Beschreibung

Die konzeptuelle Synthese technischer Systeme basiert heute überwiegend auf wissens- und erfahrungsgetriebenen Entwicklungsprozessen. Insbesondere bei der Auslegung ebener Mechanismen und Planetengetriebe erfolgt die Überführung technischer Anforderungen in konkrete Struktur- und Geometrievarianten häufig iterativ und manuell. Die getrennte Betrachtung von Struktur- und Maßsynthese sowie die eingeschränkte Berücksichtigung funktionaler, geometrischer und physikalischer Randbedingungen führen dazu, dass große Lösungsräume nur begrenzt exploriert werden können. Darüber hinaus liegen Anforderungen in frühen Entwicklungsphasen oftmals unvollständig, inkonsistent oder nur in natürlicher Sprache vor, wodurch eine automatisierte Synthese zusätzlich erschwert wird.

Aktuelle KI-basierte Ansätze im Engineering konzentrieren sich überwiegend auf Optimierungsprobleme oder datengetriebene Vorhersagen, berücksichtigen jedoch nur eingeschränkt physikalische Zusammenhänge, technische Restriktionen und wissensbasierte Modelle. Insbesondere fehlt bislang ein integrierter Ansatz, der Anforderungen, technische Randbedingungen und domänenspezifisches Wissen direkt in die generative Synthese von Mechanismen und Getrieben überführt und dabei nachvollziehbare und technisch valide Lösungen erzeugt. Die automatisierte Bewertung generierter Varianten hinsichtlich funktionaler und kinematischer Eigenschaften stellt dabei eine zusätzliche Herausforderung dar.

Projektziel

Ziel des Projekts ist die Entwicklung einer daten- und wissensbasierten Methodik zur generativen Synthese und Bewertung ebener Mechanismen und Planetengetriebe aus technischen Anforderungen. Hierzu werden Methoden der Künstlichen Intelligenz, des Generative Engineering sowie wissensbasierte Modelle in Form von Ontologien und Wissensgraphen kombiniert, um Anforderungen maschinenverarbeitbar zu repräsentieren und technisch valide Lösungsräume automatisiert zu explorieren.

Im Projekt werden Methoden zur formalen Beschreibung funktionaler, geometrischer und physikalischer Anforderungen entwickelt und in ein integriertes Synthese- und Bewertungssystem überführt. Auf Basis simulationsgestützter und synthetisch erzeugter Datensätze entstehen generative KI-Modelle, die Struktur- und Maßsynthese gemeinsam berücksichtigen und aus vollständigen oder unvollständigen Anforderungen geeignete Mechanismus- und Getriebevarianten erzeugen können. Ergänzend werden Verfahren zur automatisierten Bewertung, Sensitivitätsanalyse und Erklärbarkeit entwickelt, um die Nachvollziehbarkeit und technische Validität generierter Lösungen sicherzustellen.

Die entwickelten Methoden schaffen die Grundlage für eine KI-gestützte Unterstützung von Ingenieur:innen in frühen Entwicklungsphasen und ermöglichen eine effizientere Exploration technischer Lösungsräume bei der Entwicklung zukünftiger Mechanismus- und Getriebesysteme.

Projektergebnisse

Laufendes Forschungsprojekt

Zeitraum

01.05.2026 bis 01.05.2029

Partner

IGMR Institut für Getriebetechnik, Maschinendynamik und Robotik, RWTH Aachen University

Projektträger