Teilprojekt Integrierter Entwurfsprozess für Offshore-Tragstrukturen

4 September 2023

Prof. Dr. Eirini Ntoutsi, Professur für Open Source Intelligence an der Fakultät für Informatik, hat das Teilprojekt "Integrierter Entwurfsprozess für Offshore-Tragstrukturen" in Rahmen des Projekts "Offshore-Megastrukturen" bei der Deutschen Forschungsgemeinschaft (DFG) eingeworben.

Laufzeit: 01.01.2023 bis 31.12.2024
Förderung: Deutsche Forschungsgemeinschaft e. V. (DFG)

Das wesentliche Ziel in diesem Teilprojekt besteht in der Erforschung einer integrierten Entwurfsmethodik, mit der eine Verbesserung von Tragstrukturentwürfen durch die Integration aller Randbedingungen des kompletten Lebensprozesses bereits im ganz frühen Entwurfsstadium vorgenommen werden kann und zudem neuartige Strukturkonzepte für zukünftige OWEA entwickelt werden können. Dies gelingt durch die Erweiterung des Entwurfsraums von OWEA über den Unterraum „mechanische Auslegung der Tragstruktur“ hinaus.

Die vielfältigen Kopplungen zwischen den zunächst allein aus dem Tragverhalten generierten Entwurfsvarianten und den nach- geschaltet untersuchten Lebensphasen Fertigung, Installation, Betrieb und Rückbau werden auch heutzutage schon mit sogenannten Expertensystemen untersucht. Implizites Wissen wird dabei mit Hilfe von Bewertungsmatrizen im Entwurfsprozess berücksichtigt. Jedoch sind die verschiedenen Kriterien eines solchen Prozesses nie unmittelbar vergleichbar. Der Vergleich gelingt erst durch eine subjektive Wichtung der Kriterien, womit jedoch letztlich jedes beliebige vom Bearbeiter gewünschte Ergebnis erzeugt werden kann.

In diesem Teilprojekt soll dagegen Wissen, Erfahrung und Intuition durch geeignete Verfahren aus dem Bereich des maschinellen Lernens (ML) zusammengeführt werden. ML-Verfahren (z. B. Decision Tree, Random Forest oder auch neuronale Netze) sollen die Entwurfsgüte unterschiedlicher Entwurfsvarianten gesamthaft prognostizieren und damit eine Unterstützung und Verbesserung im Entwurfsprozess ermöglichen. Weitere Vorteile dieser Verfahren liegen in der Handhabung von großen Mengen heterogener Daten und dem maschinellen Erkennen von komplexen nichtlinearen Zusammenhängen, um daraus den Einfluss einzelner Lebensphasen auf einen guten bzw. schlechten Strukturentwurf herauszufinden.

^{Bild: © gettyimages/}