MMB114: KI-gestützte digitale Produktentwicklung

Kernmodule Maschinenbau

MMB114: KI-gestützte digitale Produktentwicklung

Kurzporträt MMB114: KI-gestützte digitale Produktentwicklung

Worum geht es? In diesem Modul verbinden Sie KI-Methoden mit klassischen CAD/CAE-Entwicklungsprozessen: Sie koppeln Simulation, Optimierung und KI-basierte Metamodelle zu durchgängigen Workflows und rekonstruieren aus Punktwolken oder Polygonnetzen mittels Reverse Engineering parametrisierte CAD-Modelle. Dabei reflektieren Sie Validität, Effizienz und Grenzen der eingesetzten KI-Modelle kritisch.

Wofür braucht man es? Diese Kompetenzen werden benötigt, um digitale Produkte datengetrieben zu analysieren, zu optimieren und geometrisch zu rekonstruieren, etwa wenn reale Bauteile ohne CAD-Daten in digitale Entwicklungsprozesse überführt werden müssen. Sie versetzen in die Lage, KI-gestützte Entwicklungsprozesse fundiert einzusetzen und ihre Potenziale realistisch einzuschätzen.

Wieso ist es interessant? Die digitale Produktentwicklung steht an einem Umbruch, an dem klassische CAD/CAE-Werkzeuge zunehmend mit KI-Methoden verschmelzen. Wer verstehen möchte, wie aus Punktwolken automatisiert nutzbare CAD-Modelle entstehen oder wie KI Simulationsprozesse beschleunigt, findet hier einen Einblick in eine der dynamischsten Entwicklungen im Engineering.

Modulverantwortung

Prof. Dr. Norman Lupa

Lehrperson(en)

Prof. Dr. Norman Lupa
Prof. Dr. Jaan Unger

Verwendbarkeit

Master Maschinenbau
Master Mechatronik und Robotik

Fächergruppe

Ingenieurwissenschaften

Modultyp

Wahlpflicht

Sprache

Deutsch

Angebot

Sommersemester

Dauer

1 Semester

Credits

5 ECTS

Benotung

Deutsche Notenskala 1-5

SWS

2 V | 1 Ü | 1 P | - S

Workload

Präsenzstudium: 45 Std. Selbststudium: 90 Std.

Engl. Titel

AI-Assisted Digital Product Development

Empfohlene Voraussetzungen

Kenntnisse der Finite-Elemente-Methode, Kenntnisse in parametrischem 3D-CAD

Lernergebnisse / Kompetenzen

WAS

Die Studierenden können KI-basierte Methoden im Simulations- und Auslegungsprozess anwenden und bewerten, um digitale Produkte datengetrieben zu analysieren, zu optimieren und geometrisch zu rekonstruieren.

WOMIT

Die Studierenden erreichen dieses Lernergebnis, indem sie

geeignete KI-Ansätze für Simulations- und Optimierungsaufgaben der Produktentwicklung auswählen,
Workflows zur Kopplung von CAD, Simulation und KI strukturieren und umsetzen,
Simulations- und Geometriedaten aufbereiten und für KI-Modelle nutzbar machen,
netzbasierte Geometriemodelle analysieren und in parametrisierte CAD-Modelle überführen (Reverse Engineering),
Ergebnisse kritisch interpretieren und hinsichtlich Validität, Effizienz und Grenzen reflektieren.

WOZU

um im späteren Berufs- oder Forschungsumfeld KI-gestützte Entwicklungsprozesse fundiert einsetzen, deren Potenziale realistisch einschätzen und robuste digitale Produkte entwickeln zu können.

Inhalte

Grundlagen der KI-basierten Produktentwicklung
Einordnung von KI in klassische CAD/CAE-basierte Entwicklungsprozesse
Datenarten in der Produktentwicklung (Geometrie-, Simulations-, Messdaten)
KI-gestützte Metamodelle für Simulation und Auslegung
Kopplung von Simulation, Optimierung und KI (Workflow-Design)
KI-basierte Design- und Parameteroptimierung
Unsicherheiten, Validierung und Interpretierbarkeit von KI-Modellen
Potenziale und Risiken von KI im Engineering-Kontext
Netzbasierte Geometrierepräsentationen (Punktwolken, Polygonnetze)
Reverse Engineering: Von der Punktwolke zum CAD-Modell
Automatisierung und Teilautomatisierung von Reverse-Engineering-Prozessen

Prüfungsvorleistung

Keine

Prüfungsleistung

Klausur, 90 Minuten

Literatur

Jorma Lemberg; Arndt Liebig: Polygonmodelling im Entwicklungsprozess. Springer Vieweg, 2017.
Peter Bonitz: Freiformflächen in der rechnerunterstützten Karosseriekonstruktion und im Industriedesign. Springer, 2009.
Christine Schöne: Reverse Engineering für Freiformflächen in Prozessketten der Produktionstechnik. Verlag Dr. Hut, 2009.
Seidel; Overberg; Cremanns: KI in der Produktentwicklung. CADFEM, 2025.