Wir erforschen die Anwendung aber auch Neu- und Weiterentwicklung von Algorithmen der Künstlichen Intelligenz (KI) auf vielfältige Weise im Glas- und Fassadenbau, um innovative und effiziente Lösungen für eine nachhaltigere aber zugleich sichere Zukunft zu entwickeln. Unsere Forschungsprojekte reichen von der datengestützten Materialmodellierung von Glas, Zwischenfolie und Verbundglas bis hin zum generativen Entwurf von Glasbauteilen und Fassaden sowie KI zur Steuerung und Regelung cyber-physikalischer Systeme in der Fassade.

Durch den Einsatz von domänen-informiertem Machine Learning und Deep Learning auf verschiedenen Skalen können wir die Materialeigenschaften aber auch das Systemverhalten von Glasstrukturen präziser vorhersagen und optimieren. Dies beginnt bei der Anwendung von Deep Learning Modellen zur Erfassung und Vorhersage von Bruchmustern über die Konstitutivmodellierung von polymeren Werkstoffen bis hin zur Kalibrierung von physik-informierten Vorhersagemodellen des Deep Learnings von Verglasungen. Diese Forschung Die Anwendung dieser Methoden ermöglicht künftig eine präzise und sichere Vorhersage hochleistungsfähiger und langlebige Produkte aus Glas bei höherer Wirtschaftlichkeit.

In unserer Forschung zum generativen Entwurf untersuchen wir generative KI-Algorithmen auf deren Eignung zur Gestaltung innovativer und ästhetisch ansprechender Glasbauteile und Fassaden. Diese werden unter Berücksichtigung verschiedener Kriterien wie z.B. Statik, Nachhaltigkeit und Akustik optimiert. Darüber hinaus beschäftigen wir uns mit dem Einsatz von KI-Algorithmen zur Steuerung und Regelung cyber-physikalischer Fassadensysteme, die in Interaktion mit den Nutzenden stehen, mit dem Ziel der Co-Optimierung der Nutzeranforderungen sowie der Bauphysik, Statik und Ästhetik.