Der Weg zum klimaverträglichen Fliegen führt über energieeffiziente Flugzeuge, emissionsarme Antriebe und optimierte Flugrouten. Die Digitalisierung kann die Entwicklungen beschleunigen, zum Beispiel durch Simulationen der Luftströmung um ein Flugzeug. Das bedeutet, dass Hochleistungsrechner mit riesigen Datenmengen arbeiten müssen. Das Deutsche Zentrum für Luft- und Raumfahrt (DLR) hat jetzt gezeigt, wie maschinelles Lernen und künstliche Intelligenz (KI) die Entstehung und Weiterverarbeitung der Daten entscheidend unterstützen können.

„Mit unserer Software können wir die Strömung für verschiedene Situationen im Flugbetrieb sehr genau simulieren und anschließend analysieren. Für den Entwurf oder die Zulassung spielen zahlreiche Strömungsbedingungen und Flugzeugkonfigurationen eine Rolle. Es ist aber zu aufwendig, sie alle mit den etablierten Verfahren der Strömungsmechanik zu berechnen“, sagt Prof. Stefan Görtz vom DLR-Institut für Aerodynamik und Strömungstechnik in Braunschweig. „Hier kommen tiefe künstliche neuronale Netze ins Spiel, die große Mengen an unstrukturierten Daten verarbeiten. Diese Methoden des maschinellen Lernens haben wir speziell für den Einsatz in der Aerodynamik angepasst. Sie ermöglichen es uns, schnell viele Vorhersagen zu machen.“ Das Besondere ist, dass diese annähernd die gleiche Güte haben wie die Aussagen, die mit klassischen Verfahren erstellt wurden. Auch komplexe Strömungsphänomene wie Verdichtungsstöße oder Ablösegebiete können die Forschenden mittlerweile gut vorhersagen.

Je genauer die Simulation, umso besser können künftige Flugzeuge bewertet werden

Verdichtungsstöße entstehen unter anderem, wenn ein Flugzeug zwar langsamer als mit Schallgeschwindigkeit fliegt, die Luftströmung um die Tragflächen aber trotzdem stellenweise Überschallgeschwindigkeit erreicht. Dort ändert sich der Strömungszustand schlagartig. Verdichtungsstöße erzeugen außerdem einen höheren Luftwiderstand und die Luftströmung kann der Flügeloberfläche in bestimmten Situationen nicht mehr folgen – sie löst ab. „Die genaue Simulation dieser Strömungsphänomene ist wichtig, um die aerodynamischen Eigenschaften und damit die Effizienz künftiger Flugzeuge und Triebwerke belastbar beurteilen zu können“, sagt Stefan Görtz.

Die Forschenden verwenden Methoden der künstlichen Intelligenz (KI) auch, um Turbulenzmodelle voranzubringen. Eine turbulente Strömung zeichnet sich durch unregelmäßige Geschwindigkeits- und Druckschwankungen aus. Die Wissenschaftlerinnen und Wissenschaftler haben Simulations- und Messdaten aus dem DLR kombiniert, um bestehende Modelle mit Hilfe von KI zu verbessern. Chaotische, wirbelnde Bewegungen von Luft können jetzt besser vorhergesagt und verstanden werden. „Neu ist dabei, dass auch dann fundierte Aussagen möglich sind, wenn nicht alle winzigen Details in der Simulation kostspielig berechnet werden“, sagt Stefan Görtz.

Hier finden Sie mehr Informationen.