SPP 2353:  Mehr Intelligenz wagen – Entwurfsassistenten in Mechanik und Dynamik

• Fachliche Zuordnung: Maschinenbau und Produktionstechnik ; Bauwesen und Architektur ; Geowissenschaften ; Informatik, System- und Elektrotechnik ; Mathematik ; Wärmetechnik/Verfahrenstechnik
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 460725022

In fortgeschrittenen Design-Workflows werden üblicherweise groß angelegte, simulationsgetriebene Parameterstudien durchgeführt und manuell inspiziert, um Kandidatendesigns iterativ zu verfeinern. Dieser Prozess stützt sich stark auf Erfahrung und Expertenwissen, was nicht nur zeit- und ressourcenintensiv ist, sondern auch weitgehend subjektiv ist, anstatt formalisierte mathematische Ziel zu verwenden. Die derzeitigen computergestützten Hilfsmittel, die in der Mechanik und Dynamik hauptsächlich für Systemanalysen eingesetzt werden, reichen nicht mehr aus. Um ökologischen und gesellschaftlichen Verantwortlichkeiten gerecht zu werden, strengeren und komplexeren Vorschriften zu entsprechen und neue Herausforderungen zu bewältigen, muss das zukünftige Systemdesign immer multidisziplinärer werden. Das SPP 2353 „Mehr Intelligenz wagen“ zielt auf die Entwicklung von Design-Assistenzsystemen ab, die Methoden aus Optimierung, künstlicher Intelligenz sowie Dynamik und Mechanik kombinieren, um den interdisziplinären Entwurf technischer Systeme zu unterstützen und zu automatisieren. Dies könnte nicht nur zu Designs führen, die tatsächlich optimal im Hinblick auf formalisierte Kriterien sind, sondern solche Designassistenten könnten IngenieurInnen mit einer künstlichen Intuition ausstatten, die ihre eigene spezialisierte Expertise ergänzt. In der ersten Phase arbeiteten die Projekte im SPP 2353 unter der Leitung des Koordinators und des SPP-Postdocs von Beginn an gemeinsam daran, die über zugängliche Schnittstellen modular kombinierbaren Komponenten für Design-Assistenzsysteme zu erforschen, um holistische und unterstützende Designprozesse zu schaffen. Methoden der künstlichen Intelligenz wurden mit Systemanalyse und Optimierung integriert, um Designkriterien in früheren Phasen zu berücksichtigen und dadurch grundlegende Verbesserungen der resultierenden Systeme zu ermöglichen. Zu den Ergebnissen gehören gemeinsame Veröffentlichungen fast aller Teilprojekte, die einen erfolgreichen Höhepunkt der ersten Phase des Schwerpunktprogramms markieren. Um auf diesem Erfolg in der zweiten Förderperiode aufzubauen, sollen, unterstützt durch die Koordination durch den Koordinator und den SPP-Postdoc, die Austausch- und Vernetzungsaktivitäten fortgesetzt werden, da sie kontinuierlich wesentliche Gelegenheiten bieten, gut definierte und kompatible Schnittstellen zwischen den Komponenten der Design-Assistenzsysteme über die Teilprojekte hinweg zu schaffen. In der zweiten Phase sollten alle Projekte daran arbeiten, subjektive Bewertungskriterien durch formalisierte Ziele zu ersetzen, Methoden für die flexible Kopplung verschiedener Analyseprogramme zu entwickeln und die Design-Assistenzsysteme in Benchmark-Prozessen zu validieren. Ein weiterer Schwerpunkt wird auf der Wiederverwendung bereits vorhandener Daten, z.B. aus bestehenden Messungen, liegen. Im Antrag wird detailliert beschrieben, welche Mittel hierfür beantragt werden und welche Aktivitäten geplant sind.

• DFG-Verfahren: Schwerpunktprogramme
• Internationaler Bezug: Finnland

Projekte

• Co-Design- Assistenten für mechatronische Systeme: von Simulation zu Realität (Antragstellerinnen / Antragsteller Flaßkamp, Kathrin ;  Remy, C. David )
• Daten- und Antwortflächen-gesteuerter Entwurfsassistent für geregelte flexible Mehrkörpersysteme (Antragsteller Bestle, Dieter ;  Eberhard, Peter )
• Design to Acoustics mittels Deep Learning (Antragstellerinnen / Antragsteller Langer, Sabine C. ;  Lüddecke, Timo )
• Designoptimierung für dynamische Systeme, Laufroboter und andere periodisch arbeitende Maschinen (Antragsteller Remy, C. David )
• Entwicklung neuartiger Entwurfsassistenten hinsichtlich komplexer dynamischer Lasten in der Strukturdynamik anhand dynamisch integrierter Verfahren des Maschinellen Lernens (Antragsteller Stender, Merten )
• Hybride Modellierung für die datengestützte Mehrzieloptimierung von Mehrkörpersystemen (Antragsteller Peitz, Sebastian ;  Sextro, Walter )
• iLattice: Mechanistisches maschinelles Lernen für interaktives Design flexibler Gitterstrukturen (Antragsteller Weeger, Oliver )
• Intelligente Design-Assistenz für individualisierte medizinische Operationen mit Concentric Tube Continuum Robots: Teil II (Antragstellerinnen / Antragsteller Flaßkamp, Kathrin ;  Maas, Jürgen ;  Oertel, Joachim ;  Sattel, Thomas )
• KI-gestützte Optimierung der Crashsicherheit von Fahrzeugen: Stochastische Elemente in der Designoptimierung überwinden (Antragsteller Stoffel, Marcus )
• KI-gestütztes computer-assistiertes Planungsassistenzsystem für die Herzchirurgie (heartCAAS) (Antragsteller Goubergrits, Leonid ;  Knosalla, Christoph )
• KI-gestütztes Design-Assistenzsystem für Soft Robots - Integration von Bewegung und Steuerung in den Designprozess (Antragstellerin de Payrebrune, Kristin )
• Koordinationsfonds (Antragsteller Eberhard, Peter )
• Lass KI ihre Gestalt wählen: Ko-Design von Lernen und Mechatronik für schnelle reflexive Robotik (CoLearnMech) (Antragsteller Trimpe, Sebastian )
• Optimierung der Geometrie unter Verwendung von KI-Agenten zur Beschleunigung der numerischen Strömungsfeldsimulation und zur Steuerung des Inselmodells für massive Parallelisierung (Antragsteller Riedelbauch, Stefan )
• Physikalisch informierte neuronale Operatoren für das generative Design abgestimmter Schwingungstilger im urbanen Luftverkehr (Antragsteller Marburg, Steffen )

• Sprecher: Professor Dr.-Ing. Peter Eberhard