Im Jahr 2024 verursachte der Flugverkehr in Österreich laut Zahlen des VCÖ 2,97 Millionen Tonnen Treibhausgas-Emissionen. Die NGO empfiehlt daher, das Bahnnetz auszubauen und Geschäftsflüge zu reduzieren. Forscher*innen der TU Graz haben nun eine weitere Möglichkeit gefunden, um den Flugverkehr nachhaltiger zu gestalten – sie setzen direkt bei den Flugzeugtriebwerken selbst an. Mithilfe von KI gelang es das Team rund um Maschinenbauer Wolfgang Sanz ein Modell zu entwickeln, das den Wirkungsgrad eines Flugzeugtriebwerks verbessert.
Funktion eines Flugzeugtriebwerkes
Wolfgang Sanz ist am Institut für Thermische Turbomaschinen und Maschinendynamik der TU Graz tätig. Er erklärt, wie Flugzeugtriebwerke grundsätzlich funktionieren: „Das Triebwerk treibt ein Flugzeug über den ausgestoßenen Luftmassenstrom an, ähnlich wie bei einer Rakete. Der Luftmassenstrom selbst wird hauptsächlich durch den Fan, das große Verdichterrad, das man am Eintritt eines Triebwerks sieht, erzeugt, der über eine Turbine angetrieben wird. Moderne Turbinen haben mehrere, meist zwei Teilturbinen mit verschiedenen Drehzahlen und Durchmessern. Deswegen benötigt es einen sogenannten Turbinenübergangskanal, der die Strömung von der ersten Teilturbine schräg nach außen zur zweiten Teilturbine umlenkt. Diesen möchte man kurz und kompakt bauen, um Gewicht zu sparen und damit den Treibstoffverbrauch zu reduzieren. Dessen Optimierung führt aber zu hohen Anforderungen an die aerodynamische Auslegung”
Optimierung durch KI
Genau hier kommt auch die Künstliche Intelligenz (KI) ins Spiel, mit deren Hilfe die Strömungsoptimierung stark beschleunigt werden soll: „KI-Verfahren beruhen auf große Datenmengen. Wir haben dazu ca. 1.000 Fälle simuliert, die sich durch Zuströmbedingungen und Geometrie unterscheiden. Auf Basis dieser Datenmengen haben wir mithilfe von Machine Learning Verfahren entwickelt, mit denen wir innerhalb von Minuten Übergangskanäle auslegen und optimieren können, was sonst mehrere Wochen dauern könnte. Ein zweiter erfolgreicherer Ansatz verwendet ebenfalls diese Datenbasis, um Reduced Order-Modelle zu entwickeln, die ebenfalls deutlich schneller Variationsrechnungen und Optimierungen erlauben.“ Reduced Order-Modelle suchen die gemeinsamen Strömungsstrukturen aller Datensätze und verwenden nur die dominanten für die Berechnung der Strömung neuer Geometrien. „Da man nur die wesentlichen Strukturen aus der Datenbank heranzieht, kann die Rechenzeit deutlich verringert werden. Dies erlaubt das Rechnen von vielen Varianten in kurzer Zeit und damit die Optimierung für eine neue Anwendung“, führt Wolfgang Sanz aus. Diese Modelle sind zwar etwas ungenauer als vollständige Simulationen, aber um mehrere Größenordnungen schneller und ermöglichen dadurch rasch die Vorhersage von Trends für die Verbesserung von Übergangskanälen.
Künftige Forschung
Wolfgang Sanz kann nicht genau einschätzen, wie viel Emissionen und Treibstoff sich dadurch einsparen lassen, aber er erinnert daran, dass sich bereits geringe Einsparungen deutlich positiv auswirken. Gemeinsam mit seinen Kolleg*innen arbeitet er auch bereits daran, bereits entwickelte Modelle weiterhin zu verbessern, um sie allgemeiner anwendbar zu machen. „Darüber hinaus arbeiten wir mit Triebwerksherstellern zusammen, um die Entwicklung neuer Konzepte, wie Triebwerke mit Getriebe oder Open-Rotor-Triebwerke, die bessere Wirkungsgrade versprechen, voranzutreiben“, richtet Wolfang Sanz einen Blick in die Zukunft.
