2025
From Scenario Farming to Learning: A Modular Low-Code Framework for Decision Support in Scheduling
Madlene Leißau, Christoph Laroque • Winter Simulation Conference 2025, Seattle (USA)
Modern manufacturing environments, such as semiconductor manufacturing, require agile, data-driven decision support to cope with increasing system complexity. Discrete event simulation (DES) is a key method for evaluating scheduling strategies under uncertainty. Building on a previously introduced low-code framework for scenario farming, this paper presents an extended and evolving approach that integrates machine learning (ML) to enhance scheduling decision support. The framework automates model generation, distributed experimentation, and systematic scenario data collection, providing the basis for training data-driven decision models. Using the Semiconductor Manufacturing Testbed 2020 as a reference, initial experiments demonstrate how simulation-based insights can be transformed into intelligent scheduling aids. Key features include model structure synchronization across simulation tools, automated experiment design, and modular integration of learning components, providing a first step towards adaptive, simulation-driven decision support systems.
Auf dem Weg zu nachhaltiger Reverse Logistics: Twin Transition mit Hilfe von Simulation in Closed-Loop Supply Chains
Jenny Rüffer, Madlene Leißau, Christoph Laroque • ASIM SPL 2025, Dresden
This paper presents a simulation-based approach to support the twin transition in reverse logistics within closed-loop supply chains (CLSCs). Using the example of the return of empties in the brewing industry, a discrete-event simulation (DES) model is developed to address complexity, uncertainty, and data gaps along the supply chain. The simulation integrates real data and domain knowledge to evaluate return scenarios, bottlenecks within logistics, and sustainability strategies. The use case highlights the lack of transparency, especially in consumer return behavior and intermediate distribution stages. The results underline the potential of DES in developing digital supply chain twins for decision support in sustainable logistics. Future work includes sensitivity analyses, scenario testing, and the integration of seasonal and regional behavior patterns for improved forecasting and strategic planning..
At Odds by Design: How Integration Barriers Shape Immersive Digital Twin Systems
Adrian Rössl, Madlene Leißau, Christoph Laroque • ASIM SPL 2025, Dresden
This work explores the development of a Digital Twin for an automated sorting system, combining real-time data integration via cloud services with immersive visualization in a virtual environment. The use case demonstrates how physical system behavior can be mirrored and monitored digitally, enabling interaction, remote insights, and enhanced user experiene. This work aims to highlight the integration challenges for different technologies. Key challenges included ensuring smooth communication, low latency, and consistent system representation across platforms.
Datenbricolage als Weg zur effektiven datenbasierten Wertschöpfung: Erkenntnisse aus Realexperimenten in klein- und mittelständischen Unternehmen
Nico Kling, Sebastian Haugk, Christian Leyh, Christoph Laroque, Fabian Krabacz, Heiko Gebauer • HMD Praxis der Wirtschaftsinformatik
Kleine und mittlere Unternehmen (KMU) stehen vor der Herausforderung, in einer zunehmend datengetriebenen Wirtschaft wettbewerbsfähig zu bleiben, verfügen jedoch häufig über begrenzte Ressourcen für den Aufbau von Datenkompetenzen. Um diese Unternehmen zu unterstützen, wurde das Projekt DataLab WestSax als Reallabor, ein Testraum für Datennutzungsideen, zur Förderung datenbasierter Innovationen eingerichtet. Auf Basis der Erkenntnisse aus den dort entstandenen Kooperationen zwischen Forschung und Industrie wird in diesem Beitrag diskutiert, wie KMU erfolgreich datenbasierte Wertschöpfung implementieren können. Methodisch stützt sich die Untersuchung auf das Konzept des Engaged Scholarship. Aus der Analyse von sieben ausgewählten Kooperationsprojekten (den sogenannten Realexperimenten) im Rahmen von DataLab WestSax werden vier zentrale Prinzipien für erfolgreiche datenbasierte Wertschöpfung in KMU abgeleitet: grundlegende Datenkompetenz für alle Mitarbeiter, präzise Datenkommunikation, Nutzung von Wissenstransfer und opportunistischer Aufbau von Datenwertschöpfungskapazitäten. Die Ergebnisse zeigen, dass KMU oft einen Prozess der „Datenbricolage“ durchlaufen – eine pragmatische und kreative Nutzung vorhandener Ressourcen. Dies steht im Kontrast zu oft propagierten, stark formalisierten und ressourcenintensiven Ansätzen der Datenwertschöpfung, die für viele KMU nicht realisierbar sind. Datenbricolage erweist sich daher als ein notwendiger Schritt für viele KMU auf dem Weg zur Professionalisierung ihrer Datenwertschöpfung. Die im Beitrag vorgestellten Prinzipien können KMU dabei als Leitfaden dienen, um ihre Infrastruktur zu entwickeln, ihre Datenkompetenz zu erhöhen und letztendlich ihre Wettbewerbsfähigkeit in einer zunehmend datengetriebenen Wirtschaft zu stärken.
Fast-Track Your Decisions: Leveraging Low Code to Speed Up Simulation-Driven Insights in Semiconductor Industry
Madlene Leißau, Adrian Rössl, Christoph Laroque • CIRP CMS 2025, Enschede (Niederlande)
Low-code approaches can accelerate decision-making in the semiconductor industry by streamlining simulation-driven insights. This supports the paradigm shift to Industry 4.0 and Industry 5.0 by enabling rapid development and optimized workflows. However, existing simulation methods often require extensive coding expertise, limiting accessibility and slowing down model development. This paper presents a simulation template that streamlines the development of discrete event simulation models in semiconductor manufacturing. Thus, the simulation template implements reusable components to simplify model creation and reduce development time. The approach encourages collaboration between technical and nontechnical stakeholders. Combined with a low-code data farming framework, the simulation template increases agility, accelerates experimentation, and supports efficient, data-driven production planning decisions.