In dieser Masterarbeit werden KI-gestützte Methoden zur Erkundung des Entwurfsraums von mehrstöckigen Rahmenstrukturen entwickelt, wobei der Schwerpunkt auf geometrischem und materiellem nichtlinearem Verhalten liegt. Die Forschung implementiert aktive Lernstrategien und einen bedingten Autoencoder, der auf Anwendungen im Bauwesen zugeschnitten ist. Motiviert durch die Notwendigkeit, sich in komplexen Entwurfsräumen effizient zu bewegen, berücksichtigt die Studie Nichtlinearitäten, Kosten und Auslastungsraten in mehrstöckigen Strukturen. Durch die Kombination von aktivem Lernen für strategisches Sampling mit einem bedingten Autoencoder zur Dimensionalitätsreduktion und generativem Design soll ein intelligenter Rahmen für die Optimierung von Strukturkonfigurationen geschaffen werden. Es wird erwartet, dass die Ergebnisse Einblicke in die KI-gesteuerte Entwurfsexploration im Bauwesen geben und möglicherweise die Herangehensweise an komplexe, nichtlineare Strukturprobleme verändern werden.

Voraussetzungen

We are searching for a civil engineering student with experience in non-linear FEM modelling. Some first insights into Machine and Deep Learning (e.g., PyTorch, TensorFlow) or Python programming are a plus. The project will be conducted in close cooperation with Hilti AG in Liechtenstein and is equipped with a student employment opportunity. The preferred language for this thesis project is English.