Methoden für die nachhaltige und kreislaufgerechte Auslegung von Fahrzeugbauteilen durch den Einsatz numerischer Optimierung und KI im Produktentwicklungsprozess
Für Bauteile der Mobilitätsbranche entstehen laufend neue Anforderungsprofile. Höhere Nutzungsgrade und längere Lebensdauern, wie sie sich aus Car-Sharing und autonomem Fahren ergeben, stellen steigende Anforderungen an die Bauteilauslegung. Gleichzeitig nimmt der regulatorische Druck zum Einsatz von Rezyklaten zu, während der Kostendruck am Markt unverändert hoch bleibt. Diese Ziele stehen im Konflikt zueinander und müssen bereits in der frühen Konzeptphase gemeinsam betrachtet werden. Dafür fehlen bislang durchgängige Bewertungsmodelle, die Nachhaltigkeit und Kreislauffähigkeit zu einem Zeitpunkt abschätzbar machen, an dem die Bauteilgestalt noch nicht festliegt. Hinzu kommt, dass Optimierungen im Produktentwicklungsprozess rechen- und zeitintensiv sind. Methoden der künstlichen Intelligenz bieten hier das Potenzial, den Aufwand zu senken und einmal erarbeitete Vorgehensweisen auf verwandte Fragestellungen zu übertragen. Wie sich dieses Potenzial in durchgängigen CAx-Prozessketten erschließen lässt, ist die zentrale Fragestellung der Joint Research Group.
Die JRG entwickelt Methoden und Tools, mit der sich Optimierungen im Produktentwicklungsprozess durch den Einsatz von KI durchführen lassen. Grundlage sind automatisierte, updatestabile CAx-Prozessketten, in denen Variation und Optimierung unmittelbar an der Parametrik des CAD-Modells erfolgen. Nach Abschluss der Optimierung liegt damit eine fertige Konstruktion vor, eine Nachkonstruktion entfällt. Ergänzt wird dieser Ansatz um KI-Agenten, mit denen sich die Optimierung beschleunigen und auf verwandte Fragestellungen übertragen lässt.
Ein Schwerpunkt der Joint Research Group liegt auf der nachhaltigen Mehrzieloptimierung, an der das IK mitwirkt. Dabei entsteht ein modulares Optimierungsframework, das die strukturmechanische FE-Simulation mit Analysemodellen zur Bewertung der Umweltwirkungen über den Lebenszyklus koppelt. Betrachtet werden beispielsweise thermoplastische Bauteile aus Post-Consumer-Rezyklat-Blends. Ein steigender Rezyklatanteil kann hier zwar den materialbedingten CO₂-Fußabdruck senken, geht aber mit geringeren und stärker streuenden mechanischen Eigenschaften einher, sodass zur Funktionserfüllung mehr Material erforderlich werden kann. Der Rezyklatanteil geht daher als kontinuierliche Entwurfsvariable neben den Geometrieparametern in die Optimierung ein. Minimiert werden Herstellkosten und Treibhauspotenzial unter Einhaltung der mechanischen Anforderungen als Restriktionen. Ergebnis ist kein einzelner Entwurf, sondern eine Menge Pareto-optimaler Kompromisslösungen, aus der sich je nach Priorisierung eine Vorzugsvariante ableiten lässt, die in weiteren Arbeitsschritten konkretisiert und abgesichert wird.
Die Zielfelder des Projekts umfassen:
Eine ausführliche Projektbeschreibung findet sich auf der Projektseite der Open Hybrid LabFactory.
Zur Validierung der Ergebnisse wird eine industrienahe Produktionsumgebung aufgebaut, die für die Herstellung von Demonstratoren genutzt wird. Diese Umgebung wird digitalisiert und mit Sensorik ausgestattet, um eine praxisnahe Datenaufnahme zu gewährleisten. Gleichzeitig dient die Fertigung dazu, die Übertragung der Ergebnisse auf andere Bauteile und Branchen zu validieren und die erarbeiteten Methodiken und Modelle entsprechend zu optimieren.
Bei Interesse an den aktuellen Projektergebnissen kontaktieren Sie uns gern.
Niedersächsisches Ministerium für Wissenschaft und Kultur – Programm „zukunft.niedersachsen“