Das Team des ISM+D

Die Vorlesungen der Baustatik zählen zu den Kernfächern in der Ausbildung im Bauingenieurwesen. Im Rahmen des B.Sc. Studiums werden daher wesentliche Prinzipien zur Modellbildung und analytischen Berechnungsmethoden für baustatisch einfache Tragwerke vermittelt. Die Kenntnisse werden dann im M.Sc. Studium bezüglich flächiger Tragwerke, Modellabstraktion sowie der numerischen Berechnungsmethoden ergänzt und vertieft. Ziel dabei ist es, die Studierenden mit den notwendigen Kompetenzen für eine kreative Lösungsfindung zu Aufgabenstellungen in Forschung und Praxis in voller Breite auszustatten.

Das Vorlesungsangebot wird im M.Sc. Studium um die Inhalte des „Scientific Machine Learning“ ergänzt. Der Fokus liegt hier auf der Vermittlung von komplementären Wissens- und Methodenkompetenz aus den Bereichen Künstlichen Intelligenz, Maschinelles und Tiefes Lernen mit Bezug auf das Bauingenieurwesen und insbesondere rechnergestützten Verfahren.

In meiner Forschung widme ich mich Fragestellungen bezüglich der Art und Weise, wie wir die gebaute Umwelt entwerfen, bauen, betreiben und recyceln. Dabei stehen insbesondere Methoden des Maschinellen und Tiefen Lernens im Fokus, um den derzeitig vorherrschenden „computergestützten“ (CA-X) Ansatz auf eine „durch künstliche Intelligenz unterstützte“ (AIA-X) Art und Weise zu transformieren. Aus meiner Sicht erlauben diese modernen Algorithmen der Künstlichen Intelligenz eine ideale Kombination aus dem fachlichen Expertenwissen des Bauingenieurwesens mit der Rechenleistung moderner Computer. Ziel dabei ist es, eine stärker auf den Menschen ausgerichtete, nachhaltige und ästhetische, aber dennoch zuverlässige gebaute Umwelt zu schaffen.

Aktuelle Themenschwerpunkte sind physik-informiertes Tiefes Lernen, implizite Geometrierepräsentierung, datengestützte Materialmodellierung von Glas, Polymeren und Beton, Zuverlässigkeitskonzepte sowie Berechnungs- und Bemessungsansätze für neuartige Konstruktions- und Fertigungsmethoden.