Editorial

Rechenleistung

Wenn ich an mein Maschinenbaustudium zurückdenke, waren die bestimmenden Themen faktisch greifbar: Werkstoffkunde, Technische Mechanik, Maschinenelemente, Technische Thermodynamik, Technologie der Fertigungsverfahren.

SCOPE-Redakteurin Caterina Schröder

Hinzu kamen ein paar Grundlagen rechts und links des Maschinenbauerfokus – Chemie, Physik sowie Elektrotechnik und Datenverarbeitung sowie die Mathematik. Letztere ist eine faszinierende Wissenschaft. Zum einen, weil sie logisch ist und das Ergebnis keiner großen Interpretation bedarf. Zum anderen, weil sie einem – steigt man tiefer in sie ein – endlose Weiten eröffnet: Räume, Dimensionen, bis hin zur Unendlichkeit. Der Weg dorthin führt über die Jonglage mit Formeln, Definitionen, Annahmen und Abstraktion. Es war – die wichtigen Grundlagen natürlich ausgenommen – aufgrund der dargebotenen Tiefe mehr eine Spielerei denn ein Fach, das auf das spätere Arbeitsleben vorbereitet hätte.

Was man aus den Mathematikvorlesungen mitnehmen kann, ist die analytische Herangehensweise: das Problem erkennen, analysieren und diskutieren. Theorien aufstellen und beweisen oder widerlegen. An der TU Darmstadt ging es in meinen Vorlesungen nicht um das Formeln-Lernen, sondern um die Fähigkeit, möglichst effizient einen Lösungsweg zu finden. Die Werkzeuge dazu lagen unter anderem im Taschenbuch der Mathematik von Bronstein neben mir.

Heutzutage ist eine neue Gewichtung hinzugekommen. Mit der ansteigenden Datenmenge – Experten rechnen in Exa- und Zettabytes – steigt auch die Notwendigkeit, Maschinen intelligent und lernfähig zu machen. Da drängt sich die Frage auf, ob der Mathematiker bald der bessere Ingenieur sein wird.

Anzeige

Fakt ist, dass die Big-Data-Analyse mächtige Algorithmen und eine hohe Abstraktionsfähigkeit verlangt. Es geht nicht mehr um die richtige Lager-dimensionierung, sondern um riesige Datendimensionen. Mittels Künstlicher Intelligenz sollen Maschinen selbst den Nutzen der Datenwolken groß machen und halten. Und sie sollen auch – dezentral eingesetzt – Engpässe vermeiden, die durch Verzögerungszeiten der bilateralen Datenübertragung entstehen.

Fakt ist aber auch, dass rein statistische Ansätze im Produktionsumfeld nicht zielführend sind. Es braucht vielmehr die Verknüpfung des produktionstechnischen Wissens mit den Daten.

Entsprechend der mathematischen Logik folgend (Theorem und Beweis), muss der Ingenieur nicht befürchten, verdrängt zu werden. Dennoch wird sich die Ausbildung an der Basis ändern. Während zu meinen Studienzeiten der Studiengang Mechatronik als Novum angesehen wurde und sich noch im Aufbau befand, wird es zukünftig Studiengänge geben, die das Wichtigste aus dem Maschinenbau mit der Mathematik und Informatik verheiraten.

Zählt man eins und eins zusammen, wird klar, dass dieser Wandel wichtig für den Maschinenbau in Deutschland ist, da die Zukunft in der inter-disziplinären Zusammenarbeit liegt. cs

Anzeige

Das könnte Sie auch interessieren

Anzeige

Unmanaged Switches

Modulares Gehäusesystem erweitert

Lütze erweitert sein modulares Gehäusesystem LCOS um zwei industrietaugliche Unmanaged Switches mit vier beziehungsweise acht Ports. Die LCOS Unmanaged Switches sind für den Einsatz im Bereich der industriellen Ethernet-Netzwerke besonders geeignet.

mehr...
Anzeige

Vision-Sensoren

Mit dem Roboter auf du und du

Sensopart erweitert seine Vision-Sensorreihe Visor um einen speziell für Robotikanwendungen konzipierten Sensor. Über ein URCap-Softwarepaket ermöglicht der neue Visor Robotic eine direkte Kommunikation mit UR-Robotersystemen.

mehr...