Jobbeschreibung
4flow – das sind 1.300+ Teammitglieder an 20+ Standorten weltweit. Wir sind einer der Marktführer im Bereich Logistikoptimierung und vereinen Logistikberatung, Logistiksoftware, 4PL-Leistungen und Logistikforschung in einem innovativen Geschäftsmodell.
Unser 4flow research Team führt spannende Forschungsvorhaben durch, entwickelt innovative Digitalisierungslösungen und erstellt marktrelevante Studien im Bereich Supply Chain Management und Logistik
Unterstütze uns Vollzeit als Bachelorand:in oder Masterand:in im Rahmen deiner Abschlussarbeit in Berlin oder Hamburg (Hybrid möglich).
Als Bachelorand:in/ Masterand:in
- unterstützt du das 4flow research Team bei anwendungsnahen Studien.
- übernimmst du die Bearbeitung wissenschaftlicher Fragestellungen von der Datenaufbereitung und -analyse über die Modellierung und Auswertung bis zur Interpretation in Zusammenarbeit mit unseren erfahrenen Logistikforschenden.
- bereitest du Daten aus verschiedenen Quellen sowie Experteninterviews auf und integrierst sie in eine skalierbare Analyse-Pipeline.
- implementierst du Modelle in z.B. Python und evaluierst deren Qualität anhand etablierter Metriken.
- arbeitest du eng mit unseren Data Scientists und Logistikforschenden zusammen, tauschst dich regelmäßig aus und sicherst so den Wissenstransfer ins Team.
Aktuelle Themenfelder für Abschlussarbeiten sind:
Bestandsoptimierung in mehrstufigen Wertschöpfungsketten
Bestände zu minimieren kann erhebliche Kosteneinsparungen bewirken. Um die gewünschte Lieferzuverlässigkeit in einem volatilen Umfeld sicherzustellen, sind Bestände auf den verschiedenen Stufen einer Supply Chain unverzichtbar. Hierzu sollen Methoden zur ganzheitlichen Optimierung der Bestände unter Berücksichtigung von unsicheren Durchlauf- und Wiederbeschaffungszeiten entwickelt und weiterentwickelt werden. Durch die Integration vielfältiger industriespezifischer Charakteristiken soll außerdem die Anwendbarkeit in der Praxis gewährleistet werden.
KI-gestützte Transparenz über Inbound-Supply Chains für das Risikomanagement
Fehlende Einblicke über Tier-1-Lieferanten hinaus machen die Inbound-Supply-Chain anfällig für unvorhergesehene Risiken und proaktives Handeln wird verzögert. Vor diesem Hintergrund soll ein innovatives ML/GenAI-Framework entwickelt werden, das geografische Wegpunkte und Transportmodi automatisiert vorhersagt. So soll durch datengetriebene Insights die Steuerung der Inbound-Logistik unterstützt werden
Modell zur Prognose der genutzten Logistikinfrastruktur im Transport
Fehlende Transparenz über die genutzten Logistikknoten innerhalb von Supply-Chain-Routen führt dazu, dass Risiken erst spät erkannt werden und Optimierungspotenziale ungenutzt bleiben. In diesem Thema soll daher ein ML/GenAI-Framework entwickelt werden, das auf Basis bekannter Ursprung-Ziel-Paare automatisiert Umschlagspunkte und Verbindungen prognostiziert, um die Logistikplanung mit datengetriebener Entscheidungsunterstützung zu stärken.
- Du studierst Wirtschaftsinformatik, Wirtschaftsmathematik, Logistik, oder eine vergleichbare Studienrichtung im Master mit überdurchschnittlichen Leistungen.
- Du hast Lust, uns 5-6 Monate als Bachelorand:in/ Masterand:in zu unterstützen.
- Du verfügst über gute Programmierkenntnisse, z.B. in Python oder R.
- Du konntest bereits erste Praxiserfahrung in den Bereichen Logistik oder Supply Chain Management sammeln.
- Du interessierst dich für logistische Fragestellungen und hast Freude am wissenschaftlichen Arbeiten.
- Du sprichst sehr gut Deutsch und Englisch.
- Work-Study Balance: Flexible Einteilung deiner Arbeitszeiten - je nach aktuellem Workload
- Food & Social Gatherings in Berlin: Snacks, Drinks, tägliches Frühstücksbuffet + einmal Lunch die Woche beim meet&eat
- Learning: Individuelle Lernmöglichkeiten durch einen LinkedIn Learning Account
- Employee Assistance Program: Individuelle Beratung bei persönlichen Problemen
- Bei einem beidseitigen Fit freuen wir uns auf eine langfristige Zusammenarbeit - auch nach deinem Studium