DigECAT

Luftfahrzeuge und deren Komponenten sind äußerst komplexe Systeme. Während ihrer Entwicklung entstehen unzählige Datensätze und Modelle zu deren Verhalten und Zusammenwirken. Digitale Zwillinge werden hier in den kommenden Jahren zunehmend als Abbilder von physischen Komponenten (in diesem Fall: Turbine, Flügel, usw.) übernommen und immer mehr an Bedeutung gewinnen. Im Ergebnis werden Entwicklungsprozesse schlanker und neue digitale Geschäftsmodelle entstehen.

Im Projekt DigECAT (Digital Twin for Engine, Components and Aircraft Technologies) werden am Beispiel des DLR Forschungsflugzeugs ISTAR digitale Zwillinge verschiedener Flugzeugkomponenten eines Flugzeugsystems unter Betriebsbedingungen realisiert. Von den beiden zentralen Forschungsfragen Digitaler Zwilling als Forschungswerkzeug und Digitaler Zwilling als Forschungsobjekt können weitere Vorhaben profitieren: Das sind Projekte, die durch eine gegenseitige methodische Entwicklungen geprägt sind. Außerdem Forschung, die den digitalen Zwilling als Datenquelle nutzt. Daraus ergeben sich Bezüge zu mehr als 10 weiteren geplanten oder laufenden DLR Projekten. DigECAT läuft vom 01.12.2022 bis zum 31.12.2025. Insgesamt sind 12 DLR Institute aus den Bereichen Luftfahrt, Materialwissenschaften sowie Software und IT beteiligt. Die Tätigkeiten sind im Wesentlichen auf vier Hauptarbeitspakete aufgeteilt:

(1) Software Methoden: Hier werden Methoden, Verfahren, Standards und Tools für die Nutzung und Entwicklung von digitalen Zwillingen erarbeitet. Ein besonderes Augenmerk liegt auf der Weiterentwicklung der im Vorläuferprojekt DigTwin entwickelten Datenmanagement- und Zugriffsarchitektur STASH, die alle Forschungsflüge des DLR protokolliert und die Messdaten zugänglich macht. Außerdem erfolgt die Integration von vertieften Provenienz- und Metadaten, wie zum Beispiel Uhrzeit, Piloteninformation, Angaben zum Flugzeug.

(2) Wing Moveables: Der gesamte Lebenszyklus einer Flugzeugkomponente wird in einem digitalen Zwilling abgebildet. Im Projekt wird ein Fokus auf die Rückkopplung aus dem Betrieb in den Entwurf gelegt (DevOps-Cycle). Zum Ende der Projektlaufzeit ist die Kopplung mit dem physischen Flugzeug ISTAR vorgesehen.

(3) Triebwerk: Ein digitaler Vergleichsprozess zwischen Design- und Realgeometrien wird entworfen. Der End-to-End Prozess für die Bewertung der Geometrien wird entwickelt, verschiedene Technologien zur Digitalisierung von Realgeometrien werden untersucht und miteinander verglichen. Das Ergebnis ist ein digitaler Zwilling auf Komponentenebene. Der Gesamtprozess ist ein wesentlicher Baustein für das Triebwerkskonzept des digitalen ISTAR Zwillings.

(4) ISTAR: Das Flugzeug wird an die in DigTwin entwickelte STASH-Architektur angebunden und führt Forschungsflüge durch.

Beitrag Institut für KI-Sicherheit

Die Wissenschaftlerinnen und Wissenschaftler analysieren State-of-the-Art Architekturen, Standards und Komponenten aus dem GAIA-X Kontext, wie Datensicherheit, Datensouveränität, Datenverfügbarkeit und schneiden diese auf das Projekt zu. Hierbei stehen IDS bzw. GAIA-X Federation Services im Vordergrund.

Im Arbeitspaket Datenprovenienz und Metadaten konzentriert sich das KI-Institut auf die Konzeption eines Demonstrators für die Datenverarbeitungs-prozesse von Metadaten und das Ontologie-Management. Der stete Datenfluss der Echtzeitdaten führt zu der Herausforderung, dass sich auch die Digitalen Zwillinge permanent verändern müssen. Das Ziel ist, die kontinuierliche Einbindung von Daten in automatisierte Prozesse zu gewährleisten, so dass ein Datenqualitätsmanagement oder die Analyse und Modellableitung mit Methoden des Machine Learning bzw. der Künstlichen Intelligenz möglich werden.

Die Forschenden passen das DLR intern entwickelte Datenmanagement-system Shepard (Storage for heterogeneous product and research data) für die Projekterfordernisse an, sodass Provenienzdaten in semantische Technologien (Ontologieansätze) funktional intergiert werden können. In diesem Zusammenhang wird geprüft, wie Privacy Preserving Technologies, bzw. Konzepte aus dem Bereich der Zero Knowledge Proofs in ein verteiltes Datenökosystem eingefügt werden können, um Daten mit hohen Schutzanforderungen zu handhaben. Das Institut für KI-Sicherheit unterstützt die beteiligten Institute hier bei der Umsetzung.