---
res:
  bibo_abstract:
  - Im Zuge der Digitalisierung erfahren maschinelles Lernen und datengetriebene Methoden
    derzeit eine große Aufmerksamkeit in Wissenschaft und Industrie. Es fehlt jedoch
    an Grundlagenwissen und Verständnis, wie die datengetriebenen Methoden der Informatik
    mit bewährten modellbasierten Ingenieursmethoden wie dem modellbasierten Entwurf
    in der Mechatronik und Methoden der Regelungstechnik sinnvoll kombiniert werden
    können, um hybride Modelle zu erhalten. Diese ingenieurwissenschaftlichen Methoden
    basieren auf physikalischen Verhaltensmodellen, die eine besonders verdichtete
    und interpretierbare Darstellung von Wissen darstellen und insbesondere kausale
    Zusammenhänge beschreiben. Für spezifische regelungstechnische Anwendungen gibt
    es umfangreiches Vorwissen in Form von bekannten Strukturen und Informationen,
    wie z.B. (Teil-)Modelle oder Parametersätze, die auch bei der Anwendung von Methoden
    wie dem maschinellen Lernen genutzt werden sollten. Eine solche sinnvolle systematische
    Verknüpfung ist wissenschaftlich, insbesondere im Hinblick auf die industrielle
    Anwendung, noch nicht ausreichend untersucht worden und sehr vielversprechend.
    In diesem Beitrag werden die Ergebnisse der Nachwuchsforschungsgruppe DART – Datengetriebene
    Methoden in der Regelungstechnik vorgestellt. Das Hauptziel war es, die synergetische
    Kombination von modell- und datengetriebenen Methoden für regelungstechnische
    Aufgaben zu erforschen und es werden alle wichtigen Forschungsergebnisse aber
    auch die verwendeten Grundprinzipien des maschinellen Lernens in diesem Beitrag
    dargestellt.@eng
  - In the course of digitalization, machine learning and data-driven methods are
    currently receiving a great deal of attention in science and industry. However,
    there is a lack of basic knowledge and understanding of how data-driven methods
    in computer science can be meaningfully combined with proven model-based engineering
    methods such as model-based design in mechatronics and control engineering methods
    to obtain hybrid models. These engineering methods are based on physical models,
    which represent a particularly condensed and interpretable representation of knowledge
    and, in particular, describe causal relationships. For specific control engineering
    applications, there is extensive prior knowledge in the form of known structures
    and information, such as (partial) models or parameter sets, which should also
    be used when applying methods such as machine learning. Such a meaningful systematic
    connection has not yet been sufficiently investigated scientifically, especially
    with regard to industrial applications, and is very promising. This contribution
    presents the results of the DART junior research group – Data-driven methods in
    control engineering. The main objective was to investigate the synergistic combination
    of model- and data-driven methods for control engineering tasks, and all important
    research results as well as the basic principles of machine learning used are
    presented in this publication.@eng
  bibo_authorlist:
  - foaf_Person:
      foaf_givenName: Julia
      foaf_name: Timmermann, Julia
      foaf_surname: Timmermann
      foaf_workInfoHomepage: http://www.librecat.org/personId=15402
  - foaf_Person:
      foaf_givenName: Ricarda-Samantha
      foaf_name: Götte, Ricarda-Samantha
      foaf_surname: Götte
      foaf_workInfoHomepage: http://www.librecat.org/personId=43992
  - foaf_Person:
      foaf_givenName: Annika
      foaf_name: Junker, Annika
      foaf_surname: Junker
      foaf_workInfoHomepage: http://www.librecat.org/personId=41470
    orcid: 0009-0002-6475-2503
  - foaf_Person:
      foaf_givenName: Michael
      foaf_name: Hesse, Michael
      foaf_surname: Hesse
      foaf_workInfoHomepage: http://www.librecat.org/personId=29222
  - foaf_Person:
      foaf_givenName: Luis
      foaf_name: Schwarzer, Luis
      foaf_surname: Schwarzer
  bibo_doi: 10.17619/UNIPB/1-2305
  bibo_volume: Band 430
  dct_date: 2025^xs_gYear
  dct_language: ger
  dct_publisher: HNI Verlagsschriftenreihe@
  dct_title: DART - Datengetriebene Methoden in der Regelungstechnik@
...