In herkömmlichen Verfahren wird der Luftstrom um das zu testende Objekt mittels eines komplexen Systems von Gleichungen modelliert. Diese zu berechnen, dauert mitunter viele Stunden. Ein österreichischer und ein japanischer Forscher haben den Prozess nun so beschleunigt, dass Stromlinien und Druckfeld in Echtzeit verfügbar sind, berichtet das Institute of Science and Technology (IST) Austria.

Der Durchbruch gelang mit einer Idee, wie maschinelles Lernen in diesem Anwendungsbereich genutzt werden kann. Denn normalerweise brauchen die Algorithmen strukturierte Ein- und Ausgabedaten. Bei zweidimensionalen Bildern funktioniert das gut. 3D-Objekte aber werden durch kleine Einheiten wie ein Netz aus Dreiecken dargestellt, was die Rechner, profan ausgedrückt, verwirren kann. Nobuyuki Umetani und Bernd Bickel nutzten nun sogenannte Polycubes, um das Problem zu lösen. Das Verfahren unterliegt strengen Regeln und gewährleistet, dass Objekte mit ähnlichen Formen ähnliche Datenstrukturen erhalten.

Maschinellem Lernen wird in der Automobilproduktion noch viel mehr Potenzial zugetraut. Einer Studie von McKinsey zufolge kann es in den kommenden sieben Jahren weltweit bis zu 215 Milliarden US-Dollar an zusätzlichem Wert schaffen. Durch eine erhöhte Effizienz seien allein in der Produktion Kosteneinsparungen von bis zu 61 Milliarden US-Dollar möglich.