intellcert Academy · Künstliche Intelligenz
Physik-informierte KI (Physics-Informed AI)
Dieser Kurs vermittelt den Einsatz von Künstlicher Intelligenz in Kombination mit physikalischen Modellen und Gesetzmäßigkeiten.
Überblick
Inhalte der Schulung
Unsere Fachschulungen richten sich an Fachkräfte, Spezialisten und Experten, die ihre Kenntnisse gezielt erweitern möchten.
Dieser Kurs vermittelt den Einsatz von Künstlicher Intelligenz in Kombination mit physikalischen Modellen und Gesetzmäßigkeiten. Ziel ist es, datengetriebene KI-Modelle mit physikalischem Wissen zu kombinieren, um bessere Generalisierung, höhere Daten-Effizienz und robustere Vorhersagen in technischen Systemen zu erreichen. Der Fokus liegt auf industriellen, ingenieurwissenschaftlichen und simulationsbasierten Anwendungen.
Praxisanteile
- Entwicklung eines einfachen Physics-Informed Modellkonzepts Vergleich klassischer ML-Modelle vs. physik-informierter Ansätze Analyse eines technischen Simulationsproblems mit KI-Unterstützung Demonstration eines vereinfachten PINN-Ansatzes (tool- oder notebookbasiert)
Schwerpunkte
- Einführung in Physics-Informed AI (PIA) und hybride ModellansätzeMotivation: Grenzen rein datengetriebener KI in technischen Systemen
- Kombination von physikalischen Gleichungen und Machine Learning
- Überblick über Physics-Informed Neural Networks (PINNs)
- Einbindung von Differentialgleichungen in Lernprozesse (konzeptionell)
- Modellierung physikalischer Systeme mit KI-Unterstützung
- Datenarme Szenarien und der Nutzen physikalischer Constraints
- Simulation vs. datengetriebene Modellierung
- Validierung physik-informierter Modelle Fehleranalyse und Interpretierbarkeit hybrider Modelle Grenzen und Herausforderungen (Rechenaufwand, Modellstabilität)
- Anwendungsfälle in:
- Strömungsmechanik (CFD)
- Thermodynamik
- Strukturmechanik
- Elektromagnetische Systeme
Lernziele
- den Unterschied zwischen datengetriebener und physik-informierter KI erklären
- Einsatzszenarien für Physics-Informed AI identifizieren
- hybride Modellansätze konzeptionell entwerfen
- Vorteile physikalischer Constraints in KI-Modellen bewerten
- typische Anwendungsfelder in Technik und Industrie einordnen
- Grenzen und Herausforderungen von PINN-basierten Ansätzen verstehen
- einfache physik-informierte Modellkonzepte analysieren oder bewerten
Zielgruppe
- Data Scientists mit technischem oder wissenschaftlichem Fokus
- Ingenieure (Maschinenbau, Elektrotechnik, Physik, Simulation)
- KI-Entwickler in industriellen oder Forschungsumgebungen
- Simulation Engineers und Computational Scientists
- R&D-Teams in Industrieunternehmen
- Teilnehmer aus IC-805-G-04 und IC-805-G-10
Voraussetzungen
Erforderlich
- IC-805-G-04, KI-Systeme entwickeln & integrieren oder vergleichbare technische KI- und Data-Science-Kenntnisse
Stark empfohlen
- IC-805-G-10, KI für Zeitreihendaten (für datengetriebene Modellierung in technischen Systemen)
- Grundlagen in Physik oder Ingenieurwissenschaften (je nach Zielgruppe)
- Nicht geeignet für reine Einsteiger ohne technische oder mathematische Grundkenntnisse.
Zertifizierungsanforderung
Ohne Zertifizierungsmöglichkeit
Durchführungsart: Online. für Präsenz- oder Inhouse-Schulungen senden Sie uns bitte eine Anfrage über unser Kontaktformular. Wir setzen uns anschließend mit Ihnen in Verbindung.
Noch kein Termin ausgeschrieben
Sind Sie an diesem Kurs interessiert?
Für diesen Service ist eine flexible Terminplanung möglich. Bitte kontaktieren Sie uns, um einen passenden Termin zu vereinbaren.
intellcert ist Ihr kompetenter Partner für Zertifizierung, Inspektion, Prüfung und Schulung.
Wir freuen uns auf Ihre Anfrage für ein kostenloses persönliches Gespräch.