KI für Physikalische Systeme

Der Forschungsbereich KI für Physikalische Systeme untersucht die Integration von Methoden des maschinellen Lernens, insbesondere neuronaler Netze, in die Modellierung, Simulation und Steuerung realer physikalischer Systeme.

Ziel ist es, datengetriebene Verfahren mit physikalischem Wissen zu verbinden, um leistungsfähige, robuste und interpretierbare Modelle zu entwickeln. Dabei werden allgemeine KI-Modelle wie Large Language Models (LLMs) mit spezialisierten Architekturen kombiniert, die gezielt auf physikalische Gesetzmäßigkeiten, Randbedingungen und domänenspezifische Datenstrukturen zugeschnitten sind.

Ein zentraler Ansatz besteht darin, LLMs als übergeordnete Orchestratoren in zielgerichteten Multi-Agenten-Systemen einzusetzen. Diese zerlegen komplexe Problemstellungen in Teilaufgaben, entwerfen Lösungsstrategien und koordinieren die Interaktion heterogener Komponenten. Die eigentliche Verarbeitung fachspezifischer Aufgaben erfolgt hingegen durch spezialisierte neuronale Netze, die für die jeweiligen Anwendungsdomänen optimiert sind.