Der Strukturentwurf von Offshore-Windenergieanlagen (OWEA) basiert allgemein auf explizitem theoretischem und praktischem Wissen sowie auf der Intuition des Ingenieurs. Unter explizitem Wissen können beispielhaft Berechnungsgrundlagen oder Normen genannt werden, die die Auslegung der Tragstruktur für den Lastabtrag definieren. Intuition hingegen ist die Fähigkeit, ohne eine ausdrückliche Begründung basierend auf individuellen Erfahrungen und unbewusster Wahrnehmung Aussagen über eine Konstruktion treffen zu können. Dann ist die Frage, wie die Erfahrung und Intuition durch geeignete Verfahren aus dem Bereich des maschinellen Lernens (ML) zusammengeführt werden, eine zentrale Problemstellung des Teilprojekts.

Darüber hinaus sind Tragstrukturen von OWEA unifunktionale Tragwerke mit dem Lastabtrag als Hauptaufgabe, weshalb mit der Zeit die Berechnungsmethoden für die Tragstruktur immer weiterentwickelt wurden. Besonders bei steigenden Leistungsklassen über 20 MW hinaus haben jedoch Randbedingungen aus Fertigung und Installation der Struktur oder besondere Anforderungen aus der Instandhaltung enormen Einfluss auf die Realisierbarkeit, Wirtschaftlichkeit und Genehmigungsfähigkeit. Daher ist es zwingend notwendig, alle Teilaspekte des Lebensprozesses im Entwurf zu betrachten, die in ganz wesentlichen Teilen auch auf nicht vollständig mathematisch beschreibbarem implizitem Wissen bzw. Intuition basieren.

Vor diesem Hintergrund lautet die Arbeitshypothese des Teilprojekts, dass durch die Erweiterung des Entwurfsraums sowie durch die Berücksichtigung der Ingenieurintuition mit Hilfe des maschinellen Lernens bessere Tragstrukturentwürfe ermöglicht werden können als mit der bisherigen Vorgehensweise, in der primär das Tragverhalten beachtet wird. Deshalb bestehen die wesentlichen Ziele in diesem Teilprojekt in:

1. Der Erforschung kann einer integrierten Entwurfsmethodik, mit der eine Verbesserung von Tragstrukturentwürfen durch die Integration aller Randbedingungen des kompletten Lebensprozesses bereits im ganz frühen Entwurfsstadium vorgenommen werden, und zudem neuartige Strukturkonzepte für zukünftige OWEA können entwickelt werden.

2. Anschließend wird ein Prognosemodell zur Vorhersage der Entwurfsqualität über den gesamten Lebenszyklus von Offshore-Tragwerken erstellt, wobei die Erfahrung und Intuition des Ingenieurs und Experten durch geeignete ML Verfahren zusammengeführt werden. ML-Verfahren (z.B. Decision Tree, Random Forest oder auch neuronale Netze) sollen die Entwurfsgüte unterschiedlicher Entwurfsvarianten gesamthaft prognostizieren und damit eine Unterstützung und Verbesserung im Entwurfsprozess ermöglichen.

Der Forschungsansatz des Projekts besteht darin, zunächst den gesamten Lebensprozess von Offshore-Tragstrukturen in einzelne Lebensphasen zu unterteilen und mit Entwurfsparametern/Features zu beschreiben. Als Grundlage für die ML-Methoden soll eine Datenbank aus realen Tragstrukturen generiert und anschließend durch simulierte Tragstrukturentwürfe angereichert werden, um die geringe Anzahl an realen Datensätzen zu erweitern. Simulierte Datensätze sollen dabei nach einer plausiblen Logik erstellt werden, sodass nur tatsächlich realisierbare Simulationen Eingang in die ML-Verfahren finden. Durch Experten verschiedener Arbeitsbereiche soll ein Teil der Ausführungsvarianten ganzheitlich bewertet werden. Mit Hilfe der Methoden des ML ist dadurch ohne subjektive Kriterienwichtung eines Bearbeiters im Entwurfsprozess eine integrale Gütebewertung neuer Entwürfe möglich. Die Hauptinnovation ist daher die Entwicklung eines Prognosemodells für die Vorhersage der Entwurfsgüte von Offshore-Tragstrukturen.

Im Sonderforschungsbereich ordnet sich das Teilprojekt in den Cluster Entwurf Tragstruktur ein. Das Teilprojekt liefert für das Zentralprojekt Z01 den essentiell notwendigen Vorentwurf des Digitalen Zwillings.