:quality(80)/images.vogel.de/vogelonline/bdb/1810400/1810499/original.jpg)
Werkstoffe Mittels KI schneller neue Werkstoffe einsetzen
Das Forschungsprojekt AIMM will die klassische modellbasierte Werkstoffbeschreibung durch eine datengetriebene Materialmodellierung mittels Methoden der Künstlichen Intelligenz mindestens ergänzen.
Firma zum Thema

Für die Entwicklung zukünftiger, effizienzoptimierter und emissionsarmer Fahrzeugkonzepte ist der Einsatz zuverlässiger und präziser Simulationsmethoden von fundamentaler Bedeutung. Insbesondere vor dem Hintergrund der Verwendung neuer Werkstoffe, deren Werkstoffverhalten zunehmend komplexer wird, müssen die Grenzen konventioneller Materialbeschreibung überwunden werden. Das Forschungsprojekt AIMM (Artificial Intelligence for Material Models) soll zu einer beschleunigten Beschreibung für CAE-Anwendungen führen und so einen schnelleren Einsatz neuer Werkstoffe ermöglichen. Ebenso steht die Entwicklung zugehöriger, neuer Versuchskonzepte zur Erzeugung der notwendigen Trainingsdaten und die Verkürzung der Charakterisierungs- und Modellierungsphase durch Automatisierung der Prozesse im Fokus.
Dynamore wird sich mit seiner Expertise in der Simulation dynamischer Problemstellungen der Strukturmechanik insbesondere über sein Material Competence Center (MCC) beteiligen.
Projektträger ist der TÜV Rheinland. Weitere industrielle Konsortialpartner sind:
- Mercedes-Benz AG
- Elring Klinger AG
- GOM GmbH
- Renumics GmbH
- Ernst-Mach-Institut der Fraunhofer Gesellschaft
- Institut für Softwaretechnik und Theoretische Informatik (IDA) der TU Berlin
- die Institute für Flugzeugbau und Umformtechnik der Universität Stuttgart,
„Die Möglichkeiten mittels Methoden der Künstlichen Intelligenz CAE-Prozesse zu unterstützen, zu optimieren oder sogar zu ersetzen sind vielfältig. Als Spezialisten für die Werkstoffbeschreibung sehen wir gerade auf diesem Gebiet neue und spannende Herausforderungen zu deren Lösung die Projektpartner in AIMM hervorragend aufgestellt sind.“, sagt Prof. André Haufe, Leiter des Dynamore MCC. Laut Haufe liegt jedoch ein maßgebliches Projektrisiko in der Tatsache, dass eine industrielle Anwendung deutlich höhere Anforderungen an eine robuste Umsetzung sowohl auf der datentechnischen Seite zur Gewinnung von Trainingsdaten als auch auf der Auswertungsseite stellt.
Das Projekt wird mit 2,9 Mio. Euro vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert.
(ID:47101287)