Künstliche Intelligenz spielt in vielen Branchen und Technologien eine wichtige Rolle. Auch in der Simulation können mithilfe von KI grundlegende Prozesse und Verwaltungsaufgaben schneller erledigt werden, um Zeit zu sparen oder Verfahren zu vereinfachen. Das Festlegen von Parametern ist ein solcher Bereich: Eine Engine für maschinelles Lernen kann erfahrene Ingenieure dabei beobachten, wie sie Simulationswerkzeuge nutzen und Parameter festlegen. Im Anschluss kann ML diesen Vorgang bis zu einem gewissen Grad genau nachbilden, um weniger erfahrenen Ingenieuren die Möglichkeit zu geben, das Tool effizienter zu verwenden. 
Ein weiterer Bereich, den KI und ML bei der Simulation unterstützen können, ist das Verwenden datengesteuerter oder physikalisch informierter neuronaler Netzwerklöser, um die Simulation um mehrere Größenordnungen zu beschleunigen. Anstatt partielle Differentialgleichungen zweiter Ordnung (PDE) mit herkömmlichen numerischen Methoden wie Finite-Elemente- oder Finite-Volumen-Methoden zu lösen, verwenden diese neueren KI- und ML-Methoden neuronale Netze, um PDEs zu lösen. Bewiesen ist, dass diese Methoden mit einfachen Geometrien und Randbedingungen funktionieren. Jetzt gilt es, diese Methoden auf komplexe Probleme in der Praxis anzuwenden.

Multiphysikalische Interaktion

Das Konzept der Multiphysik besteht bereits seit 50 Jahren. Im Laufe ihrer Entwicklung wurde sie mit vielen Herausforderungen konfrontiert. Die Aufgabe, die es heute zu bewältigen gilt, ist die Interaktion zwischen den verschiedenen physikalischen Tools. Früher hat ein Ingenieur verschiedene physikalische Simulationswerkzeuge verwendet, um eine Vielzahl von Design-Problemen in einem einzelnen Produkt zu lösen. Nehmen wir beispielsweise einen Computerchip: Man würde zunächst die vom Chip abgegebene Wärme simulieren, dann analysieren, wie sich diese auf die Leiterplatte, auf der er sitzt, auswirkt, und zum Schluss eine Lösung finden, wie man den Chip kühlen kann, um die Leiterplatte vor Rissen zu schützen. Während der erwähnte schrittweise Ansatz für viele Jahre die beste Option war, fordern Ingenieure heute eine Möglichkeit, diese Probleme gleichzeitig zu lösen. 
Durch diese multidisziplinäre Optimierung wird die Zeit für die Analyse des Produkts, ganz gleich ob es sich um einen Chip oder ein anderes Produkt handelt, reduziert und die Lösung für jedes Problem, mit dem die Ingenieure konfrontiert sind, gefunden. Dies führt zu optimierten Produkten und geringeren Kosten. 

Zum Beispiel hat Ansys mit Dynardo einen Anbieter im Bereich der Simulationsprozess-Integration und Design-Optimierung übernommen. Damit ist das Unternehmen einen Schritt näher an die Multiphysik-Interaktionen herangekommen und versetzt seine Anwender in die Lage, optimale Produktdesigns schneller und kostengünstiger zu identifizieren. In diesem Jahr sollen zusätzliche Bemühungen erfolgen, die Technologie weiter voranzubringen.

Microservices und Hyper-Skalierung

Simulation kommt in vielen Bereichen zum Einsatz. Bei Windkraftanlagen lässt sich beispielsweise die Windströmung an den Rotorblättern simulieren.

© Ansys

Wir werden auch Fortschritte im Bereich ‚Microservices für die Simulation‘ sehen. Hier werden die Hauptteile der Sim-ulation, zum Beispiel Geometrie, dann Meshing, gefolgt von Solver und schließlich der Nachbearbeitung – von einem monolithischen Prozess zu dedizierten separaten Teilen transformiert. Die für die Simulation erforderlichen Schritte sind dabei unabhängig voneinander. Anstelle eines einzelnen Prozesses werden viele Services wie zum Beispiel für die Geometrie, das Meshing, den Solver und das Post-Processing bereitgestellt; diese können dann von verschiedenen Produkten verwendet werden, die über APIs (Application Programming Interfaces) miteinander kommunizieren und auf Cloud-Computing-Plattformen wie Microsoft Azure oder AWS skalierbar ausgeführt werden können. Das Ergebnis ist eine bessere Zugänglichkeit, mehr Flexibilität und eine bessere Wiederverwendbarkeit, um viele verschiedene Aufgaben zu lösen. Mithilfe der APIs können Nutzer von Simulationen beispielsweise Tools eines Unter-nehmens mit den Systemen anderer Unternehmen zu einer offenen Plattform verbinden.
Eine der größten Herausforderungen für Nutzer bei vielen Softwaretypen ist die Laufzeit. Sie fordern zunehmend schnellere Laufzeiten. Simulation ist hier keine Ausnahme, der Fokus darauf wird sich aber deutlich verstärken. 

Eine Möglichkeit, die Laufzeit zu verbessern, liegt im Parallel-Computing. Im Laufe der Zeit hat Parallel-Computing viele verschiedene Formen angenommen. So hat es sich von Shared Memory Processing (SMP) über Message Passing Interface (MPI) bis hin zu feinkörniger GPU-basierter Parallelität und aufgabenbasierter Parallelität entwickelt. Die Idee für Hyper Scale ist, dass wir alle Formen von Algorithmen auf Supercomputern nutzen. Wenn Anwender Hyper-Scale-Simulationen ausführen können, werden sie wahrscheinlich in der Lage sein, Simulationen in wenigen Minuten oder Stunden durchzuführen, die zuvor möglicherweise 10.000 Stunden in Anspruch genommen hätten. 
In diesem Bereich gibt es noch viel zu tun. 2020 wird zu früh sein, um eine Hyper-Skalierung in dem beschriebenen Ausmaß zu sehen. Innerhalb des nächsten Jahrzehnts können wir aber definitiv damit rechnen.

Vorausschauendes und robustes Design

Im Bestreben, Effizienz und Kosteneinsparungen zu erzielen, haben viele Hersteller und Dienstleister Over-Engineering beseitigt und sich stattdessen auf ein minimalistisches Design konzentriert. Wo 10 cm Asphalt für eine Autobahn benötigt werden, werden genau 10 cm verwendet und nicht 20 cm wie in der Vergangenheit ‚nur für den Fall‘ üblich. Das Problem ist, dass bei allen Materialien Abweichungen auftreten. Das heißt, die Berechnung des erforderlichen Asphaltvolumens kann von Projekt zu Projekt unterschiedlich ausfallen: 10 cm Asphalt würden zwar in einem Fall genügen, in einem anderen aber nicht.
Robustes Design durch Simulation adressiert solche Unsicherheiten und wird in diesem Jahr verstärkt eingesetzt werden. Das Verwenden von Simulationen zur Bewertung der Materialien und zur Berechnung der Unsicherheit verhindert sowohl die Über- als auch Unterentwicklung von Produkten und Dienstleistungen. Während ein Sicherheitsfaktor von 500 % zu hoch und damit ineffizient wäre, lassen 100 % keinen Spielraum für Materialschwankungen. Basierend auf unterschiedlichen Informationen, läge der Sicherheitsfaktor für robustes Design beispielsweise bei 110 %.

Digitalisierung der physischen Welt

Bei der Entwicklung elektronischer Geräte werden Luftströme und die ­Wärmeableitung ­simuliert. So lassen sich mögliche Schäden durch Über­hitzung einzelner Komponenten im fertigen Gerät verhindern.

© Ansys

Simulation ist bereits digital, richtig? Ja, aber Simulation umfasst zunehmend auch die physische Welt. Dank des Internet der Dinge (IoT) hat die Nutzung von digitalen Zwillingen in letzter Zeit zugenommen. Ingenieure digitalisieren dafür Informationen eines physischen Teils, damit sie seine Leistung analysieren und Systeme überwachen können. So können sie Probleme mit der realen Komponente oder Maschine vermeiden, bevor sie überhaupt auftreten. Nachdem sich die Technologie inzwischen durchgesetzt und bewährt hat, um Ausfallzeiten und die damit verbundenen Kosten zu minimieren, werden digitale Zwillinge immer stärker Einzug in Unternehmen halten.
Weiterhin sind Augmented (AR) und Virtual Reality (VR) zu berücksichtigen. Derzeit visualisieren Ingenieure ihre simulierten Entwürfe auf 2D-Bildschirmen. Dadurch, dass VR- und AR-Technologien immer schneller und zugänglicher werden, können Entwürfe jedoch bald auch in einer 3D-Umgebung auf einem AR- oder VR-Headset visualisiert werden. Die Daten können dann leichter ausgewertet werden und die Entwürfe sind einfacher zu verstehen, zu bearbeiten und zu testen. Das führt zu einem schlankeren und effektiveren Prozess.

Design, Test, Wartung – Simulation spielt bei diesen Prozessen eine entscheidende Rolle. Aber was passiert, wenn ein Produkt oder ein Teil versagt? Wie kann Simulation dann helfen? Indem Hersteller ihre Abläufe digital abbilden, können sie all ihre Aktivitäten vom ersten Entwurf über die Herstellung bis hin zum Verkauf aufeinander abstimmen und jedes Teil verfolgen. Wenn also bei einem bestimmten Fahrzeugmodell ein Problem mit den Bremsen auftritt, kann dies auf den ursprünglichen Simulations-entwurf zurückgeführt werden. Dieser Entwurf wird dann überprüft, um den Fehler schnell zu identifizieren. Wenn das Modell zurückgerufen wird, kann das Problem schneller und kostengünstiger behoben werden als durch einen manuellen Testprozess. Die digitale Transformation ist für die meisten Unternehmen eine große Aufgabe, aber viele widmen sich ihr bereits. Es ist davon auszugehen, dass sich die digitale Transformation in diesem Jahr noch beschleunigen wird und große Hersteller den Wandel noch vor Jahresende abschließen können.

Neue Anwendungsbereiche durch ­Simulation

Prith Banerjee ist Chief Technology Officer bei Ansys.

© Ansys

Simulation ist in einer Reihe von Berei-chen mit realen multiphysikalischen Bedingungen gut etabliert. In diesem Jahr werden Anbieter von Simulations-software die Grenzen der Technologie erweitern, um Probleme in weiteren Bereichen der Physik zu lösen. Chemie im Gesundheitswesen ist derzeit ein Bereich, der noch nicht genügend von der Multiphysik-Simulation abgedeckt wird, aber erheblich von ihr 
profitieren würde. 

Wie könnte das in der Praxis aussehen? Klinische Studien für neue Medikamente erfordern Tests am Menschen, doch eines Tages könnten die Studien durch Simulationen ersetzt werden: Die Notwendigkeit, das Medikament an Tausenden von Probanden zu testen, würde dann entfallen, ebenso wie die enormen Kosten der Stu-dien. Und dort, wo Studien nicht durchgeführt werden können, zum Beispiel an Kindern, sind die Einsatz-möglichkeiten für Simulation enorm. Auch im Gesundheitswesen, wo ein Blutgerinnsel zu einem Herzinfarkt führen kann, könnte die Simulation genutzt werden, um die richtigen Medikamente zur Verdünnung des Blutes und zur Auflösung des Gerinnsels zu identifizieren.

Die heutige Technologie macht es möglich, dass Produkte und Werkzeuge, deren Entwicklung zuvor Jahre betrug, nunmehr über Nacht hergestellt werden können. Ein Start-up könnte zum Beispiel einen komplett neuen Weg entwickeln, um eine Aufgabe zu bewältigen oder ein Problem zu lösen und damit existierende Prozesse durchbrechen. Viele bereits vergessene Unternehmen sind daran gescheitert, sich auf eine solche Situation vorzube­reiten. Anstatt aber die geringe Möglichkeit zu ignorieren, dass so etwas passiert, müssen Unternehmen die Risiken direkt adressieren, indem sie innovativ arbeiten.