Der Beitrag untersucht, wie Künstliche Intelligenz genutzt werden kann, um Umformeffekte in Blechumformprozessen präziser und schneller vorherzusagen. Im Fokus steht der Einsatz datengetriebener Modelle, die klassische numerische Simulationen – insbesondere Finite-Elemente-Methoden – ergänzen oder teilweise ersetzen können. Ziel ist es, Prozessgrößen wie Kräfte, Geometrieabweichungen oder potenzielle Fehler frühzeitig und effizient vorherzusagen.

Gezeigt wird, dass moderne Machine-Learning-Ansätze insbesondere bei komplexen oder zeitkritischen Fertigungsprozessen großes Potenzial bieten. Durch die Kombination von experimentellen Daten, Prozessüberwachung und KI-Modellen lassen sich Entwicklungszeiten verkürzen, Simulationsaufwände reduzieren und die Prozesssicherheit verbessern. Damit trägt die Arbeit zu einem zentralen Trend der modernen Produktionstechnik bei: der intelligenten, datenbasierten Optimierung von Umformprozessen.