Die systematische Entwicklung hybrider Modelle ist eine weitreichende Forschungsfrage und ein junges, sich schnell entwickelndes Forschungsfeld. Impulse kommen dabei oft aus anwendungsnahen Fragestellungen, in denen weder datengetriebene noch simulationsbasierte Ansätze befriedigende Antworten bieten.
Die AG Hybride Modellierung untersucht dies in zwei Anwendungsfeldern:
- Hybride Modellierung für Monitoring technischer Prozesse
- Hybride Modellierung für Anwendungen in der Medizin
Eine computergestützte Modellierung folgt seit langem zwei etablierten Paradigmen:
-
Data Driven Verfahren
Datengetriebene („data driven“) Verfahren wenden analytische Methoden der Statistik, des maschinellen Lernens sowie der künstlichen Intelligenz auf empirisch erhobene Daten, z.B. Mess- oder Nutzerdaten, an, um Zusammenhänge zwischen beobachteten Größen aufzuspüren, das Verhalten von Systemen zu überwachen, vorherzusagen oder zu kontrollieren.
-
Physics based Verfahren
Physikalisch-technische Computer-Simulationen („physics based“) leiten hingegen aus abstrahierten naturwissenschaftlichen Zusammenhängen, mathematisch formuliert in der Sprache von (Differenzial-) Gleichungen, durch deren Lösung ebenfalls das Verhalten von Systemen ab. Sie finden ebenfalls Einsatz in der Aufklärung von Zusammenhängen, in der modellbasierten Regelung oder der Prognostik.
Wir setzen datengetriebene, simulationsbasierte und hybride Modellierung zur Überwachung von Produktionsprozessen ein. Im Projekt PromoAdd3D werden Beiträge zu einem KI gestützten Prozessmonitoring des SLM Prozesses entwickelt. Im Projekt KIproBatt entwickeln wir in Zusammenarbeit mit Partnern hybride Modelle für die Prozessüberwachung einer forschungsnahen Kleinserienfertigung von innovativen Li-Ionen Batterien. Hybride Modelle können auch eine Rolle im Bereich der Prädiktiven Wartung spielen, die wir im Projekt KAnIS untersuchen.
Computerbasierte Simulationsumgebungen bieten die Möglichkeit, die epidemiologische Dynamik von Infektionskrankheiten zu modellieren. Wir entwickeln eine solche Plattform weiter, um die Dynamik der COVID-19 Pandemie im Raum Aschaffenburg zu modellieren und automatisiert Vorschläge für mögliche Maßnahmen zur Reduzierung des Infektionsgeschehens bei gleichzeitiger Minimierung von Beschränkungen für den Einzelnen zu ermitteln.