
Dominik Lechleitner (li.) und Martin Hofstetter vom Institut für Fahrzeugtechnik der TU Graz diskutieren die Ergebnisse einer OPED-Berechnung. (Bild: Sophie Ortmeier)
An der Technischen Universität Graz haben Wissenschaftler des Instituts für Fahrzeugtechnik nach mehrjähriger Forschungsarbeit eine Softwarelösung zur Anwendungsreife gebracht, mit der sich die Entwicklungszeiten von elektrischen Antriebssträngen für Pkw drastisch verkürzen lassen.
„Elektrische Antriebe bestehen aus einer Vielzahl an Komponenten, die man ganz unterschiedlich auslegen kann, um die gewünschten Anforderungen zu erfüllen“, erläutert Martin Hofstetter, Forscher im Institut für Fahrzeugtechnik der TU Graz. „Wenn ich an der elektrischen Maschine eine Kleinigkeit ändere, hat das Auswirkungen auf das Getriebe und die Leistungselektronik. Dadurch ist es extrem komplex, optimale Entscheidungen zu fällen.“
Wie funktioniert das KI-Tool der TU Graz?
Kernstück sind Simulationsmodelle von Komponenten, die von evolutionären Optimierungsalgorithmen unterstützt werden. Ein Automobilhersteller muss das KI-System mit Parametern wie Herstellkosten, Wirkungsgrad, Höchstgeschwindigkeit, Lebensdauer oder Platzbedarf füttern, die Simulation dimensioniert dann Komponenten wie Leistungselektronik, E-Maschine oder Getriebe unter Berücksichtigung des komplexen Anforderungskatalogs optimal für den Anwendungsfall.
Die OPED (Optimization of Electric Drives) genannte Lösung liefert nach einigen hunderttausend Rechen- und Simulationszyklen eine überschaubare Anzahl von Varianten. Der Hersteller kann dann wählen, welche er weiterentwickeln und umsetzen will. Laut Hofstetter kann so ein zeitaufwändiger Entwicklungsschritt von mehreren Monaten auf einen Tag verkürzt werden. „Dadurch können sich die Entwicklungsteams auf Top-Level-Entscheidungen fokussieren, anstatt ihre knappe Zeit in manuelle Rechen- und Simulationsarbeit zu investieren,“ so der Wissenschaftler.
Derzeit ist die Anwendung bereits bei einem österreichischen Automobilzulieferer im Einsatz. Das OPED-System soll flexibel erweiterbar sein. Unter anderem könnte in Zukunft beispielsweise der CO2-Ausstoß, der bei Produktion und Nutzung entsteht, als Optimierungskriterium in den Entwicklungsprozess der KI einfließen.