Im Spannungsfeld von Simulation, künstlicher und natürlicher Intelligenz gewinnt der Anwender.
Mit seiner Machine Learning Platform Ansys SimAI erhebt Ansys den Anspruch, über die unterschiedlichen physikalischen Domänen hinweg 10 bis 1000 mal schneller zu validen Ergebnissen mittels Simulationen zu kommen. Ansys SimAI ist ein wesentlicher Bestandteil des Konzepts „Intelligent Engineering“ als nächster Schritt nach Digital Engineering, für das sich der CAE-Systemanbieter stark macht. Dabei treffen künstliche und natürliche Intelligenz des Menschen aufeinander – ein gewinnbringendes Tête-à-Tête?
Es liegt auf der Hand, dass es dazu einiger Erläuterungen bedarf. Zum einen will Ansys mit KI ja nicht das Engineering auf das von Hochbegabten einengen, wie im letzten Blogbeitrag bereits thematisiert. Vielmehr sollen möglichst viele – mehr als bisher – in den kritischen Entscheidungsprozess eingebunden werden (Stichwort: „Simulation Democratization“).
Wir erinnern uns: Im Rahmen von Digital-Engineering-Szenarien ist unter dieser „Demokratisierung“ von Simulationsanwendungen die Bereitstellung von browserbasierten Apps zu verstehen, die es Gelegenheitsnutzern durchaus erleichtern, mit Simulationssoftware umzugehen – ohne dass diese die Simulationsingenieure ständig mit Fragen behelligen müssen.
Die Integration von KI-basierten Simulationsalgorithmen bietet immenses Potenzial – für Simulationsexperten und Konstrukteure gleichermaßen. Ansys schafft damit den Spagat zwischen konventioneller, hochpräziser, zielorientierter Optimierung (es werden nur wenige Simulationen bzw. Versuche für eine konkrete Aufgabenstellung durchgeführt) und einem auf maschinellem Lernen basierenden Intelligent Engineering, verbunden mit einer Vielzahl von Simulationen, die zwar deutlich schneller sind, aber möglicherweise Abstriche bei der Genauigkeit der Ergebnisse erfordern.
Intelligent Engineering nutzt einen adaptiven Design-of-Experience-(DoE-) Algorithmus, der sich auf Teilgebiete der Antwortflächen konzentriert, bei denen noch Informationen zum KI-Training benötigt werden. Er erkennt, wenn noch Daten fehlen, indem nicht nur die globale (bezogen auf das gesamte Design, etwa das von einem neuen Instrumententräger), sondern auch die lokale Vorhersagequalität der KI-Modelle ermittelt wird (etwa die für die Luftaustrittsgitter). Wird etwa ein nicht-lineares Verhalten diagnostiziert und es nicht ausreichend viele Stützstellen vorhanden sind, werden sinnvolle neue Punkte an den fehlenden Stellen generiert, um eine höhere Datendichte zu erreichen. Dies kann automatisiert geschehen, wobei der Experte mit seiner Erfahrung stets die Kontrolle über den Vorgang behält. Der Anwender muss sich bei der Lösungsfindung nicht mehr nur auf seine Intuition verlassen, sondern kann Einflussgrößen systematisch, computergestützt untersuchen und die Trends genau nachvollziehen. Das klingt doch nach einer echten Partnerschaft zwischen Mensch und Maschine!
Noch zum Schluss eine Bemerkung zur Demokratisierung von Simulationsanwendungen. Mit Ansys GPT steht ein virtueller Assistent für Ansys-Lösungen zur Verfügung, der auch um Unternehmenswissen erweitert werden kann. Somit kann der Konstrukteur assistiert die webbasierte CAE-Apps nutzen und bei Bedarf ein spezielles Large Language Model zur Rate ziehen. Damit wird auch die Simulation Democratization auf eine neue Stufe gehoben.
