@phdthesis{64563, abstract = {{Die effiziente Nutzung von Ressourcen ist in der modernen Produktentwicklung von zentraler Bedeutung, nicht nur im Hinblick auf Materialien, sondern auch angesichts des Fachkräftemangels. Dabei sollten menschliche Arbeitskräfte gezielt eingesetzt und unnötige Iterationen zwischen Abteilungen vermieden werden, wobei die Kommunikation zwischen Konstruktion und Berechnung eine entscheidende Rolle spielt. Im Rahmen dieser Arbeit wird eine Methode entwickelt, die es Konstrukteuren ermöglicht, mithilfe künstlicher neuronaler Netze schnell mechanisch optimierte Bauteilgeometrien vorzuschlagen und so Korrekturschleifen zu minimieren. Hierfür wird eine Entwicklungsumgebung analysiert, die die Integration neuronaler Netze in bestehende Konstruktions- und Optimierungsprozesse erlaubt, einschließlich der Definition von Eingaben, Ausgaben, Datenformaten, Datensätzen und Schnittstellen zu kommerzieller Software. Zur Sicher-stellung der generalisierten Nutzbarkeit der Trainingsdaten werden Bauteilgeometrien zunächst mithilfe geometrischer Primitive abstrahiert und anschließend zu Gesamtgeometrien zusammengesetzt. Die Machbarkeitsstudie zeigt, dass mechanisch optimierte Bauteilgeometrien auf diese Weise erfolgreich vorhergesagt werden können. Obwohl noch gewisse Einschränkungen bestehen hinsichtlich der Schnittstellendefinition zwischen den Primitiven oder der Umrechnung von globalen auf lokale Randbedingungen, bietet die Methode eine solide Grundlage für weiterführende Forschungsarbeiten in diesem Bereich.}}, author = {{Ott, Manuel}}, isbn = {{978-3-8191-0488-6}}, pages = {{180}}, publisher = {{Shaker Verlag}}, title = {{{Methodik zum Aufbau einer Entwicklungsumgebung für die datengetriebene Gestaltvorhersage von Bauteilen}}}, volume = {{Volume 2}}, year = {{2026}}, } @inproceedings{64820, abstract = {{Political goals, emerging EU sustainability regulations, and industrial digitalization are driving the introduction of Digital Product Passports (DPPs) to enhance transparency, traceability, and compliance across product life cycles. However, the appropriate granularity of DPP integration across product architectures remains ambiguous. This paper introduces a structured, decision-oriented framework that links product structure, regulatory relevance, and information depth to define consistent DPP levels, supporting both industry implementation and future standardization.}}, author = {{Rohde, Katharina and Budde, Finn Lukas and Patrício, Bárbara and Ferreira, Tânia and Gonçalves, Ana and Ott, Manuel and Mozgova, Iryna}}, booktitle = {{Proceedings of the Design Society}}, keywords = {{digital product passport, product architecture, circular economy, information granularity, decision-making framework}}, location = {{Cavtat, Dubrovnik, Croatia}}, title = {{{Digital product passports and the challenge of product structure granularity: A decision-making framework for the level of DPP integration}}}, volume = {{6}}, year = {{2026}}, } @inbook{60834, author = {{Ott, Manuel and Jung, Philipp and Bödger, Christian and Mozgova, Iryna and Koch, Rainer and Tröster, Thomas}}, booktitle = {{Innovative Produktentwicklung durch additive Fertigung}}, editor = {{Lachmayer, Roland and Kaierle, Stefan and Oel, Marcus}}, pages = {{117--127}}, title = {{{Fused Deposition Modeling and its Extension Through Metal-Filled Filaments as a Means of Self-Help for Individuals with Physical Disabilities}}}, doi = {{doi.org/10.1007/978-3-662-69327-8}}, year = {{2025}}, } @inproceedings{64616, abstract = {{The circular economy offers decisive advantages over the currently prevalent linear economy in industry. Firstly, the reuse of products, individual parts and material reduces the need for new production or generation and the associated consumption of energy and resources. Secondly, it helps to avoid the generation of waste. Early consideration of circular economic principles in product development processes is essential to specifically promote reuse, reparability and recycling. Efficient recycling of assemblies requires well-defined strategies. However, various challenges hinder the efficiency of technical recycling processes in industrial applications. This paper presents an Ishikawa (fishbone) diagram-based approach to systematically identify and categorize these influences. The method is implemented within an industrial framework, highlighting key obstacles such as material composition, design constraints, use of technology, framework conditions, economic limitations and regulatory challenges. By applying a scenario analysis, this approach examines potential future developments and their impact on recycling-oriented design choices. This helps to identify critical influencing factors and supports the development of resilient and sustainable industrial practices. This framework will serve as the foundation for developing an automated approach to circular design, enabling industries to more effectively integrate sustainability into their processes and adapt to changing environmental demands.}}, author = {{Rohde, Katharina and Gonzalez, Barbara Fernandez and Budde, Finn Lukas and Ott, Manuel and Mozgova, Iryna and Mendibe, Alain Alonso}}, booktitle = {{Safe and Sustainable Value Creation by Design - Proceedings of the 21st Global Conference on Sustainable Manufacturing}}, editor = {{Kohl, Holger and Seliger, Günther and Dietrich, Franz and Campana, Giampaolo}}, location = {{Bologna, Italy}}, publisher = {{Springer Nature Switzerland AG}}, title = {{{Unveiling Barriers to Recycling with a Focus on Design: An Ishikawa Diagram-Based Approach with Industrial Application}}}, volume = {{1}}, year = {{2025}}, } @inproceedings{64611, abstract = {{Für die Aufrechterhaltung der natürlichen Ressourcen ist eine effiziente Nutzung dieser essenziell. Vor diesem Hintergrund untersucht das vorliegende Paper die Rolle der Kreislaufwirtschaft als wegweisendes Wirtschaftsmodell, das von der Europäischen Union gefördert wird. Ziel der Kreislaufwirtschaft ist es, den Ressourcenverbrauch und die Abfallproduktion zu minimieren, indem ein kontinuierlicher Kreislauf aus Nutzung, Wiederverwendung und Recycling von Materialien geschaffen wird. Ein zentraler Aspekt dabei ist der Produktentwicklungsprozess (PEP) - ein vielschichtiger Prozess mit zahlreichen Einflussfaktoren und theoretisch unbegrenzten Gestaltungsmöglichkeiten. Diese Vielfalt führt jedoch zu erheblichen Entscheidungsunsicherheiten, die die Umsetzung von Kreislaufwirtschaftsprinzipien erschweren können. Um diese Herausforderungen zu adressieren, wird ein methodischer Prozess vorgestellt, der eine systematische Klassifizierung im Zusammenhang mit umliegenden Bauteilen ermöglicht. Die Methodik basiert auf einer strukturierten Bewertung von Bauteilen hinsichtlich ihrer Relevanz für die Kreislaufwirtschaft. Dabei werden zentrale Aspekte wie Wiederverwendbarkeit, Recyclingfähigkeit und Ressourceneffizienz berücksichtigt, darunter: • Handelt es sich um ein Gebrauchs- oder Verbrauchsprodukt? • Ist das Bauteil eine Wiederverwendung oder eine Neufertigung? • Ist das Bauteil standardisiert, zugekauft oder individuell ausgerichtet? • Welche primäre Funktion nimmt das Bauteil ein? Diese strukturierte Klassifizierung unterstützt die Entscheidungsfindung bereits früh im PEP. Sie ermöglicht es Produktentwickelnden, Potenziale für die Kreislaufwirtschaft frühzeitig zu erkennen und gezielt nachhaltige Maßnahmen zu ergreifen. Die entwickelte Methodik bildet somit eine Grundlage für die Integration kreislaufwirtschaftlicher Prinzipien in den Entwicklungsprozess. Insbesondere im Kontext moderner Anforderungen des Mobility Management zeigt sich ihr Potenzial, nachhaltige Innovationen gezielt zu fördern und die Umsetzung der Kreislaufwirtschaft in der industriellen Praxis zu erleichtern.}}, author = {{Rohde, Katharina and Ott, Manuel and Budde, Finn Lukas and Mozgova, Iryna}}, booktitle = {{Solving Conflicts on the Way to Sustainable Mobility: Technische und betriebswirtschaftliche Aspekte}}, editor = {{Proff, Heike}}, location = {{Duisburg}}, publisher = {{Springer Nature Meteor}}, title = {{{Optimierung modularer Produkte für die Mobilität: Ein Klassifizierungsrahmen für zirkuläre Produkte}}}, year = {{2025}}, } @inproceedings{46451, abstract = {{New technologies and materials carry significant potential for sustainable production and use of products. As an example, Additive Manufacturing technologies and materials promise lightweight design and energy efficient use of parts. Exhausting the full potential requires: a) consideration of uncertainties with respect to future capabilities, and b) upgradeable design guidelines to cover advancements consistently. The proposed approach merges concepts of Design-for-X with foresight algorithms of Scenario-Technique to derive actionable knowledge. It is validated by an application in the field of Additive Manufacturing, namely Metal Fused Deposition Modelling. Engineers benefit from the intuitive access to heterogeneous types of sustainability related information.}}, author = {{Gräßler, Iris and Mozgova, Iryna and Pottebaum, Jens and Ott, Manuel and Jung, Philipp and Hesse, Philipp}}, booktitle = {{17th CIRP Conference on Intelligent Computation in Manufacturing Engineering}}, keywords = {{Design-for-X, Scenario-Technique, sustainability, uncertainty, Life-Cycle Engineering, Additive Manufacturing, Circular Economy}}, location = {{Gulf of Naples}}, pages = {{549--554}}, publisher = {{Elsevier}}, title = {{{Handling of uncertainties in the design of sustainable Additive Manufacturing products by merging Design-for-X and Scenario-Technique}}}, doi = {{10.1016/j.procir.2024.08.238}}, volume = {{126}}, year = {{2024}}, } @inproceedings{57182, abstract = {{Generative design suggestions and topology optimizations can help to reduce iterative process loops between calculation and design departments during product development processes. However, precise topology optimizations are computationally intensive, while generative designs benefit from swift suggestions to address design problems efficiently. Using artificial neural networks (ANN) can address this contrast of pre-defined aims by predicting topology-optimized designs, thereby combining both advantageous features. However, a challenge in Mass Customization is, that ANN are usually trained on specific geometries, making transfer to other applications impractical or requiring the creation of new datasets, which is economically unfeasible. Authors have already demonstrated a solution in other publications: dividing a geometry into geometric primitives like cuboids to perform abstraction. An ANN can then be trained to recognize optimized cuboids, which can be assembled back into a complete geometry, comparable to the finite element methods, which divide geometries of parts in finite elements enable mechanical property calculation. This publication aims to illustrate the steps of the approach in which the complete geometry of a part is segmented into these primitives, and the benefits obtained. Various methods will be explored, including automated workflows on modern low-code platforms, to enable generalized use.}}, author = {{Ott, Manuel and Meihöfener, Niclas and Mozgova, Iryna}}, booktitle = {{Proceedings of the 11. Conference on Mass Customization and Personalization (MCP)}}, editor = {{Anisic, Zoran and Forza, Cipriano}}, isbn = {{978-86-6022-686-2}}, location = {{Novi Sad, Serbia}}, publisher = {{Faculty of Technical Science, Department of Industrial Engineering and Management }}, title = {{{An approach to use generic data sets for neural networks in product designs through geometric abstraction via primitives}}}, year = {{2024}}, } @inbook{52696, author = {{Kruse, Anne and Müller, Laura and Ott, Manuel and Koch, Rainer and Hügel, Joachim and Finke, Florian and Winter, Stephan and Gust, Thomas}}, booktitle = {{Personennahe Dienstleistungen der Zukunft}}, isbn = {{9783658388126}}, issn = {{2366-1127}}, publisher = {{Springer Fachmedien Wiesbaden}}, title = {{{proDruck 3D-Druck – Technologie der Industrie 4.0 – als Mittel der Inklusion für Menschen mit Behinderungen in die Arbeitswelt}}}, doi = {{10.1007/978-3-658-38813-3_16}}, year = {{2023}}, } @inbook{52698, author = {{Kruse, Anne and Müller, Laura and Ott, Manuel and Jung, Philipp and Koch, Rainer and Hügel, Joachim and Finke, Florian and Winter, Stephan and Gust, Thomas}}, booktitle = {{Personennahe Dienstleistungen der Zukunft}}, isbn = {{9783658388126}}, issn = {{2366-1127}}, publisher = {{Springer Fachmedien Wiesbaden}}, title = {{{3D-Druck – Eine Technologie als Schlüssel zur Steigerung der Teilhabe}}}, doi = {{10.1007/978-3-658-38813-3_7}}, year = {{2023}}, } @inproceedings{46957, abstract = {{Modern companies often face various challenges in concept development of products or systems. Design engineers prepare initial concepts as 3D models. These are then simulated by computational engineers. If requirements are not met, this necessitates an iterative process that runs between the design and computation departments until a valid concept is created. Design methods such as topology optimization are often used here. The upcoming result is then attempted to be adapted to certain manufacturing processes. These iteration loops can sometimes take a very long time, since the model construction and structural optimization generate large computational efforts. The present work shows on an example a methodical approach, which represents a first proof of concept, to solving this problem, including a description of methods and techniques, as well as possible problems in a detailed analysis concerning training data for neural networks and their abstraction capabilities. It is evident that additional research work needs to be conducted for further utilization in order to address all arising questions.}}, author = {{Ott, Manuel and Meihöfener, Niclas and Mozgova, Iryna}}, booktitle = {{Proceedings of the 34rd Annual International Solid Freeform Fabrication Symposium 2023}}, editor = {{Ott, Manuel}}, location = {{Austin, Texas, United States}}, title = {{{Methodical Approach to Reducing Design Time by using Neural Networks in Early Stages of Concept Development}}}, year = {{2023}}, } @inproceedings{36866, abstract = {{Die additive Fertigung bietet die Möglichkeit, digitale Prototypen dank der Besonderheit der werkzeuglosen Fertigung schnellstmöglich in reale Strukturen umzusetzen. Dieses Verfahren kann jedoch nur dann mit optimaler Geschwindigkeit genutzt werden, wenn Engpässe wirksam vermieden werden können. Einer dieser Engpässe ist der Konstruktionsprozess. Gerade im Bereich der additiven Fertigung sind in letzter Zeit immer leistungsfähigere Softwarelösungen erschienen, die das Design für die additive Fertigung, einschließlich der meisten Computer-Aided-Design (CAD)-Aufgaben, beschleunigen. In vielen Bereichen wird daher bereits versucht, so viele Schritte wie möglich zu automatisieren, nicht selten unter Verwendung neuronaler Netze und künstlicher Intelligenz. Dieser Beitrag zeigt am Beispiel einer automatisierten Strukturoptimierung eines Stuhls, warum das Nutzen neuronaler Netze im Konstruktionsprozess sinnvoll ist, um die Bereiche der konventionellen Topologieoptimierung und des Generative Design weiter zu verknüpfen und somit die Produktentwicklungszeit zu reduzieren.}}, author = {{Ott, Manuel and Meihöfener, Niclas and Koch, Rainer}}, booktitle = {{Bericht 407 - 7. Tagung des DVM-Arbeitskreises Additiv gefertigte Bauteile und Strukturen}}, keywords = {{Künstliche Intelligenz, Neuronale Netze, 3D-Druck, Design for Additive Manufacturing}}, location = {{Berlin}}, pages = {{91--106}}, title = {{{Neuronale Netze in der Konstruktion zur Ausschöpfung der Potentiale additiver Fertigungstechnologien}}}, doi = {{10.48447/ADD-2022-014}}, volume = {{7}}, year = {{2022}}, } @inproceedings{36871, abstract = {{Additive manufacturing offers the option of converting digital prototypes into real structures as quickly as possible by the special property of tool-free manufacturing. However, this process can only be used at optimum speed if bottlenecks can be effectively avoided. One of these constraints is the design process. Although modern CAD systems allow a significant increase in many areas, this always requires a person with specific skills (e.g. engineer). In the field of AM in particular, more and more powerful software solutions have recently been published which accelerate the Design for Additive Manufacturing, including most CAD-tasks. In many areas, therefore, attempts are already made to automate relevant design steps as much as possible, more and more using neural networks and artificial intelligence. This paper presents how and why such techniques can be used to generate three-dimensional structures quickly and efficiently in cases of deep generative design tasks.}}, author = {{Ott, Manuel and Meihöfener, Niclas and Koch, Rainer}}, booktitle = {{Proceedings of the 33rd Annual International Solid Freeform Fabrication Symposium 2022}}, location = {{Austin, Texas}}, pages = {{696--705}}, title = {{{Boosting artificial intelligence in design processes by the use of additive manufacturing}}}, volume = {{33}}, year = {{2022}}, } @inproceedings{36845, author = {{Kruse, Anne and Ott, Manuel and Risse, Lena and Koch, Rainer}}, location = {{Berlin}}, publisher = {{Deutscher Verband für Materialforschung und -prüfung e.V.}}, title = {{{3D-Druck - Eine Technologie als Schlüssel zur Steigerung der Teilhabe}}}, doi = {{10.48447/Add-2021-016}}, year = {{2021}}, }