GI-Radar 386: Maschinelles Lernen für den Maschinenbau

Liebe Leserinnen und Leser,

diese Ausgabe fragt: Brauchen wir noch Programmierkenntnisse, wenn KI besser programmiert? Können KI-Tools unscharfe Fahndungsfotos wirklich schärfen? Macht uns die unkritische KI-Nutzung denkfaul? Außerdem geht es um Backup-Alternativen zur Cloud. Im Thema im Fokus behandeln wir neuronale Netze im Maschinenbau. Übrigens: Die GI hat Geburtstag – über nachträgliche Glückwünsche freuen wir uns! Wolfgang Wahlster erhält die Konrad-Zuse-Medaille, das „InstaClone“-Team den Balzert-Preis, drei neue Fellows wurden ernannt und das Protokoll der Mitgliederversammlung liegt vor. Im Fundstück können Sie sich an kreativen CAPTCHAs abarbeiten.

Wir wünschen Ihnen viel Spaß mit dieser Ausgabe.

auf gi-radar.de weiterlesen

KURZMITTEILUNGEN

Programmierkenntnisse out (?) – eine Studie (heise). Seit einiger Zeit liest man immer wieder, dass ein Informatikstudium früher oder später überflüssig sein wird, weil „die KI“ sowieso besser programmieren kann als ein Mensch. Doch ist das wirklich so? Eine Studie zeigt, dass manche Tätigkeiten wegfallen könnten, während andere wichtiger werden. Allerdings ist der Arbeitsmarkt für IT-Fachkräfte nicht mehr so rosig wie noch vor einiger Zeit. Das heißt, dass insbesondere IT-Frischlinge es schwerer haben beim Einstieg.  weiterlesen

Unscharfe Fotos und fehlende Pixel: Hobbyermittlungen funktionieren nicht (ZEIT). Seitdem im Netz unscharfe Fotos eines Flüchtigen kursieren, machen sich Beflissene daran, die Polizei bei der Fahndungsarbeit zu unterstützen und scharfe „Fahndungsfotos“ zu produzieren. Aber klappt das? Kann man fehlende Pixel ersetzen und ein der Realität entsprechendes Bild erzeugen? Eher zweifelhaft.  weiterlesen

Synapsen wachsen – wenn man sie fordert. Und wenn man das Denken dem Chatbot überlässt? (taz) Überlegen, verwerfen, neu denken, Alternativen suchen: ist das anstrengend! Wie schön, wenn man das einem Werkzeug überlassen kann, das passable Ergebnisse liefert. Das spart zwar Energie, lässt aber unser Gehirn verkümmern – so wie körperliche Faulheit die Muskeln verkümmern lässt. Ein Team des MIT hat herausgefunden, dass die unreflektierte Nutzung von KI-Tools langfristig Konsequenzen für unsere Kreativität hat.  weiterlesen

Backup-Medien für Cloud-Muffel – eine Einführung (Spiegel). Datensicherung in der Cloud ist so einfach. Wer auf digitale Souveränität setzt, fragt sich: Was tun, wenn man seinen Datenschatz nicht in der Cloud lagern möchte? Externe Festplatten, USB-Speicher, CDs: die Palette der Speichermedien ist groß. Dieser Überblicksartikel erklärt Pro und Contra der einzelnen Medien und worauf es zu achten gilt.  weiterlesen

THEMA IM FOKUS

Physics-Informed Neural Networks (PINN): Maschinelles Lernen für den Maschinenbau. Aktuell steht Künstliche Intelligenz vor allem dank der generativen Systeme im Fokus, nachdem große Erfolge in der Bild- und Mustererkennung zu verzeichnen waren. Abseits der beiden großen Richtungen Klassifikation und Generation gewinnt jedoch auch die klassische, nicht-lineare Regression immer mehr an Aufmerksamkeit, insbesondere im Ingenieurwesen und der Physik. Ein wesentliches Anwendungsgebiet dabei ist die Lösung partieller Differentialgleichungen, z.B. die Wärmeleitungsgleichung oder die Wellengleichung, die Navier-Stokes-Gleichungen oder auch die mechanische Gleichgewichtsbedingung für Festkörper (continuummechanics.org).

Konventionell werden diese Gleichungen, v.a. in der Festkörpermechanik, oft mit der Finite-Elemente-Methode gelöst (cadfem.net), die zunächst die Variation der betrachteten Differentialgleichung voraussetzt, sodass die Anforderungen an die Stetigkeit der Ableitungen von Lösung, Geometrie des betrachteten Gebietes und Randbedingungen entfallen. Dann wird das betrachtete Gebiet durch ein Netz in viele kleine Stücke, die finiten Elemente, aufgeteilt. Die zu lösende Funktion wird nun als Interpolation der Werte an den Netzknoten gesucht. Das dabei genutzte Newton-Raphson-Verfahren stellt eine Jacobimatrix mit den Ableitungen des Residuums des Gleichungssystems nach allen Knotenwerten auf (eine Anleitung zum Selberprogrammieren: uni-mainz.d).

Das führt zu den bis heute relevanten Herausforderungen, hochwertige und hinreichend feine Vernetzungen zu erzeugen, ausreichend Speicherkapazität und Rechenleistung (und damit auch elektrische Energie) für die Lösung verfügbar zu haben sowie bei der Kopplung physikalischer Phänomene und komplexen Materialverhaltens sämtliche partiellen Ableitungen aller gemischten Terme für die Jacobimatrix explizit und parametrisch zu ermitteln.

Alternativ dazu wurden zuletzt Physikalisch Informierte Neuronale Netze (PINN) vorgeschlagen (arxiv.org,github.io). Dabei wird die Lösung nun in Form eines neuronalen Netzes gesucht, dessen Ausgabe die relevanten Größen sind. Vorteilhaft hierbei ist, dass die Anwendung stochastischer Gradienten-Abstiegsverfahren wie ADAM die Aufstellung der Jacobi-Matrix umgeht und so deutlich weniger Speicher zur Lösung erforderlich ist. Oft kann das Problem auch einfacher und eleganter formuliert werden, da nur noch eine skalare Zielfunktion (Loss) benötigt wird, die z.B. aus einer physikalischen Energiebetrachtung stammen kann. Beispielsweise ist die Gleichgewichtsbedingung in der Festkörperstatik äquivalent mit dem Prinzip der minimalen totalen potenziellen Energie, sodass direkt die potenzielle Energie als Loss angesetzt werden kann, was auf die Variante Deep Energy Method (DEM) führt (arxiv.org). Da oft auch das Materialverhalten direkt mithilfe der Formänderungsenergie ausgedrückt werden kann (wikipedia.org), ermöglicht dies die Codierung des Problems meist in wenigen Zeilen. Umgekehrt kann mit dieser Methode bei bekannter Verformung (z.B. aus Experimenten) auch ein neuronales Materialmodell gewonnen werden (iopscience.iop.org).

Als weiterer Vorteil von PINN wird bisweilen genannt, dass keine Vernetzung mehr erforderlich sei, da keine Knotenwerte mehr gesucht sind und ggf. erforderliche Integrationen auch mit netzfreien Verfahren, z.B. Monte Carlo-Methoden möglich seien. Es zeigt sich in der aktuellen Forschung jedoch immer mehr, dass dies stark vom jeweiligen Anwendungsfall abhängt. Für einfache Probleme sind die Unterschiede vernachlässigbar (link.springer.com), für Probleme mit Singularitäten kann die Nutzung der konventionellen Gauß-Quadratur mit einem Netz genau wie in der FEM jedoch signifikante Vorteile mit sich bringen (arxiv.org). Damit kann vor allem die sehr spezielle Form des Overfitting, für das die DEM anfällig ist, umgangen werden.

Während die Erforschung solcher neuronaler und anderer maschineller Lernverfahren weitgehend explorativ abläuft und die ersten Ansätze oft deutlich mehr Rechenleistung erforderten, Lösungen langsamer lieferten und die Ergebnisgenauigkeit oft geringer war als mit konventionellen Methoden, zeichnen sich inzwischen klare Vorteile ab. In ersten Untersuchungen kann die DEM mit einem konventionellen Netz Bruch- und Rissprobleme schneller und robuster lösen als die vergleichbare FEM. Die stark vereinfachte Modellierung ermöglicht es Studierenden, in wenigen Wochen ihre eigenen numerischen Löser zu schreiben, für die mit konventioneller FEM ein ganzes Semester erforderlich sind. Abschließend eröffnen die einfache Invertierbarkeit des Verfahrens und die Kopplung mit Messdaten die Möglichkeit für zahlreiche, leicht anwendbare und leistungsfähige Methoden zur automatischen Materialmodellierung.

Transparenzhinweis: Unser Autor ist Erstautor der verlinkten Publikationen https://link.springer.com/article/10.1007/s00521-024-10132-2 und https://iopscience.iop.org/article/10.1088/2632-2153/adaf74.

Diesen Beitrag hat Stefan Hildebrand beigesteuert. Er forscht an der TU Berlin, ist GI-Junior-Fellow, Mitbegründer der BYTE-Challenge und GI-Präsidiumsmitglied. Vielen Dank!

GI-MELDUNGEN

„In der Oktav ist brav“: GI-Geburtstag am 16. September – herzlichen Glückwunsch! Vor drei Tagen ist unsere Fachgesellschaft 56 Jahre alt geworden – eine lange Zeit, in der viele von Ihnen viel mit uns erlebt haben. Haben Sie Lust, Ihre GI-Highlights personalisiert mit uns und der Welt zu teilen? Dann können Sie das ganz einfach über unseren Geburtstagsgrußgenerator tun. Wir freuen uns – ganz uneitel – über viele Glückwünsche unter https://geburtstag.gi.de/

Konrad-Zuse-Medaille für Wolfgang Wahlster. Auf dem Informatik Festival hat die GI Wolfgang Wahlster mit der Konrad-Zuse-Medaille für besondere Verdienste um die Informatik ausgezeichnet. Wolfgang Wahlster gilt als KI-Pionier, hat früh eine Brücke zwischen Wissenschaft und Praxis geschlagen und mit dem Aufbau des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) eine weltweit renommierte Institution der KI-Forschung geschaffen. Wir gratulieren!  weiterlesen

Helmut- und Heide-Balzert-Preis für Digitale Didaktik. Eine weitere spannende Auszeichnung auf unserem Informatik Festival ist die Verleihung des Balzert-Preises. In diesem Jahr haben wir ein Trio junger Wissenschaftlerinnen ausgezeichnet, die das Projekt „InstaClone“ entwickelt haben. InstaClone ist eine offene und datenschutzfreundliche Alternative zum ähnlich klingenden Tool, mit dem man Fotos, Erinnerungen, Emotionen etc. teilen kann, ohne die eigenen Daten an amerikanische Unternehmen zu liefern.  weiterlesen

Drei neue Fellows ernannt. Auf dem Informatik Festival hat GI-Präsidentin Christine Regitz mit Elisabeth André, Peter Liggesmeyer und Andrea Martin drei neue Fellows ausgezeichnet, die sich ganz unterschiedlichen Themen widmen und gewidmet haben. Wir freuen uns über die Ergänzung der Fellow-Runde. Herzlichen Glückwunsch!  weiterlesen

Protokoll der Mitgliederversammlung veröffentlicht. Am 16. September fand die Ordentliche Mitgliederversammlung der GI statt. Wen die Ergebnisse interessieren: das Protokoll findet sich im Mitgliederbereich zum Download.  weiterlesen

Kennen Sie eigentlich den GI-Pressespiegel? Dort sammeln wir die Berichterstattung über unsere Fachgesellschaft in Zeitungs-, Radio- und Fernsehbeiträgen. Schauen Sie rein, es gibt da immer wieder Neues oder auch ältere Fundstücke.

FUNDSTÜCK

Beweisen Sie, dass Sie kein Roboter sind! Neal Agarwal hat aus der alltäglichen CAPTCHA-Qual ein Browserspiel gemacht, bei dem die Aufgaben immer absurder werden. Das fanden wir inspirierend und haben schon viele Ideen für neue CAPTCHAs. Etwa ein CAPTCHA, das Sie nach dem emotionalen Zustand einer abgebildeten Katze fragt. Oder Sie sollen entscheiden, welche Wolke „am ehesten nach Schaf aussieht“. Vielleicht sollen Sie alle Bilder anklicken, auf denen Menschen glücklich wirken – zählt gequält höfliches Lächeln auch? Oder die ultimative Herausforderung: „Klicken Sie alle Bilder an, die Sie an Ihre Kindheit erinnern.“ Oder kennt ChatGPT Sie schon gut genug, um diese Aufgabe zu lösen? Was das Spiel tatsächlich bereithält? Finden Sie es heraus und berichten Sie uns, in welchem Level Ihre Menschlichkeit ins Wanken geriet!  Zum Fundstück (neal.fun)

Welches Fundstück hat Sie zuletzt inspiriert? Senden Sie uns Ihre Ideen!

Dies war Ausgabe 386 des GI-Radars vom 19.09.2025. Zusammengestellt hat diese Ausgabe Dominik Herrmann – der sich nach viel Frust mit den CAPTCHAs hinsichtlich seiner Menschlichkeit nicht mehr ganz so sicher ist. Die Kurzmitteilungen und die GI-Meldungen hat GI-Geschäftsführerin Cornelia Winter zusammengestellt. Das nächste GI-Radar erscheint am 3. Oktober.

Im GI-Radar berichten wir alle zwei Wochen über ausgewählte Informatik-Themen. Wir sind sehr an Ihrer Meinung interessiert. Für Anregungen und Kritik haben wir ein offenes Ohr, entweder per E-Mail (redaktion@gi-radar.de) oder über das Feedback-Formular bei SurveyMonkey. Links und Texte können Sie uns auch via X unter @informatikradar zukommen lassen.