SCAI LIGHTS 2017»DIGITALE ZWILLINGE HELFEN INGENIEUREN«INTERVIEW MIT JOCHEN GARCKE AB SEITE 9
EDITORIAL Liebe Leserin, lieber Leser, PROF. DR. MICHAEL GRIEBEL die fortschreitende Digitalisierung von Wirtschaft und Gesellschaft ist aktuell eines der bestimmenden Themen im öffentlichen Diskurs. Als mathematisches Institut verfügen wir neben der Expertise im Bereich der Numerischen Simulation über Kompetenzen, die auf dem Gebiet des Maschinellen Lernens und bei der Entwicklung kognitiver Systeme eine entscheidende Rolle spielen. Im Interview ab Seite 9 spricht J ochen Garcke, Leiter der Abteilung»Numerische Datenbasierte Vorhersage«, über unsere Arbeiten auf dem Gebiet maschineller Lernverfahren. Mit sogenannten Gray- Box -Ansätzen lassen sich bei der Datenanalyse in vielen Fällen deutlich bessere Ergebnisse erzielen als mit konventionellen Verfahren. Zum Jahreswechsel danken wir unseren Kunden und Partnern für die fruchtbare Zusammenarbeit sowie unseren Kuratoren für ihre Unterstützung. Ganz besonders danke ich allen Mitarbeiterinnen und Mitarbeitern für ihr Engagement und die erfolgreichen Arbeitsergebnisse. Ich lade Sie herzlich dazu ein, das Jahr 2017 auf den folgenden Seiten Revue passieren zu lassen! Institutsleiter + + + Jüngste Meldung: SCAI-Buch bei Springer erschienen + + +»Scientific Computing and Algorithms in Industrial Simulations Projects and Products of Fraunhofer SCAI«ist der Titel eines Buchs, das im Herbst 2017 im Springer-Verlag erschienen ist. Das Buch umfasst rund 370 Seiten und ist in die drei Kapitel»Methoden«,» Produkte«sowie»Anwendungen und Show Cases«gegliedert. Diese Struktu r ierung entspricht der SCAI- spezifischen Vorgehensweise, neue mathematische Algorithmen in Software-Produkte zu gießen und in industriellen Anwendungen zu erproben.
DAS INSTITUT IN ZAHLEN Die dritte Hochrechnung prognostiziert für das Jahr 2017 eine Fortsetzung der positiven wirtschaftlichen Entwicklung. Demnach steigen die Erträge aus der Lizenzierung unserer Software-Produkte mit rund 4,3 Millionen Euro auf einen neuen Rekordwert. Die gesamten Wirtschaftserträge werden sich wie im Vorjahr auf rund 5,3 Millionen Euro (2015: 4,9 Millionen Euro) belaufen. Der Anteil der Wirtschaftserträge am Betriebsaufwand läge somit 2017 bei 48 Prozent. Die höchsten Lizenzerlöse liefern erneut die aktuellen Versionen der Software-Produkte AutoNester (Automatische Anordnung von Schnittbildern auf Stoff bahnen), PackAssistant (optimierte Verpackung von Bauteilen in Behälter), MpCCI (Software zur Kopplung industrieller Simulationsprogramme) und SAMG (Softwarepaket zur hocheffizienten numerischen Lösung großer, dünnbesetzter Gleichungssysteme). Externe Erträge 8000 7000 6000 5000 4000 3000 2000 1000 T 2015 Industrieaufträge Lizenzerlöse Bund / Länder Aufwand 12 000 10 000 8000 6000 4000 2000 T 2015 Personalaufwand Sachaufwand 2016 2017* EU Sonstige 2016 2017* Investitionen Der Betriebsaufwand beträgt für das Jahr 2017 voraussichtlich rund 10,9 Millionen Euro und steigt folglich gegenüber 2016 um rund 0,4 Millionen Euro. Der Gesamthaushalt, in den auch Investitionen einfließen, erhöht sich somit von 10,9 Millionen Euro im Jahr 2016 auf 11,7 Millionen Euro in 2017. Zum 04.12.2017 waren bei SCAI insgesamt 151 Personen beschäftigt (2016: 146). Personal 140 120 100 80 60 40 20 2015 2016 2017* Mitarbeiterinnen und Mitarbeiter Studierende und Auszubildende * Hochrechnung 3, 2017 3
SCAI LIGHTS TEILNEHMER AM MINI-SYMPOSIUM AUF DEM INSTITUTSZENTRUM SCHLOSS BIRLINGHOVEN FORSCHERIN ANNE PAPE BERICHTET IN EINEM FILM ÜBER IHRE ARBEIT AM INSTITUT. Japanische Forscher zu Gast bei Fraunhofer SCAI Vorteil liegt in der Verknüpfung von Theorie und Praxis MÄRZ. Am 20. und 21. März 2017 besuchte eine Delegation des National Institute of Advanced Industrial Science and Technology (AIST) den Forschungscampus Schloss Birlinghoven. Das AIST ist eine der größten öffentlichen Forschungsorganisationen in Japan und konzentriert sich wie die Fraunhofer-Gesellschaft auf angewandte Forschung. Bei den Besuchern handelte es sich um Wissenschaftler aus dem Research Center for Computational Design of Advanced Functional Materials (CD-FMat) sowie aus der Research Association of High-Throughput Design and Development for Advanced Functional Materials (Hi-Mat). In dem zweitägigen Mini-Symposium in Birlinghoven ging es um Fragen des Virtual Material Design sowie um neue algorithmische Ansätze des Maschinellen Lernens. JULI. Nach drei Jahren wissenschaftlicher Arbeit bei Fraunhofer SCAI zieht die Forscherin Anne Pape Bilanz. Theorie für die Praxis nutzbar zu machen das war ihr Ziel bei der Arbeit in der SCAI-Abteilung Optimierung. Die junge Wissenschaftlerin gehörte zum Entwicklungsteam der Software AutoPanelSizer. Die beispielsweise in der Möbelindustrie genutzte Software ermittelt optimierte Sägepläne für die Produktion rechteckiger Teile aus rechteckigem Grundmaterial und minimiert dabei den Verschnitt. AutoPanelSizer ist aber auch für optimierte Schnittpläne von Glas oder Plastik geeignet. Besonders positiv bewertet Pape die kollegiale Arbeitsatmosphäre im Institut. Viel Freude hat sie auch daran, Nachwuchs für die Wissenschaft zu begeistern. So engagierte sie sich beispielsweise beim Girls Day. 4
MICHAEL GRIEBEL ÜBERGAB ERNENNUNGSURKUNGEN AN DIE NEUEN KURATOREN VICTORIA APPELBE UND RICHARD TRETHEWEY. SCAI diskutierte mit Kuratoren über den Strategieprozess»SCAI 2020«, Maschinelles Lernen und Wege zum erfolgreichen Wissenschafts-Marketing JUNI. Auf der Kuratoriumssitzung am 8. Juni 2017 überreichte Institutsleiter Prof. Dr. Michael Griebel die Ernennungsurkunde zum Kurator des Instituts an Dr. Richard Trethewey und hieß ihn im Kreis der Kuratoren herzlich willkommen. Trethewey ist Vice President, Digitalization in Research and Development bei BASF in Ludwigshafen am Rhein. Ebenfalls neu ins Kuratorium berufen wurde Victoria Appelbe, die Leiterin des Amtes für Wirtschaftsförderung der Stadt Bonn. Sie besuchte SCAI am 17. Juli 2017 und informierte sich über die wissenschaftliche Arbeit und die Ziele des Instituts. Bei der Übergabe der Ernennungsurkunde an Frau Appelbe freute sich Prof. Griebel besonders darüber, dass erstmals eine Frau als Kuratorin für SCAI gewonnen werden konnte. Themen der Kuratoriumssitzung waren unter anderen die aktuellen Entwicklungen im Strategieprozess»SCAI 2020«und die Arbeiten auf dem Gebiet des Maschinellen Lernens. Dr. Dustin Feld, der Anfang des Jahres seine Dissertation am Institut erfolgreich abgeschlossen hatte, referierte zum Thema»FieldPlacer Flexible Platzierungsmethode zur Programmierung rekonfigurierbarer Hardware«. Den Abschluss der Sitzung bildete eine Diskussion zum erfolgreichen Wissenschafts-Marketing. Impressum: Redaktion: Dipl.-Journ. Michael Krapp, Dr. Anton Schüller Gestaltung: Swetlana Schilinski Bildquellen: Fraunhofer SCAI, MEV-Verlag Jonas Krüger (Titelbild) Fraunhofer SCAI, Sankt Augustin 2017 5
SCAI LIGHTS THOMAS SODDEMANN ERLÄUTERT AKTUELLE ARBEITEN SEINER FORSCHUNGSGRUPPE. 12 JUGENDLICHE BESCHÄFTIGTEN SICH ZWEI WOCHEN LANG MIT MATHEMATIK. Roboterarm faszinierte Besucher auf der»isc High Performance«9. SCAI-Sommerschule war schon im März ausgebucht JUNI. Gleich mehrere Abteilungen von Fraunhofer SCAI präsentierten vom 19. bis 21. Juni 2017 die Ergebnisse ihrer Forschungsarbeiten auf der Messe»ISC High Performance«2017 in Frankfurt am Main. Die Besucher zeigten großes Interesse an den Arbeiten zum Maschinellen Lernen (ML) und am sogenannten Gray-Box-Ansatz, bei dem Domänenwissen in Anwendungen des ML integriert wird. Beispiele reichen von der intelligenten Kontrolle und Steuerung von Energienetzen über die prädiktive Wartung von Windenergieanlagen bis zur Entwicklung neuer Materialien. Besuchermagnet auf dem Messestand von SCAI war ein Roboterarm, der auf die Nähe von Menschen reagierte. Aktuelle Entwicklungen von SCAI zielen auf eine Verbesserung der Personensicherheit kollaborierender Roboter mit Hilfe hochpräziser Radarsysteme. JULI. Bereits im März 2017 waren die zwölf verfügbaren Plätze für die 9. Sommerschule von Fraunhofer SCAI belegt. Die Veranstaltung fand in den ersten beiden Wochen der NRW- Sommerferien statt. Nach einer dreitägigen Einführung in die Programmiersprache Python beschäftigten sich die Teilnehmerinnen und Teilnehmer i ntensiv mit spannenden und anspruchs vollen Themen aus der Angewandten Mathematik und Informatik. Besonders gefiel ihnen die Orientierung an Fragen aus der Praxis, die in der Schule aus Zeitmangel oft zu kurz kommen.»kann man die Sommerschule nicht auf drei Wochen verlängern?«, fragte ein Schüler, als beim Abschluss Vorschläge für künftige Verbesserungen erbeten wurden. Bewerbungen für die nächste Sommerschule sind ab sofort möglich. 6
TEILNEHMER AM MATHE-WORKSHOP DER FRAUNHOFER-TALENT-SCHOOL 2017 MARION PRIEBE INFORMIERTE BEWERBER ÜBER KARRIERECHANCEN BEI SCAI. 30 Jugendliche erhielten Einblick in die angewandte Forschung Fraunhofer-Themen begeisterten auf dem Absolventenkongress OKTOBER. Bereits zum 9. Mal boten die drei Fraunhofer-Institute auf dem Forschungscampus Schloss Birlinghoven 30 Jugendlichen die Gelegenheit, sich in drei Workshops mit wissenschaftlichen Themen aus Informatik und Mathematik zu beschäftigen. Inhalte der Workshops waren»das Internet der Dinge«,»Algorithmen in der Praxis«sowie»Mathematik für die Praxis«. Ergänzt wurden die Workshops durch ein Rahmenprogramm. Hierzu gehörten mit»talents meet Experts«mehrere Interview-Runden, in denen die jungen Leute Wissenschaftler aus den Fraunhofer-Instituten befragen und sich über Werdegang, Motivation, Karrierewege oder Berufschancen erkundigen konnten. Ziel der Talent-School ist es, begabte Schüler zu fördern und für technische und naturwissenschaftliche Berufe zu begeistern. NOVEMBER. Bereits zum fünften Mal in Folge war SCAI auf dem Fraunhofer- Gemeinschaftsstand auf dem Absolventenkongress am 23. und 24. November 2017 in Köln vertreten. Die sehr guten Erfahrungen der letzten Jahre bei der Personalgewinnung bestätigten sich auch in diesem Jahr. Viele Absolventen fragten nach Einstiegsmöglichkeiten und offenen Stellen im Institut und in der gesamten Fraunhofer- Gesellschaft. Großes Interesse bestand auch an Informationen über mögliche Karrierepfade und an Modellen für mobiles Arbeiten in der Forschung. Bereits am 8. November 2017 war SCAI beim Unternehmenstag der Hochschule Bonn-Rhein-Sieg vertreten. Auch hier ging es darum, Studierende und Absolventen für eine wissenschaftliche Tätigkeit bei Fraunhofer zu gewinnen. 7
SCAI LIGHTS: AKTUELLE PROJEKTE KICK-OFF FÜR DAS PROJEKT VMAP AUF SCHLOSS BIRLINGHOVEN SZENARIEN FÜR DIE KÜNFTIGE VERSORGUNG MIT STROM, GAS UND WÄRME Einheitliche Schnittstellen verbessern das Virtual Engineering MathEnergy simuliert gekoppeltes Gas- und Stromnetz in Deutschland Mit einer Auftaktveranstaltung am 24. und 25. Oktober 2017 auf Schloss Birlinghoven haben die Arbeiten am Projekt VMAP (A New Interface Standard for Integrated Virtual Material Modelling in Manufacturing Industry) begonnen. Ziel der Forschungs- und Entwicklungsarbeiten ist es, Software- Standards in Workflows des Virtual Engineerings in der herstellenden Industrie zu definieren und zu etablieren. Aktuell fehlende oder inkompatible Schnittstellen erfordern umfangreiche manuelle Anpassungen für den Transfer virtueller Materialinformationen. Dies führt zu Informationsverlusten und Zeit verzögerungen. Daher werden in VMAP einheitliche und universelle Schnittstellenansätze für Prozessabläufe im Virtual Engineering entwickelt. VMAP hat ein Budget von 16,2 Millionen Euro bei einer Laufzeit von drei Jahren. Deutschland hat sich ein ehrgeiziges Ziel für das Einsparen von Kohlendioxid gesetzt: Bis 2050 sollen die CO 2 -Emissionen im Vergleich zu 1990 um 80 bis 95 Prozent reduziert werden. Um zukünftig eine nachhaltige und CO 2 -neutrale Energieversorgung gewährleisten zu können, muss der gesamte Energiekreislauf in Strom-, Gasund Wärmenetzen betrachtet werden. Hierbei hilft das Projekt MathEnergy, das vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert wird. Ziel von MathEnergy ist es eine Software zu erstellen, die es ermöglicht, das komplette gekoppelte Gas- und Stromnetz Deutschlands auf allen Ebenen abzubilden und die Steuerung des Gesamtnetzes zu verbessern. Leiterin des Projekts ist Dr. Tanja Clees (Geschäftsfeld High Performance Analytics). Das Projekt läuft bis September 2020. 8
SCAI LIGHTS: INTERVIEW Bifurkation der Verformungen des Längsträgers eines Autos bei Variation der Blechdicken in niederdimensionaler Darstellung Grafik aus der Dissertation von Dr. Rodrigo Iza-Teran MASCHINELLES LERNEN IST EIN NEUES PARADIGMA IN FORSCHUNG UND TECHNIK Was versteht man unter Maschinellem Lernen? Prof. Dr. Jochen Garcke: Beim Maschinellen Lernen (ML) bilden Daten die treibende Kraft. Ausgehend von bekannten Daten erkennt ein Algorithmus Strukturen und lernt Zusammenhänge. Nach dieser Lernphase können die erworbenen Kenntnisse auf neue Daten angewendet werden. Dies funktioniert um so besser, je größer und umfassender die zur Verfügung stehenden Lerndaten sind. ML ist zu einem für viele Anwendungen viel versprechenden Ansatz gereift, weil jetzt endlich die Rechnerleistungen ausreichen und geeignete Algorithmen vorhanden sind, um die erforderlichen Datenmengen und Berechnungen in der Lernphase schnell genug bearbeiten zu können. 9
SCAI LIGHTS: INTERVIEW Welche Forschungsaufgaben stehen bei Fraunhofer SCAI im Mittelpunkt? Für typische Anwendungen im ML erfordern Standard-Algorithmen oft riesige Rechenzeiten. Dabei ist bekannt, dass hochdimensionale Daten und dabei handelt es sich bei ML-Anwendungen in aller Regel meistens niedrigdimensionale Strukturen bilden. Wenn es gelingt, diese Strukturen zu entdecken und zu rekonstruieren, wird einerseits eine ganz erhebliche Reduktion der in der Lernphase benötigten Rechenzeiten möglich, andererseits ein deutlich besseres Verständnis der Zusammenhänge in den Daten erreicht. Wir arbeiten daran, Algorithmen zu entwickeln, die solche nieder dimensionalen Darstellungen der Daten entdecken und berechnen können. Ein weiterer Schwerpunkt unserer Arbeiten bildet die Entwicklung von Gray-Box-Verfahren. Was versteht man unter Gray-Box- Methoden? Beim ML unterscheidet man Black-Box-, Gray-Box- und White-Box-Modelle. Bei White-Box-Modellen kennt und nutzt man die dem Problem / Prozess zugrunde l iegenden physikalischen Modelle im Detail. Black-Box- Modelle, die mit klassischen ML- Methoden arbeiten, berücksichtigen solche Modelle nicht. Gray-Box-Verfahren liegen dazwischen. Bei diesen Verfahren werden nicht nur Daten aus Messungen verwendet, sondern auch Ergebnisse aus physikalischer Modellierung oder numerischer Simulation zusammen mit allgemeinem Anwendungswissen kombiniert und angereichert im Prozess der Datenanalyse verwendet. Für welche Anwendungen sind Gray- Box-Ansätze besonders geeignet? Besonders in den Natur- und Ingenieurwissenschaften bietet der Gray- Box-Ansatz mehr Zuverlässigkeit bei prädiktiven Analysen. Wir entwickeln mathematische Konzepte, mit denen erwartete physikalische Eigenschaften und Verhaltensweisen in die maschinellen Lernmethoden integriert werden. Dies vereinfacht Arbeits prozesse und erlaubt den Ingenieuren, sich in ihrer Arbeit auf die wichtigen ingenieur wissenschaftlichen Aspekte zu konzentrieren. Für welche Anwendungen werden ML-Methoden bei SCAI entwickelt und eingesetzt? Die Anwendungen von ML bei SCAI sind vielfältig: In der virtuellen Produkt entwicklung vereinfachen und beschleunigen ML-Methoden den Forschungs- und Entwicklungsprozess. 10
NUMERISCHE DATENBASIERTE VORHERSAGE Bei der prädiktiven Wartung technischer Systeme mit Hilfe von Sensordaten bilden maschinelle Lernverfahren den algorithmischen Kern. Ein Beispiel hierfür sind Windenergieanlagen. ML-Methoden können aus den Daten von Vibrationssensoren, die das Schwingungsverhalten der Rotorblätter messen, Anomalien oder die Bildung einer Eisschicht erkennen und so frühzeitig Hinweise auf mögliche Schäden geben. In der Biomedizin beobachten wir eine starke Zunahme hochdimensionaler Daten. Hier setzen wir ML insbesondere ein, um Muster und Zusammenhänge in den Daten zu erkennen. Weitere Einsatzgebiete sind die rechnergestützte Materialentwicklung, die Entwicklung smarter Robotersysteme, die ihre Umgebung mit Hilfe von Sensorsystemen erkennen und gefahrlos mit Menschen kooperieren können, sowie Arbeiten zum datengetriebenen Energiemanagement. Wie werden aktuelle Forschungsarbeiten zu ML die Arbeit von I ngenieuren künftig beeinflussen? Der Entwurfsprozess von Maschinen und Anlagen verändert sich, etwa durch» Digitale Zwillinge«eine Repräsentation der Maschine als Datensatz. Wie heute schon bei Flugzeugen üblich, werden auch bei vielen anderen Anwendungen Simulationen des Gesamtsystems zur Regel. Das Maschinelle Lernen erlaubt es, die Daten aus dem realen Betrieb mit den Entwicklungs- und Simulationsdaten zusammenzubringen und zu analysieren. So kann man den Gesamtprozess sehr viel genauer verstehen, bessere Produkte entwickeln und den Betrieb von Anlagen optimieren. Ein Beispiel sind Windkraftanlagen und deren Optimierung hinsichtlich Energieerzeugung und Lebensdauer. Prof. Dr. Jochen Garcke leitet die Abteilung»Numerische Datenbasierte Vorhersage«bei Fraunhofer SCAI. www.scai.fraunhofer.de / ndv 11
Frohe Weihnachten und ein erfolgreiches neues Jahr 2018 Bleiben Sie auf dem Laufenden, folgen Sie uns bei Facebook und Twitter: www.fb.com / fraunhofer.scai www.twitter.com / fraunhofer_scai