Ein Grundgedanke des Modellierungsseminars im ESG Scientific Computing ist die Anwendung des gelernten Wissens auf reale Problemstellungen aus Industrie und Wirtschaft. Die Studierenden können dadurch schon früh Kontakte zu Firmen knüpfen und in die Arbeitsweise der Industrie schnuppern. Zu den Abschlussvorträgen reiste einer der Kooperationspartner mit einer besonderen Nachricht an.
Einen Tag vor den Abschlussvorträgen hatte das Unternehmen um den kleinen Roboter pib (printable intelligent bot) den Munich Digital Innovation Award gewonnen. Die Idee beim Projekt pib ist, im Sinne von Open-Source einer breiten Nutzergruppe Zugang zu humanoiden Robotern zu bieten. Die Euphorie war demnach bei der Anreise entsprechend groß. Auch die Studierenden freuten sich, den Roboter einmal live und in Aktion zu sehen. Das Projekt für eine Gruppe von Studierenden bestand darin, pib ein Spiel beizubringen, bei dem es das Ziel war, ein mit Granulat oder Mais gefülltes Säckchen auf eine angehobene Plattform zu werfen.
Neben der Robotik ist die künstliche Intelligenz ein weiteres Trendthema heutzutage, welche im alltäglichen Leben eine immer größere Rolle spielt. Die sogenannten PINNs (Physics Informed Neural Networks) stellen eine Methode aus diesem Gebiet dar, mit welchen sich bei der Simulation physikalischer Phänomene physikalische Informationen und Bedingungen direkt in die Berechnung mit neuronalen Netzen einbeziehen lassen. Diese Vorgehensweise ist alles andere als neu, jedoch machten die Entwicklungen im Hard- und Softwarebereich der letzten Jahre die Anwendung von PINNs erst effizient nutzbar. Die Studierenden sollten hier elektromagnetische Probleme mit Hilfe von PINNs simulieren.
Themen wie Effizienz und Automatisierung sind aus modernen Firmen nicht mehr wegzudenken. Zum einen sind Unternehmen immer bestrebt, ihre Prozesse zum Beispiel in der Qualitätskontrolle zu automatisieren und ein manuelles Eingreifen in den Prozess zu vermeiden. Zum anderen sollen die verwendeten Algorithmen auch effizient und robust laufen. Aus dem Blickpunkt von Mathematikern oder Programmieren ist dies nicht immer so einfach umzusetzen. So musste sich zum Beispiel eine Gruppe von Studierenden einen neuen algorithmischen und mathematischen Ansatz überlegen, Produktionsteile auf Fehler automatisiert mit ihrem Computerdesign zu vergleichen.
Text: Maximilian Bauer, Elitestudiengang „Scientific Computing“