Der große Mehrwert von Generativer Künstlicher Intelligenz (Generative AI, kurz GenAI) besteht darin, dass neue Inhalte in kurzer Zeit und ohne spezielle Vorkenntnisse durch einfache Anweisungen erstellt werden können. Diese Technologie wird branchenübergreifend diskutiert und findet insbesondere in Bereichen wie Kundensupport oder Produktpersonalisierung Anwendung.
Oft übersehen, aber nicht weniger relevant ist der Beitrag von GenAI für die Wissenschaft, zum Beispiel in der Materialforschung. Gemeinsam mit der TU Berlin haben wir einen bauchemischen Assistenten entwickelt, der auf Sprachmodellen (LLMs) basiert: Mit diesem Tool können neue Materialien entdeckt werden, ohne dass tiefgehende bauchemische Vorkenntnisse notwendig sind.
Die Herstellung von Beton verursacht weltweit 8 % aller CO2-Emissionen. Um effizient zu umweltfreundlichen Betonrezepturen zu gelangen, haben wir gemeinsam mit der Bundesanstalt für Materialforschung und -prüfung die Anwendung SLAMD entwickelt. Diese basiert auf Machine Learning und hilft wissenschaftlichen Mitarbeiter:innen dabei, alternative Betone schneller und damit kostengünstiger zu entwickeln. Zur Champion Story
Die TU Berlin hat es sich zur Herausforderung gemacht, diese Anwendung einer größeren Nutzergruppe zur Verfügung zu stellen. Wo vorher noch chemische Kenntnisse nötig waren, sollte SLAMD nun auch von Personen ohne spezielle Fachkenntnisse bedient werden können.
SLAMD basiert in seiner ursprünglichen Version auf Sequential Learning (SL), einer speziellen Art des maschinellen Lernens. SL ist eine Methode, die bereits mit sehr kleinen Datenmengen arbeiten kann und Schritt für Schritt Vorhersagen für neue Betonrezepturen findet, indem sie praktische Ergebnisse aus Laborversuchen anreichert.
Wo klassische Methoden des maschinellen Lernens enden, eröffnet GenAI neue Anwendungsmöglichkeiten:
Das Ergebnis ist der Design Assistant, ein intuitiver Chatbot, mit dem sich umweltfreundliche Betonrezepturen auch ohne Expertenwissen finden lassen.
Schneller und günstiger zu umweltfreundlicheren Betonalternativen mit state-of-the-art LLMs.
Von der Theorie in die Praxis: Aktuelle Forschung wird für einen größeren Nutzerkreis zugänglich gemacht.
Verbesserte User Experience in natürlicher Sprache durch KI-gestützte Interaktion.
Ich freue mich sehr über die erfolgreiche Zusammenarbeit! Die Integration von LLMs in SLAMD macht die Materialforschung im Bauwesen noch zugänglicher und eröffnet sowohl unseren Studierenden als auch unseren Kooperationspartnern neue Wege. Wir erhalten viele Anfragen bezüglich der gemeinsamen Nutzung dieses Tools und ich bin gespannt, welche weiteren Möglichkeiten sich durch die interdisziplinäre Zusammenarbeit ergeben werden.
Das Projekt fand in Zusammenarbeit mit dem Fachgebiet “Zerstörungsfreie Baustoffprüfung” am Institut für Bauingenieurwesen der TU Berlin statt. Der Fokus des Fachgebiets liegt in der Erforschung ressourceneffizienter und CO2-reduzierter Baustoffe und der Suche nach effektiven Wegen zur Kreislaufwirtschaft im Bauwesen.
Wenn Sie ein Anliegen oder Fragen zu möglichen AI- und Data Analytics-Projekten für Ihr Unternehmen haben, senden Sie eine Anfrage und ich melde mich bei Ihnen.
Dr. Felix Böhmer, Head of AI & Data Analytics
