Methodik zum Aufbau einer Entwicklungsumgebung für die datengetriebene Gestaltvorhersage von Bauteilen

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.