Transport Chains Using Artificial Intelligence. In: Bundesvereinigung Logistik (BVL) (Hg.): International Scientific Symposium on Logistics - Conference Volume. Bremen, S. 85-90. 

Straube, Weinke, Poschmann (2020): "Hohes Potenzial für lernende Systeme in logistischen Entscheidungsprozessen". In: VDI Fachmedien GmbH & Co. KG

Straube, Poschmann, Weinke, et al. (2020): Smart Event Forecast for Seaports (SMECS): Schlussbericht. Hg. v. Technische Universität Berlin, Fachgebiet Logistik.

Richta, Baltes, Skowron, Weinke, Poschmann et al. (2020): "Prognose von Ankunftszeiten im Schienengüterverkehr". In: Deine Bahn 03/2020, Bahn Fachverlag, S. 44-51.

Poschmann, Weinke, Balster, Straube, Friedrich, Ludwig (2019): Realization of ETA Predictions for Intermodal Logistics Networks Using Artificial Intelligence. In: Clausen, Langkau, Kreuz (Hg.): Advances in Production, Logistics and Traffic: Proceedings of the 4th Interdisciplinary Conference on Production Logistics and Traffic 2019, S. 155-176, Berlin: Springer.

Weinke, Poschmann, Straube (2018): Künstliche Intelligenz in Logistiknetzwerken
Verbesserung der Zuverlässigkeit maritimer Transportketten durch akteursübergreifende ETA-Prognosen. In: Internationales Verkehrswesen (70) 4 | 2018, S. 71 – 75.

Poschmann, Kleineidam (2018): Informationstechnologie: Predictive Maintenance als Kernkompetenz für Industrie 4.0 – Potenziale und Herausforderungen in der Umsetzung. In: Klinkner, R.; Straube, F. (Hrsg.): Manufacturing Excellence Report 2018, Universitätsverlag der TU Berlin 2018, Band 14, S.104-107

Weinke, Poschmann (2018): "Lean 4.0 - Eine Zukunftsweisende Symbiose". In: Klinkner, R.; Straube, F. (Hrsg.): Manufacturing Excellence Report 2018, Universitätsverlag der TU Berlin 2015, Band 11, S. 82-84.

John, Poschmann (2017): Fleet Management Systems 2018. Fraunhofer Verlag.

Poschmann, John (2017):Zustandsbasierte Instandhaltung in der Schifffahrt. Schiff&Hafen 8/2017.

John, Poschmann (2016): Approach for a Supply Chain Optimization Model for Spare Part Procurement in Ship Management, IAME 2016 Hamburg.

Elbert, Seikowsky, Müller, Poschmann (2015): Wege zum Kombinierten Verkehr – Eine Analyse potentieller Transportrelationen und Angebote von, nach und innerhalb Deutschlands, Internationales Verkehrswesen 2/2016.

Vorträge

"Predicting arrival times and disruptions in multimodal transport networks by using Artificial Intelligence". International Scientific Conference Euro-Trans 2021, 21.09.2021, Warschau.

"ETA Prediction for Intermodal Transport Chains Using Machine Learning". Hamburg International Conference of Logistics (HICL), 26.09.2019, Hamburg.

"Entwicklung von ETA-Prognosen für multimodale Transportketten mithilfe Künstlicher Intelligenz." Konferenz Verkehrsökonomik und -politik, 23.05.2019, Berlin.

"Realization of ETA Predictions for Intermodal Logistics Networks Using Artificial Intelligence". 4th Interdisciplinary Conference on Production Logistics and Traffic (ICPLT), 28.03.2019, Dortmund.