KI-gestützte Verfahren zur Auswahl akustischer Materialien
Ob als unauffällige Hintergrundmusik im Restaurant, kraftvoller Clubsound oder auf den Bühnen riesiger Open-Air-Festivals – damit der Sound stimmt, kommt es auf die richtige Wahl des Materials in den eingesetzten Soundanlagen an. Eine gezielte Materialwahl ist daher ein zentraler Faktor im Herstellungsprozess, z. B. wenn es um Schallabsorption oder Dämmverhalten von Lautsprechersystemen geht.
Das Unternehmen TW AUDiO ist daran interessiert, den Prozess der Materialauswahl mit Hilfe von Künstlicher Intelligenz zu optimieren und hat sich daher gemeinsam mit den Deutschen Instituten für Textil- und Faserforschung (DITF) in Denkendorf mit dem Thema befasst. Die DITF, ein Partner vom Mittelstand-Digital Zentrum Smarte Kreisläufe, sind Experte auf dem Feld neuer akustischer Messverfahren und Vorhersagemethoden, mit denen bewertet werden kann, wie verschiedene Textilien mit Schall interagieren, ob sie ihn absorbieren, reflektieren oder streuen. Mithilfe mathematischer Modelle können textile Materialien bereits in der Designphase auf ihre akustische Wirkung hin überprüft, angepasst und optimiert werden.
>>> Lesen Sie auch: "Künstliche Intelligenz bringt Tempo und Präzision in die Materialauswahl"
In einem ersten Schritt wurden verschiedene Messungen in den DITF-Laboren durchgeführt. Anschließend ging es darum, mit welcher KI-gestützten Datenanalyse schnelle und fundierte Entscheidungen bei der Materialauswahl möglich sind. Das Projektteam untersuchte, wie ein KI-gestütztes Vorhersagemodell aufgebaut sein muss, damit es die idealen Materialparameter vorschlägt. Dafür wurde ein Tool erstellt, das akustische Modelle für poröse Materialien nutzt. Damit kann anhand von Materialeigenschaften vorhergesagt werden, wie sich ein Material akustisch verhält, z. B. wie stark es Schall bei verschiedenen Frequenzen absorbiert.
Aber auch der umgekehrte Weg wurde vorbereitet: Der Nutzer gibt vor, wie sich ein Material akustisch verhalten soll und das Tool sucht passende Materialeigenschaften. Außerdem schlägt es die am ehesten passenden Materialien aus einer integrierten Datenbank vor. Im Moment passiert das über ein Optimierungsverfahren: Das Tool berechnet Schritt für Schritt mit dem Vorwärtsmodell, welche Materialwerte am besten geeignet sind.
Künftig soll zusätzlich ein KI-Modell eingesetzt werden. Dieses soll direkt Materialwerte vorschlagen oder zumindest einen guten Startpunkt für die Optimierung liefern. Dafür wurden verschiedene Machine Learning-Modelle verglichen. Ein Modell erwies sich als geeignet, da es bis auf leichte Abweichungen im Promillebereich sehr zuverlässig den gesuchten Absorptionsgrad abbildet. Die Projektergebnisse wurden abschließend dem Unternehmen vorgestellt. In weiteren Testläufen soll die Suche nach dem optimalen Material-Parameter-Satz mit Hilfe von KI weitergehen.
Der Lösungsansatz kann auf weitere Anwendungsfälle übertragen werden, sodass auch andere Unternehmen dabei unterstützen werden können, ihre Produktentwicklungsprozesse effizienter zu gestalten und Materialien gezielter zu wählen.
Laden Sie sich den Projektflyer herunter und erhalten Sie das komplette Digitalisierungsprojekt auf einem Blick.
