Kl-gestütztes Verfahren zur Auswahl akustischer Materialien

Lernen durch Versuch und Irrtum (engl. trial & error) ist ein besonders an Kindern gut beobachtbares Phänomen und zeigt, dass dieses Prinzip aus einfach mal machen, ausprobieren und aus den Ergebnissen lernen und nachjustieren durchaus zum Erfolg führt. Auch Startups arbeiten oft nach diesem Prinzip, wenn noch keine Informationen vorliegen, auf die zurückgegriffen werden kann.

Für Unternehmen kann diese Methode allerdings auch ins Geld gehen oder einfach zu zeitaufwendig sein. Hier ist eine möglichst geringere Anzahl an Versuchen auf dem Weg zum Erfolg gewünscht. Doch wer sagt voraus, was genau die gewünschten Ergebnisse erzielt?

Diese Frage hat sich auch das Unternehmen TW AUDiO gestellt. Das Unternehmen produziert in seiner Betriebsstätte im baden-württembergischen Ludwigsburg unter anderem Lautsprecher für verschiedene Anlässe wie Konzerte, Festivals oder Events. Für bestimmte Anwendungen werden die dafür benötigten akustischen Materialien nach Erfahrungswerten und Verfügbarkeit vorausgewählt. Erst im weiteren Verlauf werden diese Materialien auf ihre akustischen Eigenschaften hin vermessen und das bestmögliche Material in mehreren Arbeitsgängen für die Anwendung final bestimmt. Ein klassischer Fall von trial & error.

Diesen aufwendigen Prozess möchte das Unternehmen daher künftig abkürzen und hat sich auf der Suche nach einer Lösung an unseren Partner, die Deutschen Institute für Textil- und Faserforschung (DITF) gewandt. Die Experten für Künstliche Intelligenz aus Denkendorf werden gemeinsam mit dem Mittelständler ein KI-Modell erstellen, das ideale Materialparameter voraussagt, damit die gewünschte Eigenschaft passend zum Anlass erreicht und ein optimales Klangerlebnis geschaffen werden kann. Unter akustische Eigenschaften fallen u. a. Absorption und Dämmwert.

Als erster Schritt wurden Messdaten mit einem Impedanzmessrohr von den vorhandenen Materialproben generiert. Dabei wurden je nach Messung mehrere Mikrofone vor oder vor und hinter der Stoffprobe eingesetzt. Bei den Messungen mit einem Impedanzmessrohr können verschiedene Frequenzbereiche zwischen 50 und 6400 Hz abgedeckt werden.

Im Verlauf der gemeinsamen Arbeit wird das Projektteam ein Simulationsmodell nutzen, um mehr Trainingsdaten zu erzeugen. Dafür wird zuerst ein Modell entwickelt, das die akustischen Eigenschaften basierend auf Materialeigenschaften berechnet. Die Einstellungen des Modells werden mithilfe von Messungen festgelegt. Die so erzeugten Simulationsdaten werden zusammen mit vorhandenen Messdaten genutzt, um eine Künstliche Intelligenz (KI) zu trainieren. Diese KI kann dann vorhersagen, welche Materialeigenschaften nötig sind, um bestimmte akustische Eigenschaften zu erreichen. Dadurch muss man weniger Testmaterialien herstellen und aufwendiges Ausprobieren entfällt.

Wo kann KI Ihr Unternehmen unterstützen?

Haben Sie in Ihrem Unternehmen ähnlich gelagerte Fälle? Gern überlegen wir gemeinsam mit Ihnen, wie Künstliche Intelligenz in Ihrem Unternehmen zur Anwendung kommen kann. Bitte schreiben Sie uns: kontakt@mdz-sk.de.