Selbstverstärkendes Lernen als Beitrag zur Automatisierung der Anpassungskonstruktion

Die Automatisierung beschreibt die Übergabe von Aufgaben vom Menschen an eine Maschine. Die Aufgaben der Anpassungskonstruktion umfassen das Festlegen der Merkmalsausprägungen zum Erfüllen neuer Anforderungen bei gleichbleibender Wirkstruktur. Sie sind herausfordernd, wenn Merkmale gleichzeitig konkurrierende Eigenschaften beeinflussen.
Je nach Kontext können sie durch Optimierungsalgorithmen oder datengetriebene Ansätze automatisiert werden. Datengetriebene Ansätze setzen eine Datenbasis voraus, die alle relevanten Informationen für das Erkennen der Zusammenhänge zwischen Merkmalen und resultierenden Eigenschaften enthält.
Optimierungsalgorithmen müssen bei einer Änderung der Randbedingungen erneut zur Konvergenz gebracht werden.
Für die Schnittmenge der Anpassungsaufgaben, für die sich die Randbedingungen durch Anforderungsänderungen regelmäßig ändern und gleichzeitig keine ausreichende Datenbasis vorliegt, stellt diese Arbeit das Selbstverstärkende Lernen vor. Es beschreibt das Lernen eines Agenten auf Basis von Erfahrungen mit einer Umgebung. Hier wird diese durch Konstruktionsumgebung der Produktentwickelnden im Rahmen der Anpassungskonstruktion repräsentiert. Der Agent passt die Merkmale an und erhält die Produkteigenschaften als Feedback. Ziel der Arbeit ist nicht das Entwickeln eines neuen Algorithmus für Selbstverstärkendes Lernen, sondern das Erforschen der Voraussetzungen für Selbstverstärkendes Lernen in der Produktentwicklung, das Definieren der Rolle der Produktentwickelnden bei dessen Einsatz sowie das Erforschen der Übertragbarkeit der gesammelten Erfahrungen von einer Anpassungsaufgabe auf nachfolgende.