KI-Agenten optimieren Bauteile für Elektrofahrzeuge

Aufbau einer KI-basierten Prozesskette für die Produktentwicklung

Nutzungsgrad und Lebensdauer von Elektrofahrzeugen und ihren Bauteilen steigen, beispielsweise durch Car Sharing und autonomes Fahren. Zudem wird der Einsatz nachhaltiger Materialien immer wichtiger, um gesetzliche Umweltauflagen und unternehmenseigene Nachhaltigkeitsziele zu erfüllen. Die Integration dieser Anforderungen in das Produktdesign ist daher von zentraler Bedeutung. Wie wirkt sich zum Beispiel der Einsatz recycelter Materialien auf die mechanischen Eigenschaften von Strukturbauteilen aus? „In der Praxis stellt die fehlende Verknüpfung von Konstruktion und Simulation immer noch ein wesentliches Hindernis im Entwicklungsprozess dar“, sagt Ingenieur Felix Schneider von der Ostfalia Hochschule.

Optimierungen mit KI effizienter ausführen

Das Forschungsteam des Instituts für Fahrzeugbau Wolfsburg und des Instituts für Mechatronik in Wolfenbüttel entwickelt eine generische Methode, die Optimierungen in der Bauteilentwicklung mithilfe von KI effizienter realisiert. Auch bereits existierende CAx-Prozessketten ermöglichen eine automatisierte Optimierung in der Konstruktionsumgebung, eine nachträgliche Anpassung der optimierten Lösung entfällt hierbei. „Die klassischen Optimierungsalgorithmen weisen jedoch die Nachteile auf, dass die Startbedingungen das Ergebnis beeinflussen und kein Erfahrungswissen aus den einzelnen Berechnungsschritten in den eingesetzten Algorithmus einfließt“, erläutert Felix Schneider. „Dies erhöht die Anzahl von Rechenoperationen und verlängert den zeitlichen Aufwand des Optimierungsprozesses.“ Die Erweiterung der Prozessketten durch KI-Agenten bietet vielversprechende Lösungsansätze, die Berechnungsverfahren zu beschleunigen und ein besseres Ergebnis zu erzielen.

© Ostfalia Hochschule

Mögliche Anwendungen und Grenzen aufzeigen

Dafür bauen die Forschenden KI-integrierte Prozessketten auf, die sowohl für das Training als auch die Evaluierung der KI-Agenten genutzt werden. Simulationsmodelle bilden hierbei die physikalischen Zusammenhänge ab, zum Beispiel zwischen Gewicht, Spannung und Verformung eines Bauteils. Eine zentrale Aufgabe ist es, vorhandene KI-Agenten hinsichtlich ihrer Eignung und Leistungsfähigkeit im Optimierungsprozess zu untersuchen, um die Anwendbarkeit und Grenzen der generischen Methode aufzuzeigen. Lässt sich zum Beispiel ein KI-integrierter Ansatz auf vergleichbare Fragestellungen übertragen? Auf Basis dieser Erkenntnisse will das Team Richtlinien für den industriellen Einsatz KI-basierter Optimierungen entwickeln und veröffentlichen.

Glossar: Belohnung

Aufgabe eines KI-Agenten ist es, eine optimierte Lösung oder Entscheidung zu finden. Das Ergebnis wird anhand einer Belohnung bewertet. Die Belohnungs-Funktion zielt darauf ab, aus den guten oder negativen Belohnungen zu lernen und die Ergebnisse weiter zu verbessern.

Hier finden Sie weitere Informationen:

• Institut für Mechatronik