AIMM - Artificial Intelligence for Material Models

dc.contributor.authorBöhringer, Pauline
dc.contributor.authorSprave, Joachim
dc.contributor.authorJamei, Said
dc.contributor.authorDölle, Norbert
dc.contributor.authorKoch, David
dc.contributor.authorIlg, Christian
dc.contributor.authorHaufe, André
dc.contributor.authorHaase, Thomas
dc.contributor.authorSoot, Thomas
dc.contributor.authorKleih, Julian
dc.contributor.authorGorbach, Gabriele
dc.contributor.authorSommer, Daniel
dc.contributor.authorPlatzer, Dominik
dc.contributor.authorMiddendorf, Peter
dc.contributor.authorKaradogan, Celalettin
dc.contributor.authorLiewald, Mathias
dc.contributor.authorStoll, Markus
dc.contributor.authorSuwelack, Stefan
dc.date.accessioned2025-07-23T06:55:49Z
dc.date.available2025-07-23T06:55:49Z
dc.date.issued2024
dc.description.abstractDas Ziel des Vorhabens AIMM ist es, die klassische, oftmals bereichsweise definierte Materialmodellierung durch eine alternative datengetriebene und damit digitale Materialmodellierung zu ergänzen oder zu ersetzen. Durch die Etablierung von ML-Methoden in der simulationsgestützten Fahrzeugentwicklung sollen aufwendige Modellierungsprozesse vereinfacht werden, was zu einer Verkürzung der Entwicklungszeiten führt und die digitale Funktionsabsicherung (durch einen größeren Anwenderkreis) ermöglicht. Auf diese Weise können langfristig Rechenzeiten reduziert werden, da durch den Einsatz von ML-Modellen die iterative Lösung von Materialgleichungen vermieden werden kann. Damit wird es zukünftig möglich werden, alternative Struktur- und Crashkonzepte mit weniger Computerleistung in kürzerer Zeit berechnen und bewerten zu können. Vor dem Hintergrund des Einsatzes neuer und komplexer Werkstoffe sollen die Grenzen der konventionellen Materialmodellierung überwunden werden und es kann eine schnelle Materialbeschreibung für neue Materialien erfolgen. Datei-Upload durch TIBger
dc.description.abstractThe objective of the project AIMM is to enhance or potentially replace classical material modeling with a data-driven and digital approach. The integration of machine learning (ML) techniques into simulation-based vehicle development is intended to enhance complex modeling processes, thereby shortening development cycles, and facilitating digital functional verification accessible to a broader range of users. This strategy is expected to significantly reduce computational times over the long term, as the deployment of ML models circumvents the need for iterative solutions to material equations. Consequently, it will become feasible to compute and assess alternative structural and crash concepts more efficiently, using less computational power and time. Considering the adoption of new and sophisticated materials, this project aims to transcend the boundaries of conventional material modeling, enabling rapid characterization of novel materials.eng
dc.description.versionpublishedVersion
dc.identifier.urihttps://oa.tib.eu/renate/handle/123456789/19995
dc.identifier.urihttps://doi.org/10.34657/19012
dc.language.isoger
dc.publisherHannover : Technische Informationsbibliothek
dc.relation.affiliationMercedes-Benz AG
dc.relation.affiliationElringKlinger AG
dc.relation.affiliationDYNAmore Gesellschaft für FEM Ingenieurdienstleistungen mbH
dc.relation.affiliationFraunhofer-Institut für Kurzzeitdynamik, Ernst-Mach-Institut (EMI)
dc.relation.affiliationUniversität Stuttgart, Institut für Flugzeugbau (IFB)
dc.relation.affiliationUniversität Stuttgart, Institut für Umformtechnik (IFU)
dc.relation.affiliationRenumics GmbH
dc.rights.licenseCreative Commons Attribution-NonDerivs 3.0 Germany
dc.rights.urihttps://creativecommons.org/licenses/by-nd/3.0/de/
dc.subject.ddc600
dc.titleAIMM - Artificial Intelligence for Material Modelsger
dc.title.subtitleGemeinsamer Schlussbericht zum Verbundprojekt
dc.typeReport
dc.typeText
dcterms.event.date01.01.2021-31.12.2023
dcterms.extent136 Seiten
dtf.funding.funderBMFTR
dtf.funding.program19I20024A
dtf.funding.program19I20024B
dtf.funding.program19I20024C
dtf.funding.program19I20024D
dtf.funding.program19I20024E
dtf.funding.verbundnummer01228182
tib.accessRightsopenAccess
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
BMBF19I20024A_GESAMT.pdf
Size:
9.42 MB
Format:
Adobe Portable Document Format
Description: