Die Traglast von Strukturen wie Brücken, Flugzeugrümpfen, usw. unterliegt einer stochastischen Streuung, da die Eigenschaften dieser Strukturen (Materialparameter, Geometrie, …) einer gewissen Streuung unterliegen. Einer unserer Forschungsschwerpunkte ist die Vorhersage dieser Streuung mittels probabilistischer Simulationen (z.B. Monte-Carlo-Methode). Solche Simulationen können extrem rechenintensiv sein, da eine Vielzahl von Rechnungen mit unterschiedlichen Werten der streuenden Werte durchgeführt werden. Eine momentan viel beachtete Möglichkeit solche Simulationen zu beschleunigen ist die Verwendung von Ersatzmodellen (surrogate models, meta models). Diese Ersatzmodelle werden mit einer sehr viel kleineren Anzahl von Simulationsergebnisse trainiert als für eine klassische Monte-Carlo-Simulation erforderlich wäre.

In unsere Forschung nutzen wir Ersatzmodelle wie Neuronale Netze, Kriging oder Polynomial-Chaos-Expansions zur effizienten Vorhersage der Streuung von Faserverbundstrukturen.