Parametrische Modellierung und generatives tiefes Lernen für den Brückenentwurf

In Anbetracht der erheblichen Umweltauswirkungen des Bauwesens wird die Analyse und v. a. Optimierung der Nachhaltigkeit von Strukturen unter Beibehaltung des etablierten Zuverlässigkeitsniveaus immer wichtiger. Im Hochbausektor existieren erste Werkzeuge zur Lebenszyklusanalyse, diese sind jedoch nicht direkt übertragbar auf Brückentragwerke. Dieser Beitrag fasst die wesentlichen Ansätze und Ergebnisse von aktuellen Forschungsprojekten der Autoren an der ETH zusammen und erläutert insbesondere einen neuen Deep‐Learning‐basierten Ansatz zur Erkundung und Modellierung des Entwurfsraums parametrischer Brückenmodelle und deren Leistungsbewertungen und veranschaulicht die Anwendung für eine Mehrzieloptimierung von Stahlbetonrahmenbrücken. Zunächst werden Daten unter Verwendung eines parametrischen Brückenmodells sowie der Ankoppelung von Analysesoftware …