Die Entwicklung der Ariane 6 Tr?gerrakete erm?glicht es Europa den unabh?ngigen Zugang zum Weltall zu sichern. Die Entwicklungsbemühungen sind darauf ausgerichtet die Produktions- und Startkosten deutlich zu senken. Durch starke Konkurrenz sowie private Unternehmen, die sich am Markt etabliert haben, wird es immer schwieriger sich im Wettbewerb durchzusetzen. Deshalb ist es notwendig die wirtschaftliche und technische Attraktivit?t der Europ?ischen Tr?ger zu st?rken und auch die kontinuierliche Anpassung und Verbesserung kosteneffizient gestalten zu k?nnen.
Einen wesentlichen Anteil an der Entwicklung und fortlaufenden Verbesserung von Raumfahrtsystemen hat die mechanische Konstruktion der Bauteile. In den letzten Jahren haben sich die Disziplinen Deep Learning (DL), Computer-Aided Engineering (CAE) und 3D-Druck fachgebietsübergreifend zu drei der dynamischsten Forschungsfelder weltweit entwickelt. Nahezu gleichzeitig halten diese Techniken Einzug in industrielle Anwendungen mit teilweise erstaunlichen Erfolgen.
In dem Projekt Design-KIT zielen wir darauf ab, die Schnittmengen dieser drei hoch aktiven, sich schnell entwickelnden Felder zu vergr??ern, konkrete L?sungskonzepte für Probleme der Bauteilentwicklung in der Raumfahrttechnik zu erforschen und anschlie?end prototypisch umzusetzen. Das Kernziel des Projektes ist es m?glichst leichtgewichtige Interfaces automatisiert konstruieren zu k?nnen. Das Konstruieren von Leichtbauteilen erfordert bisher einen gro?en Stundeneinsatz von hoch qualifiziertem Personal. Dazu ist die Steigerung der Ressourceneffizienz in allen Industriebereichen wünschenswert. Im Technologiefeld Luft und Raumfahrt, schl?gt diese Effizienz jedoch besonders ins Gewicht: Jedes Kilo Gewicht, welches am Bauteil einer Oberstufe gespart werden kann, bedeutet ein Kilo 澳门皇冠_皇冠足球比分-劲爆体育 Nutzlast.
Die AG Technomathematik ist bei diesem Verbundvorhaben für das Teilprojekt Deep Learning zur Geometrieerzeugung von mechanischen Bauteilen verantwortlich.
