Industry practices and challenges of using AI planning : an interview-based study

Abstract

In the rapidly evolving landscape of industrial applications, AI planning systems have emerged as critical tools for optimizing processes and decision-making. However, implementing and integrating these systems present significant challenges that can hinder their effectiveness. This thesis addresses the urgent need to understand the best practices and challenges involved in designing, integrating, and deploying AI planning systems in industrial settings. Without this understanding, industries risk inefficient implementation, leading to poor performance and resistance from end-users. This research employs a methodology that includes a literature review and interviews with industry professionals and researchers to identify common strategies and obstacles practitioners face. The study examines existing literature to uncover reported best practices and challenges in AI planning systems. Interviews provide additional perspectives, enriching the data collected and ensuring a thorough analysis. The findings reveal best practices, including the importance of cross-disciplinary collaboration, robust data management strategies, and iterative development processes. Additionally, recurring challenges such as integration complexities, scalability issues, and the need for continuous system evaluation are identified. These insights highlight critical areas for improvement and offer practical recommendations for enhancing the effectiveness of AI planning systems in industrial applications.

In der sich rasch entwickelnden Landschaft industrieller Anwendungen haben sich KI-Planungssysteme als wichtige Werkzeuge zur Optimierung von Prozessen und Entscheidungsfindung herausgestellt. Die Implementierung und Integration dieser Systeme bringt jedoch erhebliche Herausforderungen mit sich, die ihre Wirksamkeit beeinträchtigen können. Diese Arbeit befasst sich mit der dringenden Notwendigkeit, die Best Practices und Herausforderungen zu verstehen, die mit der Entwicklung, Integration und Bereitstellung von KI-Planungssystemen in industriellen Umgebungen verbunden sind. Ohne dieses Verständnis riskieren Branchen eine ineffiziente Implementierung, die zu schlechter Leistung und Widerstand seitens der Endbenutzer führt. Diese Forschung verwendet eine detaillierte Methodik, die eine Literaturrecherche und Interviews mit Branchenexperten und Forschern umfasst, um gängige Strategien und Hindernisse zu identifizieren, mit denen Praktiker konfrontiert sind. Die Studie beginnt mit der Untersuchung vorhandener Literatur, um berichtete Best Practices und Herausforderungen bei KI-Planungssystemen aufzudecken. Interviews bieten zusätzliche Perspektiven, bereichern die gesammelten Daten und gewährleisten eine gründliche Analyse. Die Ergebnisse enthüllen eine Reihe von Best Practices, darunter die Bedeutung fachübergreifender Zusammenarbeit, robuster Datenverwaltungsstrategien und iterativer Entwicklungsprozesse. Darüber hinaus werden wiederkehrende Herausforderungen wie Integrationskomplexitäten, Skalierbarkeitsprobleme und die Notwendigkeit einer kontinuierlichen Systemevaluierung identifiziert. Diese Erkenntnisse heben kritische Bereiche mit Verbesserungsbedarf hervor und bieten praktische Empfehlungen zur Verbesserung der Effektivität von KI-Planungssystemen in industriellen Anwendungen.