MIT-KI-Copilot lässt Ingenieure Tragwerksentwürfe während der Entwicklung steuern

Forschende am MIT haben einen KI-Copiloten entwickelt, der Ingenieure während der Erstellung von Entwürfen für Bauwerke wie Gebäude und Brücken um Feedback bittet. Der Ansatz soll computergenerierte Entwürfe leichter herstellbar und vertrauenswürdiger machen, ohne den Planungsprozess wesentlich zu verlängern.
- Forschende am MIT haben einen KI-Copiloten für die Topologieoptimierung entwickelt.
- Das System zeigt Ingenieuren während der Entwicklung von Tragwerken Bereiche zur Beurteilung.
- Im gemeldeten Vergleich verlängerte der Ansatz die gesamte Entwurfszeit um 15 Sekunden.
- Demonstrationen zeigten eine Verbesserung der Herstellbarkeit und der linearen Knicklast um 39 Prozent.
- Nutzer können die identifizierten Bereiche derzeit dicker oder dünner machen.
Menschliches Feedback während des Entwurfsprozesses
Bei der Topologieoptimierung werden formale Optimierungstechniken eingesetzt, um einen definierten Designraum auszufüllen und dabei Ziele wie die strukturelle Leistungsfähigkeit zu verfolgen. Obwohl das Verfahren bereits Bauteile für Leichtflugzeuge, Antennen mit hoher Bandbreite und F1-Rennwagen hervorgebracht hat, kann es erheblichen Rechenaufwand und viel Zeit erfordern.
Bei herkömmlichen Verfahren sehen Ingenieure den fertigen Entwurf möglicherweise erst, wenn der Algorithmus abgeschlossen ist. Enthält das Ergebnis unpraktische Merkmale, etwa acht oder mehr Balkenverbindungen an einem Punkt, müssen sie den Prozess möglicherweise neu starten. Laut MIT kann dies den Einsatz der Technologie bei Gebäuden und Brücken erschweren, wo Ingenieure Einfluss darauf nehmen müssen, wie sich ein Tragwerk entwickelt.
Das System der Forschenden zeigt einem menschlichen Designer ausgewählte Bereiche, während das Tragwerk erstellt wird. Der Designer kann diese Bereiche derzeit dicker oder dünner machen. Das System nutzt maschinelles Lernen, um Bereiche zu identifizieren, in denen eine Person wahrscheinlich eingreifen möchte, statt Feedback für den gesamten Entwurf zu verlangen.
Maschinelles Lernen erkennt wahrscheinliche Eingriffspunkte
Für das Training des Modells für maschinelles Lernen erstellte das Team einen synthetischen Datensatz mit wahrscheinlichem menschlichem Feedback zu Tausenden von Entwürfen. Das Feedback bezog sich unter anderem auf Ästhetik, Leistungskriterien und Herstellbarkeit.
In einer frei zugänglichen Arbeit in Communications Engineering berichteten die Forschenden, dass der Ansatz mit menschlicher Beteiligung Strukturen hervorbrachte, die leichter herzustellen waren und höhere Knicklasten aufwiesen. Laut MIT News verlängerte das System die gesamte Entwurfszeit im Vergleich zu vollständig algorithmischen Verfahren um lediglich 15 Sekunden.
Bei Demonstrationen berichteten die Forschenden von einer Verbesserung der Herstellbarkeit und der linearen Knicklast um 39 Prozent, während die gesamte Entwurfszeit nur geringfügig zunahm. Nach Angaben der Forschenden verbindet das System algorithmische Optimierung mit der Erfahrung und dem Urteilsvermögen von Ingenieuren.
„Die Idee ist, auf das Wissen der Designer zurückzugreifen und sie ihr Fachwissen in die Entwicklung des Entwurfs einbringen zu lassen“, sagte die Hauptautorin Josephine Carstensen, außerordentliche Professorin für Bau- und Umweltingenieurwesen am MIT, laut dem Bericht von MIT News.
Ein Weg zu vertrauenswürdigeren Tragwerksentwürfen
Der Erstautor Dat Ha sagte, Ingenieure könnten Computerprogrammen gegenüber skeptisch sein, die unerwartete Entwürfe hervorbringen. Die „Blackbox-Natur“ der Topologieoptimierung sei ein Hindernis für eine breitere Einführung in der Industrie. Carstensen sagte, auch die fehlende Kontrolle und Verantwortung habe ihren Einsatz eingeschränkt.
Die Forschenden stellen den Copiloten nicht als Ersatz für rein algorithmische Entwürfe dar. Carstensen zufolge haben beide Ansätze ihre Berechtigung, abhängig von den verfügbaren Rechenressourcen und dem Bedarf an menschlichem Input. In manchen Situationen müssen Ingenieure die endgültigen Entscheidungen treffen, bevor ein Entwurf weiterverfolgt wird.
Das aktuelle System bietet nur begrenzte Änderungsmöglichkeiten, doch das Team will diese in künftigen Versionen erweitern. Laut MIT glauben die Forschenden, dass dies die Topologieoptimierung für Konstrukteure, Forschende und Studierende zugänglicher machen und zugleich dazu beitragen könnte, Strukturen zu entwickeln, die Menschen akzeptieren und bauen werden.
MIT News: New AI “copilot” helps engineers design better structures


