Forschungsprojekt Hydra

Der mechanische Entwurf ist eine komplexe und vielf?ltige Aufgabe, bei der eine gro?e und heterogene Reihe von Anforderungen und Spezifikationen berücksichtigt werden muss, z. B. die mechanische Antwort auf statische und dynamische Belastungen, die Festigkeit, die Sicherheit, die ?sthetik, die Auswirkungen auf die Umwelt, die Wartung, die Kosten und die Recyclingf?higkeit. Viele dieser Aspekte eignen sich nicht für die Modellierung und Umsetzung in mathematische Zusammenh?nge, was eine vollst?ndige oder teilweise automatisierte Konstruktion stark erschwert. Die menschliche Intuition und Erfahrung sind nach wie vor von gr??ter Bedeutung für ein erfolgreiches Design, so dass konventionelle, menschenbasierte Konstruktionsmethoden auch in Zukunft eine zentrale Rolle im mechanischen Design spielen werden. Beim gegenw?rtigen Stand der Technik wird der Ingenieur in der Regel durch ein Softwareprodukt für computergestütztes Design (CAD) unterstützt. Mit den Fortschritten in der Computer- und Datenwissenschaft (DS), insbesondere im Bereich der künstlichen Intelligenz (KI), ist es vielversprechend, die Interaktion des Designers mit dem CAD-System im Sinne einer hybriden Entscheidungsunterstützung zu erg?nzen, um den Designprozess zu vereinfachen und bei der Erfüllung der unterschiedlichen Anforderungen zu unterstützen.

Ziele des Forschung­s­pro­jektes

  • Beschleunigung und Vereinfachung des Konstruktionsprozesses, insbesondere für Anf?nger, aber auch für Experten
  • Verbesserung der Konstruktionsqualit?t sowohl für zu erstellende als auch für bestehende Entwürfe
  • Verdichtung des Konstrukteurwissens
  • Grundlage LLM für CAD-Beschreibungen

Schwer­punkte des Forschung­s­pro­jekts

  • Qualitative Analyse von CAD-Datens?tzen, die textuelle Geometriebeschreibungen enthalten
  • Deep Learning, Large Language Models (LLM)
  • Bewertung der Auswirkungen von AI-basierten Vorhersagen von (Teil-)Entwürfen auf den frühen Produktdesignprozess (PDP)
  • Qualit?ts- und Interaktionsbenchmarks

Die Projektergebnisse werden die Produktentstehung zukünftig verbessern, ...

... indem sie den Konstrukteur mit einem KI-basierten Werkzeug unterstützen und entlasten, das allgemeines, spezialisiertes und Expertenwissen umfasst.

Forschung­steam

Prof. Dr. sc. ETH Al­ex­an­der Hasse

Professor Dr. sc. ETH Alexander Hasse ist Leiter der Professur und Direktor des Institut für Konstruktions- und Antriebstechnik (IKAT).

Prof. Dr. Fred Hamker

Professor Dr. Fred Hamker Lehrstuhlinhaber der Professur für Künstliche Intelligenz an der TU Chemnitz.

Dr. Mi­chael Teich­mann

Professur Künstliche Intelligenz, Technische Universit?t Chemnitz

Ju­lia Bergelt, M.Sc.

Professur Künstliche Intelligenz, Technische Universit?t Chemnitz

Le­on Josef Stahr, M.Sc.

Professur Maschinenelemente und Produktentwicklung, Technische Universit?t Chemnitz

Pu?bli?ka?ti?o?n­en & re?le?van?te Vor?pu?bli?ka?ti?o?n­en

Titel Autor DOI
An artificial intelligence-assisted design method for topology optimization without pre-optimized training data A. Halle, L.F. Campanile, A.Hasse doi.org/10.3390/app11199041
Detecting anomalies in system logs with a compact convolutional transformer R. Larisch, J. Vitay, F. H. Hamker doi.org/10.1109/ACCESS.2023.3323252