Fatemeh Fakhredin

Fatemeh Fakhredin hat im September 2022 ihr PhD-Studium an der Kühne Logistics University begonnen, unter der Haupt- und Nebenbetreuung von Prof. Dr. Joern Meissner und Prof. Dr. Asvin Goel. Ihr Forschungsschwerpunkt liegt auf maschinellem Lernen und dessen Anwendung in den Bereichen Logistik und Lieferkette.

Fatemeh hat ihren Bachelor of Science in Wirtschaftsingenieurwesen (IE) an der Amirkabir University of Technology (AUT) absolviert, mit den Schwerpunkten Data Mining und Ansätzen der Operations Research. Außerdem wurde sie vier Jahre in Folge mit der „Best Student Award“-Auszeichnung des Fachbereichs IE der AUT ausgezeichnet. Außerdem schloss sie ihr Bachelorstudium 2016 als zweitbeste Studierende ihres Jahrgangs ab. Aufgrund dieser Leistungen und als „brillant begabte“ Studierende wurde sie direkt zum M.Sc.-Studium an der AUT zugelassen, ohne eine Aufnahmeprüfung ablegen zu müssen, und erhielt 2016 und 2017 ein Stipendium der iranischen National Elite Foundation (INFE). Während ihres Masterstudiums im Fach Wirtschaftsingenieurwesen (mit dem Schwerpunkt Systemoptimierung) an der AUT konzentrierte sie sich auf die Entwicklung eines zweistufigen stochastischen nichtlinearen Modells für dynamisches Mitfahrverhalten, bei dem es sich um eine Art Fahrzeugrouting-Problem handelt. Das Thema ihrer Masterarbeit lautete: „Optimierung des dynamischen Mitfahrverhaltens zur Verringerung von Staus in Großstädten: Fallstudie – Umsetzung von Mitfahrgelegenheiten in Teheran“. Während ihres Studiums sammelte Fatemeh praktische Erfahrungen in den Bereichen Verkehr, geschlossene Lieferkette und grüne Lieferkette und veröffentlichte 2017 einen Artikel. Sie wurde 2018 als Jahrgangsbeste beim Abschluss ihres Masterstudiums ausgezeichnet.

Bevor sie zu KLU kam, arbeitete Fatemeh als „Systemanalyst:in und Systementwickler:in“ bei der Firma PSP (einem Tochterunternehmen der Golrang Industrial Group) im Iran, um neben ihrem akademischen Hintergrund praktische Erfahrungen zu sammeln. Ihre Hauptaufgaben bestanden darin, Prozesse in BPM-Software (BPMS) zu extrahieren, zu optimieren und zu modellieren, um die Effizienz des Unternehmens zu steigern und Aufgaben zu automatisieren – für ein besseres Kundenerlebnis. Außerdem erweiterte sie ihr Wissen im Bereich Data Science, indem sie sich mit SQL Server und Python beschäftigte und damit arbeitete.