Meshing gehört zu den zeitintensivsten Schritten in der Simulation – Meshing AI macht diesen Prozess skalierbar.
Digitale Simulation als Grundlage moderner Produktentwicklung
Bevor ein Produkt gebaut wird, wird es heute zunächst digital getestet.
Simulation ermöglicht es, das Verhalten eines Bauteils frühzeitig zu analysieren – etwa ob es Belastungen
standhält, sich verformt oder versagt.
So lassen sich Probleme erkennen, ohne physische Prototypen herstellen zu müssen.
Damit diese Simulationen funktionieren, wird ein 3D-Modell in viele kleine Elemente zerlegt.
Dieses sogenannte Mesh bildet die Grundlage jeder numerischen Berechnung. Es bestimmt maßgeblich, wie präzise und stabil die Simulationsergebnisse sind.
Der Engpass im Prozess
Die Erstellung solcher Meshes ist bis heute einer der aufwendigsten Schritte im Simulationsworkflow.
Zwar können moderne Tools erste Diskretisierungen automatisch erzeugen.
In der Praxis erfordern simulationsgeeignete Meshes jedoch häufig umfangreiche manuelle Nachbearbeitung.
Dieser Prozess ist zeitintensiv, stark von Erfahrung abhängig und nur begrenzt skalierbar.
Die Folge sind längere Entwicklungszyklen, inkonsistente Qualität und steigende Kosten.
Simulation und Meshing sind zentrale Bestandteile in vielen Industrien – von der Automobil- und Luftfahrtindustrie bis hin zum Maschinenbau und Energiesektor.
Meshing AI
Meshing AI automatisiert die Erstellung simulationsgeeigneter Meshes direkt aus CAD-Daten und adressiert damit einen zentralen Engpass in der simulationsgetriebenen Produktentwicklung.
Der Ansatz erweitert bestehende Meshing-Workflows um eine lernbasierte Optimierungsschicht.
Ausgehend von initial erzeugten Meshes generiert das System automatisch qualitativ hochwertige, simulationsreife Strukturen.
Dadurch wird der Bedarf an manueller Nachbearbeitung deutlich reduziert – bei gleichzeitig konsistenter Qualität über unterschiedliche Geometrien hinweg.
Technologischer Ansatz
Meshing AI kombiniert klassische Simulationsmethoden mit modernen Deep-Learning-Verfahren.
Mesh-Strukturen werden als Graphen modelliert und in kompakte latente Repräsentationen überführt, die sowohl geometrische als auch topologische Eigenschaften erfassen.
Darauf aufbauend optimiert ein lernbasiertes Modell die Meshes, indem es aus hochwertigen Referenzdaten lernt und dieses Wissen auf neue Geometrien überträgt.
So wird implizites Expertenwissen systematisch erfasst und in ein skalierbares, datengetriebenes System überführt.
Ergebnisse und Potenzial
Die erzeugten Meshes zeigen konsistente Qualität über unterschiedliche Geometrien hinweg und erfüllen simulationsrelevante Anforderungen.
Meshing AI beschleunigt den Übergang von CAD zur Simulation, reduziert Iterationsschleifen und ermöglicht effizientere Entwicklungsprozesse.
Die Anerkennung durch die Bescheinigungsstelle Forschungszulage (BSFZ) – eine staatliche Prüfstelle für innovative Forschungs- und Entwicklungsprojekte – bestätigt den hohen Innovationsgrad des Projekts und seine Relevanz für die industrielle Anwendung.
Perspektivisch bietet Meshing AI das Potenzial, zentrale Engineering-Workflows nachhaltig zu verändern – indem Expertenwissen automatisiert, standardisiert und skalierbar gemacht wird.
What’s next?
Nach erfolgreicher Grundlagenforschung und einem ersten Prototyp arbeiten wir nun daran, unsere Technologie in realen Anwendungen zu erproben und weiterzuentwickeln.
Dafür kooperieren wir mit Industriepartnern in Pilotprojekten.
