Die CFD Schuck Ingenieurgesellschaft hat für ihren Einsatz Künstlicher Neuronaler Netze (KNN) zur Vorhersage von Produkteigenschaften und zur Kostenreduktion den Digitalen Mittelstands-Award (DIMA) in der Kategorie „Innovation“ gewonnen. Mithilfe dieser KNN lassen sich Tendenzen für unterschiedliche Zielgrößen prognostizieren, wie beispielsweise Rechenzeiten von CFD Simulationen oder die Leistung eines Kühlkörpers.
Im Interview verrät Geschäftsführer Andreas Schuck, wie die Idee reifte, welche Branchen von den KNN profitieren können und was er sich vom Award verspricht.
Herr Andreas Schuck, was hat den Ausschlag gegeben, dass Sie sich als Ingenieur an das Thema Künstliche Neuronale Netze gewagt haben?
Wir entwickeln als Dienstleister seit 30 Jahren virtuelle Prototypen mit dem Schwerpunkt Strömungsmechanik. Innerhalb dieses Prozesses wurden bisher viele kosten- und zeitintensive Berechnungen angestellt. Die erste Idee zu einer KI-gestützten Analyse von bestehenden Daten, um die Produktentwicklung effizienter zu gestalten, entstand im Jahr 2018. Die Umsetzung erfolgte dann im Rahmen eines Projektes des Zentralen Innovationsprogramms Mittelstand (ZIM). Es steht ja schon seit geraumer Zeit Open-Source-Software zur Verfügung, die die Basis für solche Künstlichen Neuronalen Netze bereitstellt. Die Herausforderung war, diesen Code so zu formen, dass wir unsere Idee umsetzen konnten, nämlich verlässliche Vorhersagen von Produkteigenschaften zu treffen. Jetzt können wir uns bereits im Vorfeld aus der Vielzahl von Designvarianten auf einige vielversprechende Modelle konzentrieren.
Welche Branchen können von dieser Innovation denn profitieren?
Diese Technologie ist branchenübergreifend von Nutzen. Wir hatten den Fokus viele Jahre auf die Automobilindustrie sowie die Luft- und Raumfahrttechnik gelegt, doch Einsatzmöglichkeiten finden sich in der gesamten Produktentwicklung, wo technische Parameter mit Zielgrößen kombinierbar sind: von der Entwicklung von Kühlgeräten über Befüllungsanlagen bis hin zur E-Mobilität.
Konkret an einem Beispiel aus der Praxis festgemacht: Wie helfen KNNs bei der Produktentwicklung?
Anschaulich wird die Anwendung am Beispiel eines Kühlkörpers: Es konnten verlässliche Aussagen über die Leistung der sogenannten Kühlrippen getroffen werden. Dafür wurden zunächst bekannte Parameter über eine intuitive webbasierte Benutzeroberfläche importiert, beispielsweise Länge und Anzahl der Rippen, deren Position und Abstand voneinander. Danach errechnete das trainierte KNN die entsprechenden Tendenzen zu der vorgegebenen Zielgröße, in diesem Falle die Kühlleistung, und lieferte den entsprechenden Output. Die Ergebnisse und die verwendeten Parameter ließen sich dann in einer Datei ausgeben, zudem wurden erneute Berechnungen durchgeführt, bis die optimale Variante feststand. Erneute Strömungssimulationen waren nicht mehr notwendig.
Was versprechen Sie sich jetzt vom Gewinn des Digitalen Mittelstand-Awards?
„In erster Linie erwarte ich dadurch einen echten Motivationsschub bei meinen Mitarbeitern. Sie sehen durch diese Auszeichnung, dass gemeinschaftliche Projektentwicklung viel bewirken kann.“
Zudem befinden wir uns noch in der Vermarktungsphase. Da hilft die erhöhte Aufmerksamkeit durch den gewonnenen DIMA sicherlich, um von unseren Kunden oder potenziellen Neukunden anders wahrgenommen zu werden und solche Projekte künftig gemeinsam entwickeln zu können.
