Kerntechnologien des Unternehmens

Systemdesign und Simulation

Dieses Forschungsfeld konzentriert sich auf System- und Komponentenmodellierung, Design und multiphysikalische Simulation mithilfe von KI. Es befasst sich mit der CAD/CAM-Kette und digitalen Zwillingen für Visualisierungstests, Verifizierung und Optimierung in der Fertigung, Robotik und Energieinfrastruktur.

Entdecken Sie Veröffentlichungen

Was wäre, wenn wir die Automatisierungs-, Fertigungs- und Energieinfrastruktur entwerfen, testen und verbessern könnten, bevor sie überhaupt gebaut wurden?

Traditionelle Entwicklungszyklen hängen stark vom physischen Prototyping ab, was zu kostspieligen Iterationen, längeren Markteinführungszeiten und unvorhergesehenen betrieblichen Engpässen führt. Modernes Wirtschaftsingenieurwesen erfordert den Übergang von statischen CAD-Modellen hin zu dynamischen, domänenübergreifenden Simulationsumgebungen. Durch die Kombination von Hochleistungsrechnern, Echtzeit-Telemetrie und räumlicher Visualisierung können komplexe Industriearchitekturen über ihren gesamten Lebenszyklus hinweg vor der physischen Inbetriebnahme rigoros validiert werden.

Was zählt, sind Simulation, digitale Zwillinge und industrielle Metaverse-Fähigkeiten für eine schnellere, sicherere und nachhaltigere Technik.

Ein geteiltes Bild, das ein farbenfrohes abstraktes 3D-Spiraldesign und eine Frau zeigt, die ein VR-Headset trägt und Motion-Controller in der Hand hält

Ein Forscher, der an einem Schreibtisch sitzt und nachdenklich an einem Laptop arbeitet

Systemdesign und Simulation umfassen geometrische, mechanische und funktionale Modellierung (CAD/CAM) mit KI-gestützten Workflows und generativem Design. Es umfasst Produktionsdesign, virtuelle Inbetriebnahme sowie (Multi-) Physik-, System-, Echtzeit- und Co-Simulation. Wir forschen auch an Simulationen für das Training von physischer KI und synthetischer Datengenerierung.

Unsere Forschung befasst sich mit Validierung, Verifizierung, Designzusammenarbeit, AR/VR-Visualisierung und Lebenszyklus-/Digitalzwillingsmanagement. Darüber hinaus umfasst es Automatisierungstechnik, elektrische Modellierung und den Entwurf verteilter Energiesysteme unter Verwendung multimodaler Simulation, Unsicherheitsmodellierung, techno-ökonomischer Optimierung und agentischer Arbeitsabläufe.

Dafür Kerntechnologie des Unternehmens, wir forschen an Anwendungen, die neben Simulations-, Daten-, Modell- und digitalen Twin-Management-Plattformen auch die Verbesserung von Design-, Simulations- und PLM-Tools umfassen. Zu den wichtigsten Bereichen gehören Visualisierung, Zusammenarbeit (z. B. Digital Twin Composer), automatisierte Erstellung von 3D-Inhalten und Nachhaltigkeitstools für den CO2-Fußabdruck von Produkten, Zirkularität und Lebenszyklusanalyse mit einem digitalen Zwilling.

Weitere Themen sind simulationsgestütztes Produkt- und Produktionsdesign, virtuelle Inbetriebnahme, CAD/CAM-Grundmodelltraining, multimodales Energiesystemdesign und Anlagenentwicklung für Energiesysteme. Schließlich befasst sich unsere Forschung mit Lebenszyklus- und Energiezwillingen, Kreislaufaspekten der Fertigung, Synchronisation mit realen industriellen Systemen und autonomer Technik.

Publikationen

Erkunden Sie unsere Fachartikel

ScenegenAgent: Präzise Generierung von Industrieszenen mit Coding-Agent

Veröffentlicht in: Tagungsband 2025 der 63. Jahrestagung der Association for Computational Linguistics (Band 1: Long Papers), Seiten 17847—17875, Wien, Österreich
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong

Die Generierung von 3D-Industrieszenen mit LLMs ist aufgrund der strengen Anforderungen an präzise Messungen und Raumplanung eine Herausforderung. Um das zu lösen, führen die Autoren ScenegenAgent ein, einen LLM-Agenten, der Industrieszenen per C#-Code generiert. Es verwendet strukturierte Layoutplanung, Überprüfung und iterative Verfeinerung, um exakte quantitative Anforderungen zu erfüllen, wodurch die LLM-Erfolgsraten um bis zu 81,0% gesteigert werden. Darüber hinaus veröffentlichen die Autoren SceneInstruct, einen Datensatz zur Feinabstimmung von Open-Source-LLMs wie Llama3.1-70B, um die GPT-4O-Leistung innerhalb des Frameworks zu erreichen. Code und Daten sind öffentlich verfügbar.
Auf der Verlagsseite ansehen

Siphyr: Ein durchgängiges, auf Lernen basierendes Optimierungsframework für die dynamische Netzrekonfiguration

Veröffentlicht in: IEEE Transactions on Smart Grid (Band: 16, Ausgabe: 2, März 2025)
Rabab Haider, Anuradha Annaswamy, Biswadip Dey, Amit Chakraborty

Zunehmende erneuerbare Energien, Speicher und Elektrofahrzeuge erfordern schnellere Entscheidungsparadigmen für Verteilnetze. In diesem Artikel wird Siphyr vorgeschlagen, ein auf Physik beruhendes maschinelles Lernen zur durchgängigen, auf Lernen basierenden Optimierung der Netzrekonfiguration. Siphyr optimiert die Topologie und die Stromflüsse, um Leitungsverluste zu verringern, Spannungsprofile zu verbessern und die Integration erneuerbarer Energien zu fördern. Um mit NP-harten binären Entscheidungsvariablen umzugehen, wird eine physikalisch fundierte Rundungsmethode innerhalb eines differenzierbaren Rahmens verwendet. Dadurch kann SiPhyr die Netztopologie und den Versand gleichzeitig optimieren und gleichzeitig sicherheitskritische Einschränkungen erfüllen, wie an drei kanonischen Grids demonstriert wurde.
Auf der Verlagsseite ansehen

Nutzung der Flexibilität von Prosumenten zur Minderung von Netzengpässen in zukünftigen Stromverteilungsnetzen

Veröffentlicht in: Energies 2024
Tomaselli D., Most D., et al.

Die zunehmende Einführung von Photovoltaiksystemen (PV) hinter dem Zähler (BTM), Elektrofahrzeugen (EVs) und Wärmepumpen führt zu Engpässen im Verteilnetz. In diesem Artikel wird die Flexibilität von BTM anhand eines neuartigen Frameworks bewertet, das einen optimalen Leistungsfluss mit einem dynamischen Horizont und einer stückweise linearen Kostenfunktion kombiniert, um dieses Problem ohne kostspielige Upgrades zu lösen. Beim Testen an einem Netzmodell von Schutterwald, Deutschland, zeigten die Ergebnisse, dass BTM-Speicher für Eigenverbrauch alle Einspeiseverstöße behebt, aber nur 35% der Lastverstöße. Die proaktive Steuerung des Ladens und Entladens von Speichern behebt jedoch effektiv die verbleibenden Lastverletzungen, selbst in fast überlasteten Netzen.
Auf der Verlagsseite ansehen

Neuronale Differentialgleichungen mit integrierter Steuerung für die chemische Prozessmodellierung

Veröffentlicht in: IEEE-Workshop 2025, 32. Internationale Konferenz für Hochleistungsrechnen, Daten und Analytik (HipCW)
Sumeet Rodiya, Ved Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri

Neuronale Differentialgleichungen eignen sich hervorragend für die Simulation chemischer Prozesse, aber ihre Anwendung auf kontrollierte chemische Prozesse ist noch relativ unerforscht. In diesem Artikel werden normale neuronale Differentialgleichungen (NODES) und neuronale kontrollierte Differentialgleichungen (NCDEs) für die Modellierung eines Batch-Bioreaktorsystems mit expliziter Kontrollintegration bewertet. Die Autoren entwickeln ein modifiziertes NODE-Framework, das Steuereingaben enthält, und untersuchen NCDEs, die kontinuierliche Kontrollpfade mithilfe von Spline-Interpolation beinhalten. Die Frameworks sind in Diffrax für eine effiziente GPU-Beschleunigung implementiert und zeigen, dass NCDEs eine überragende Vorhersagegenauigkeit erreichen, wohingegen NODES schnellere Trainingszeiten bieten.
Auf der Verlagsseite ansehen

Multi-Agenten-Framework, das Knowledge-Graphen für virtuelle Modelle zur Inbetriebnahme nutzt

Veröffentlicht in: AUTOMATION 2026, Innovation trifft Anwendung (S. 144-152). VDE
Max Diekmann; Jonas Nitzler; Jan Fischer; Hans-Jürgen Pfisterer; Dirk Hartmann

Virtuelle Kommissionierungsmodelle (VCMs) validieren diskrete Fertigungssysteme vor der Bereitstellung, aber ihre Erstellung ist aufgrund der fragmentierten Daten in Tools wie Siemens TIA Portal und NX MCD arbeitsintensiv. Um dem zu begegnen, schlagen die Autoren ein auf Wissensgraphen basierendes Multi-Agent-Framework vor. Deterministische Tools extrahieren SPS- und kinematische Daten und führen sie zu einer einheitlichen Graphdatenbank zusammen. Eine hierarchische Agentenarchitektur hilft dann beim Systemverständnis, der skriptbasierten Komponentengenerierung und der domänenübergreifenden Signalzuordnung. Der Ansatz wurde in einer Fertigungseinrichtung im Labormaßstab getestet, reduziert den manuellen Interpretationsaufwand und optimiert die frühe VCM-Konstruktion.
Auf der Verlagsseite ansehen