Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAIIn der virtuellen Produktentwicklung wird Maschinelles Lernen immer mehr eingesetzt, um den Entwicklungsingenieur im Forschungs- und Entwicklungsprozess zu unterstützen.
Heute werden vielfach numerische Simulationen durchgeführt, die teure und aufwändige reale Experimente überflüssig machen, indem die zugrunde liegenden technischen und physikalischen Prozesse auf Rechnersystemen mit mathematisch-numerischen Methoden vorausberechnet werden. So werden numerische Simulationen in der Automobilindustrie genutzt, um den Einfluss von unterschiedlichen Materialeigenschaften, Bauteilformen oder Verbindungskomponenten in verschiedenen Designkonfigurationen zu untersuchen.
Ein effizienter, datengetriebener Umgang mit vielen numerischen Simulationen ist bisher nur eingeschränkt möglich. Hierbei werden zum Vergleich der verschiedenen Ergebnisse nicht nur einige wenige Kennzahlen betrachtet, sondern die eigentlichen hochkomplexen Simulationsergebnisse, wie z. B. verschiedene Verformungen. Vor diesem Hintergrund werden bei Fraunhofer SCAI neue Methoden des Maschinellen Lernens für die Auswertung, Verwendung und Weiterverarbeitung von Ergebnisdaten aus numerischen Simulationen entwickelt und angewandt. Mit Hilfe mathematischer Konzepte kann in der Datenanalyse ausgenutzt werden, dass den Daten physikalisch-technische Prozesse zugrunde liegen. Die entwickelten Graybox-Methoden zur Datenanalyse erlauben so eine gezielte Unterstützung des Entwicklungsingenieurs, dessen Arbeit vereinfacht und effizienter wird.
