Datengesteuerte Modelle und Optimierung

Dieser Forschungsschwerpunkt treibt die simulationsgestützte Konstruktion für den Stahlbau voran. Wir kombinieren hochpräzise Finite-Elemente-Modellierung, Optimierung und wissenschaftliches maschinelles Lernen, um effiziente, zuverlässige und herstellbare Konstruktionen zu ermöglichen – insbesondere für die additive Fertigung (AM) mit Metallen.

Schwerpunkte

• Finite-Elemente-Simulationen für Metall-AM (thermisch und thermomechanisch): Wir modellieren Wärmeübertragung, Eigenspannungen und Verzug unter Berücksichtigung der Bauabfolgeeffekte und der Wechselwirkungen mit Stützstrukturen. Kalibrierung und Validierung anhand experimenteller Daten sowie Sensitivitätsanalysen und Unsicherheitsquantifizierung gewährleisten eine hohe Vorhersagegenauigkeit über verschiedene Werkstoffe und Prozessfenster hinweg.
• Struktur- und Topologieoptimierung: Wir entwickeln Optimierungs-Workflows, die Fertigungsrestriktionen integrieren (Überhangwinkel, minimale Feature-Größe, Minimierung von Stützstrukturen), einschließlich der Bauraum- bzw. Bauorientierungsauswahl sowie Gitter- und gradierter Infill-Strukturen. Die Zielgrößen umfassen Steifigkeit, Gewicht, thermische Performance und Ermüdungsfestigkeit, mit robusten und multikriteriellen Formulierungen.
• Machine Learning für ingenieurwissenschaftliche Simulationen: Wir entwickeln Surrogat- und Reduced-Order-Modelle zur Beschleunigung von FE-Analysen, setzen physikinformierte und Operator-Learning-Ansätze für Multiphysik-Probleme ein und nutzen Active Learning sowie Unsicherheitsquantifizierung für verlässliche Vorhersagen. Anwendungsfelder umfassen schnelle Studien zu Prozessparametern, Echtzeit-Verzugsvorhersagen und digitale Zwillinge für AM- und Struktur­systeme.

Verknüpfungen zu weiteren Forschungsschwerpunkten des Instituts

• Fortschrittliche Materialien: Datengetriebene und mechanistische konstitutive Modelle für Stähle, die in der additiven Fertigung und in konventionellen Herstellungsverfahren verwendet werden.
• Automatisierte/robotische/additive Konstruktion: Prozessorientierte Simulation, Unterstützungskonstruktion und Druckpfadplanung basierend auf Optimierung und maschinellem Lernen.
• Tragstrukturen für Windenergie: Hochpräzise Finite-Elemente-Analyse für ermüdungskritische Knoten; Designoptimierung von Tragstrukturen und Knoten; schnelle, zuverlässige Surrogatmodelle.