Fünf Anwendungsszenarien aufgezeigt Wie KI und physikalische Modelle Optimierungspotenziale eröffnen

Von Martin Hensel

Anbieter zum Thema

Der Data-Science-Spezialist LeanBI weist darauf hin, dass die Kombination von KI und physikalischen Modellen die Entwicklung komplexer Produkte und Prozesse beschleunigen kann. Dazu zeigt das Unternehmen fünf typische Anwendungsfälle auf.

LeanBI zeigt auf, wie die Kombination von KI und physikalischen Modellen bei der Entwicklung komplexer Produkte helfen kann.
LeanBI zeigt auf, wie die Kombination von KI und physikalischen Modellen bei der Entwicklung komplexer Produkte helfen kann.
(Bild: kiquebq / Pixabay)

Als Beispiel nennt LeanBI die Entwicklung von Flugzeugflügeln: Sie müssen Auftrieb liefern, für Stabilität und Manövrierfähigkeit sorgen und gleichzeitig so geformt sein, dass ein möglichst geringer Luftwiderstand und in der Folge ein reduzierter Kerosinverbrauch möglich sind. Die Berechnung der optimalen Strömungseigenschaften mit physikalischen Simulationen setzt Unmengen an Daten voraus.

Laut LeanBI gestatten KI und Machine Learning mittlerweile die Prognose von Simulationen und damit das schnellere und effizientere Auffinden optimaler Strömungsformen. Umgekehrt vereinfacht der Einsatz physikalischer Modelle die Entwicklung von KI-Algorithmen. Drei Kombinationen sind möglich: Physikalische Modelle speisen die KI, die KI speist physikalische Modelle oder beide laufen ergänzend („hybrid“) parallel.

Fünf mögliche Szenarien

LeanBI skizziert dazu die folgenden fünf möglichen Einsatzszenarien:

  • Produktionsplanung: Die optimale Auslastung einer Produktionsstraße und deren Teilstrecken, etwa einer Lackieranlage in der Automobilproduktion, ist angesichts der Variantenvielfalt ein komplexer Prozess. Bei der Durchlaufoptimierung werden vorab verschiedene Situationen simuliert, um darauf die Produktionsplanung, auch mithilfe von Künstlicher Intelligenz, tagesweise aufzusetzen.
  • Predictive Maintenance von Bauteilen: Kritische Bauteile, wie etwa ein Wälzlager, werden mithilfe von Sensoren überwacht. Dabei ist es wichtig, bei der Detektion verschiedener Schadenstypen verfälschende Umwelteinflüsse auszuschließen. Für entsprechende Lösungen werden KI/ML-Modelle eingesetzt, die wiederum mit physikalischen Algorithmen gefüttert wurden.
  • Schadenserkennung an Bauwerken: Die Strukturanalyse, also etwa die Identifizierung der Spannungsverteilungen innerhalb von Turm- oder Brückenkonstruktionen, erfolgt nach der Finite-Elemente-Methode (FEM). Bei einer laufenden Überwachung direkt an der Konstruktion oder mit optischen Verfahren wie Drohnenkameras werden KI-Modelle eingesetzt. Die Kombination von Strukturanalyse und KI hilft, den Risikograd von Schäden zu erkennen und falls notwendig vorsorgliche Reparatur- oder Renovierungsmaßnahmen daraus abzuleiten.
  • Präsenzkontrolle in Innenräumen: Durch den Einsatz kostengünstiger Sensoren können die CO2-Profile in Innenräumen aufgenommen werden. Das macht die Erfassung der Präsenz von Personen unter Beibehaltung des Datenschutzes möglich. Die Innenräume weisen jedoch unterschiedlichste Durchlüftungscharakteristiken auf. Um trotzdem aussagekräftige Ergebnisse zu erzielen, wird die KI-Analytik einmalig automatisiert mit physikalischen Modellen auf die Spezifika des jeweiligen Innenraums kalibriert.
  • Training von Roboterarmen: Mithilfe von Reinforcement Learning werden nach dem Prinzip von Belohnung und Bestrafung Strategien des Greifens erlernt. So können Roboterarme lernen, Objekte unterschiedlichster Formen in undefinierter Lage zu greifen. Für das Training dieser KI-Modelle sind die Daten sehr viel einfacher durch Simulation der Roboterbewegungen zu erstellen, als durch kostspielige echte Testläufe.

„Die Kombination von physischen Modellen und Künstlicher Intelligenz ist auf eine Vielzahl ganz unterschiedlicher Prozesse anwendbar“, erklärt LeanBI-CEO Marc Tesch. Sie sei breit nutzbar und eröffne damit ganz neue praktische Optionen zur Anwendung von KI und Machine Learning.

(ID:48561915)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung