MathSEE

Das KIT-Zentrum MathSEE bietet eine Austausch- und Kooperationsplattform für interdisziplinären Querschnittsthemen zwischen Mathematik und Anwendungswissenschaft. In MathSEE arbeitet das FAST-LBT eng mit dem Bereich kontinuierliche Optimierung des Instituts für Operations Research (IOR-KOP) aus der Mathematik zusammen, um die mathematisch-algorithmischen Kompetenzen des IOR-KOP mit der ingenieurtechnischen Expertise des FAST-LBT zu verknüpfen und effiziente Optimierungsansätze für die Prozess- und Strukturauslegung zu entwickeln.

Detaillierte numerische Simulationsmodelle unterstützen Ingenieure bei der Entwicklung neuer Produkte, sind aber häufig hochdimensional und äußerst rechenintensiv. Schnell übersteigen detaillierte Sensitivitätsstudien und iterative Optimierungsrechnungen praktisch verfügbare Rechenkapazitäten. Ein Schlüsselelement ist daher eine möglichst hohe Recheneffizienz in der virtuellen Prozess- und Bauteiloptimierung.

In ihrem Kooperationsprojekt untersuchen FAST-LBT und IOR-KOP gemeinsam Ersatzmodelle nach Maschinenlern-Methoden (Surrogate-Modelle). Diese können aufwendige Simulationen während Optimierungsrechnungen effizient ersetzen und so die Rechenzeiten verkürzen. Ziel ist es, ein formales Verständnis für surrogate-unterstützte Verfahren bei gängigen technischen Optimierungsproblemen geschaffen. Dabei bieten Prozessschritte der Faserverbundherstellung herausfordernde Anwendungsfälle mit stark verschiedenen Prozessdynamiken und Zielfunktionen.

Abbildung 1: Vergleich direkter und ML-unterstützter Optimierung am Beispiel evolutionärer Algorithmen; eine signifikante Beschleunigung kann beobachtet werden. Bildquelle: FAST-LBT