MSE Vertiefung Optimierung und künstliche Intelligenz

Die Entwicklung optimaler Produkte mittels «Künstlicher Intelligenz» ist eine Schlüsseltechnologie des 21. Jahrhunderts. Sie stellt die Basis für viele Innovationen, Optimierungen und neue Produkte dar.  Der Einsatz der Künstlichen Intelligenz in der Produktentwicklung erfordert ein hohes Mass an Know-How und Erfahrung und war deshalb in den letzten Jahrzehnten vor allem milliardenschweren Grosskonzernen in Luftfahrt (z.B. Airbus), Automobilbau (z.B. BMW) oder Energietechnik (z.B. AndritzHydro) vorbehalten. Modernste Entwicklungen in SW- und HW-Technik führen dazu, dass die Künstliche Intelligenz in den nächsten Jahren zu einem Standardwerkzeug in der Produktentwicklung werden wird. Am Institut für Computational Engineering (ICE) bereiten wir die MSE-Studentinnen und –Studenten darauf vor diese neuen Technologien von den Hochschulen in die Unternehmen zu tragen.

«Künstliche Intelligenz» identifiziert die optimale Verlegung von Kühlkanälen eines komplexen Spritzguss-Werkzeuges, s. [4].
«Künstliche Intelligenz» des SQP-Algorithmus optimiert den Wirkungsgrad eines Elektromotors (Master-Arbeit F. Hutter [7]).

Konkret bedeutet «Künstliche Intelligenz» in der Produktentwicklung den fachgerechten Einsatz von komplexen mathematischen Optimierungs-Algorithmen. Als MSE-Studentin oder –Student mit der Vertiefung Künstliche Intelligenz und Optimierung lernen Sie die mathematischen Grundlagen der wichtigsten und leistungsfähigsten Optimierungs-Algorithmen kennen. Sie implementieren die Optimierungs-Algorithmen in der Praxis (mit Industrie-Partnern wie z.B. ThyssenKrupp, Danzer, Opel, Nordex oder andere). Dabei setzen Sie moderne, bereits etablierte und getestete High-End-Algorithmen ein oder entwickeln eigene Optimierungs-Algorithmen.

Die praxisnahe und wissenschaftliche Arbeit unserer MSE-Studierenden ist eng vernetzt mit dem Institut für Computational Engineering (ICE). Die MSE-Studierenden können dabei auf eine hervorragende Software- und Hardware-Infrastruktur und das Know-How von 6 Dozenten und 12 wissenschaftlichen Mitarbeitern zurückgreifen. Für Teilzeitstudenten ist eine Anstellung an unserem Institut möglich.

In diesem Rahmen arbeiten wir praxisnah und eng mit Unternehmen wie ThyssenKrupp, Opel, Nordex, Danzer oder EMS-Chemie zusammen. Darüber hinaus arbeiten wir in einem Netzwerk von weltweiten wissenschaftlichen Institutionen und dokumentieren diese in wissenschaftlichen Veröffentlichungen unserer MSE-Studenten [1-4].

«Künstliche Intelligenz» optimiert das Profil des Flügels einer Windkraftanlage (Master-Arbeit F. Gfeller [6]).

Ausgewählte Projekte von Master-Studentinnen und –Studenten:

  • Optimales Design des Flügels einer Windkraftanlage mittels unrestringierten Optimierungs-Algorithmen (Industrie-Partner: Nordex SE, Hamburg, D), [1, 2]
  •  Optimal-Design von Elektro-Motoren für Automobile (Industrie-Partner: ThyssenKrupp Presta AG, Eschen, LI) [4]
  • Optimale Kühlung von Verbrennungsmotoren (Industrie-Partner: Opel AG, Rüsselsheim, D)
  • Entwicklung eines optimierten Spinnprozesse (Industrie-Partner: EMS-Chemie, Ems, CH) [5]
  • Entwicklung von Strömungsabriss-optimierten Flügeln für Windkraftanlagen (wissenschaftlicher Partner: IWES, Bremen, D) [3]
  • Optimierte Kühlung von Spritzgusswerkzeugen (Industrie-Partner: BSF-Bünter AG, Heerbrugg, CH) [4]
  • Klassifikation von Holz-Oberflächen mittels Künstlicher Intelligenz (Industrie-Partner: Danzer Holding AG, Dornbirn, A)

Ausgewählte Veröffentlichungen:

[1] L. Brunold, M. J. Bünner, «The Mathematics of Optimal Products», Proceedings: NAFEMS Conference, Wiesbaden (2014).

[2] L. Vorspel, M. Schramm, B. Stoevesandt, L. Brunold, M. Bünner, «A benchmark study on the efficiency of unconstrained optimization algorithms in 2D-aerodynamic shape design», Cogent Engineering, Vol. 4, (2017).

[3] F. Gfeller, L. Vorspel, M. Schramm, B. Stoevesandt, M. Bünner, «SQP-Optimization of Lift Characteristics of 2D-airfoils with a Special Emphasis on Stall Behavior», zur Veröffentlichung eingereicht (2017).

[4] T. Gnos, C. Würsch, M. J. Bünner, «An Algorithm to compute Optimal Space-Filling Curves on Curved Surfaces», zur Veröffentlichung eingereicht (2017).

[5] L. Brunold, «Optimierung des Spinnprozesses eines Spezialpolymers», Master Thesis, NTB Buchs (2017).

[6] F. Gfeller, «Berechnung optimaler Strömungsformen mittels restringierter Optimierung», Master Thesis, NTB Buchs (2017).

[7] F. Hutter, «Automatisierte Optimierung von Asynchronmotoren», Master Thesis, NTB Buchs (2017).