Generative Design
Generative Design (GD) beschreibt die Verwendung von Entwicklungssystemen zur Erstellung der Lösung eines Entwurfsproblems mit einem gewissen Grad an Autonomie. Je nach GD Ansatz wird der Grad der Autonomie unter Zuhilfenahme von evolutionären Techniken und/oder Modellierungsansätzen zugewiesen, die auf algorithmischen, parametrischen oder regelbasierten Prozessen basieren. Entwürfe werden so entweder durch explizite Programmierung oder durch implizites Lernen aus Datensätzen direkt synthetisiert.
Am DMB forschen wir an verschiedenen GD-Ansätzen, von implizitem Lernen mittels Deep Generative Models bis hin zur expliziten Programmierung generischer Modelle und deren Variation durch evolutionäre Algorithmen. Hierbei werden Zielsetzungen wie Nachhaltigkeit und Leistungsfähigkeit des Produkts in die Algorithmen integriert, wodurch dem autonomen Entwurfsprozess klare Richtungen für die Entscheidungsfindung hinsichtlich optimaler Lösungen vorgegeben werden.
Nachhaltigkeit
Am Lehrstuhl DMB forschen wir im Bereich der Nachhaltigkeit, um zukunftsweisende Lösungen für die datengetriebene Produktentwicklung zu schaffen. Im Fokus stehen die Entwicklung und Optimierung nachhaltiger Prozesse und Technologien, die sowohl die Umwelt schonen als auch wirtschaftlich und sozial tragfähig sind. So fördern wir die Entwicklung innovativer Produkte, die den Anforderungen einer nachhaltigen Zukunft gerecht werden. Dadurch unterstützen wir den Umweltschutz und stärken die Wettbewerbsfähigkeit sowie die gesellschaftliche Verantwortung von Unternehmen.
KI in der Produktentstehung
Am Lehrstuhl DMB wird Künstliche Intelligenz gezielt in der Produktentwicklung eingesetzt, um Designprozesse zu optimieren und Entwicklungszeiten zu verkürzen. Durch den Einsatz moderner KI-Technologien können unterschiedliche Phasen der Produktentstehung effizienter gestaltet werden, von der datenbasierten Konzeptentwicklung über Simulation und Optimierung komplexer Produkte bis hin zur Qualitätssicherung in der Produktion mittels intelligenter Bilderkennung.
Digitalisierung der zivilen Gefahrenabwehr
Das Wissen ist für die Feuerwehren eine unheimlich wichtige Ressource, sowohl für den Alltag als auch für den Einsatz. Die Digitalisierung bietet viele mögliche Ansätze zur Umsetzung. Mit unserer Forschung untersuchen wir, wie die Feuerwehr bei ihrer Arbeit mit modernen digitalen Lösungen unterstützt werden kann.
Forschungsdatenmanagement
Die Veröffentlichung von Forschungsdaten ist ein wichtiger Treiber für innovative Forschung. Wie können Forschungsdaten gemanagt und veröffentlicht werden? – Neben der theoretischen Beantwortung dieser Fragen erforschen wir die praktische Umsetzung von Forschungsdatenmanagement-Systemen insbesondere für kollaborative Projekte und Lehre.