M.Sc.

Aymen Gannouni

Forschungsgruppenleiter

Bced04B9Eb0F8Aa81470676A810Fdf24
Raum
D 2.26
Telefon
+49 241 80 91139
E-Mail
Herr Gannouni ist seit Januar 2020 als wissenschaftlicher Mitarbeiter am Lehrstuhl für Informationsmanagement im Maschinenbau tätig. Er leitet die Forschungsgruppe Production Enhacing Technologies innerhalb der Abteilung Data Intelligence. Zuvor hat Herr Gannouni Informatik mit Nebenfach Betriebswirtschaftslehre im Bachelor und Master an der RWTH Aachen studiert und sich während seines Auslandssemesters an der EPF Lausanne intensiv mit Data Science auseinandergesetzt. In seiner Masterarbeit beschäftigt er sich mit dem Einsatz künstlicher Intelligenz in der Produktionsplanung und Steuerung, insbesondere dem Lösen kombinatorischer Optimierungsprobleme mittels Deep Reinforcement Learning (auch bekannt als neuronale kombinatorische Optimierung). Im Zuge seiner Tätigkeit ist Herr Gannouni in Industrie 4.0 Digitalisierungsprojekten verschiedener Branchen involviert (z.B. Hoch- und Tiefbau; Textilfertigung; Kunststoffverarbeitung; Batteriezellfertigung). Zudem arbeitet er am Exzellenscluster Internet of Production der RWTH Aachen University mit und erforscht in diesem Zusammenhang Digitale Schatten in der Produktion. Zu seinen Forschungsinteressen gehören unter anderem Reinforcement Learning, Data Science, Operations Research, Digitale Schatten und Industrie 4.0.

Aktuelle Publikationen

Human-Centric Machine Learning for Temporal Knowledge Graphs: Towards Understanding the European Alternative Fuels Market
Jungnickel, Robert; Gannouni, Aymen; Abdelrazeq, Anas; Isenhardt, Ingrid
IEEE Symposium on Visual Languages and Human-Centric Computing (VL/HCC), 2022, IEEE, Italy, Rome, pp. 1-5
2022
Evaluating the Communication Infrastructure of a Digital Process Platform for Future Construction Sites
Gannouni, Aymen; Otte, Thomas; Zhou, Hans; Hosan, Arif; Odenthal, Jonas; Abdelrazeq, Anas; Neumann, Stephan; Jacobs, Georg; Hees, Frank
2022 2nd International Conference on Computing and Machine Intelligence (ICMI)
2022
Explanations of Performance Differences in Segment Lining for Tunnel Boring Machines
Zhou, Hans; Gannouni, Aymen; Bazazo, Tala; Tröndle, Johannes; Abdelrazeq, Anas; Hees, Frank
Intelligent Data Engineering and Automated Learning - IDEAL 2022, Springer, Manchester, pp. 122-133
2022
Increasing efficiency with network of textile process chains
Rath, Michael; Gannouni, Aymen; Kreutzer, Dennis; Müller, Kai; Thiel, Jan; Granich, Dominik; Gries, Thomas
2021
Towards a data-driven assistance system for operating segment erectors in tunnel boring machines
Zhou, Hans; Gannouni, Aymen; Gentz, Christian; Tröndle, Johannes; Neumann, Stephan; Abdelrazeq, Anas; Jacobs, Georg; Hees, Frank
14th International Symposium on Computational Intelligence and Design (ISCID), IEEE, Hangzhou
2021