Simulieren geht über Probieren.
Wir leben in einer hochkomplexen und hochtechnisierten Welt. Die Tatsache, dass Flugzeuge fliegen, Handys telefonieren, Strom aus der Steckdose fließt und unsere Laptops und PCs (meistens) keine Probleme bereiten, kommt uns wie selbstverständlich vor. Die Welt ändert sich schnell und die Technologien kommen und gehen. Doch wir gehen davon aus, dass alles einfach so funktioniert.
Wir denken nicht groß darüber nach, dass in einem immer komplexer werdenden Gesamtsystem auch immer komplexere Zusammenhänge und potentielle Störungen berücksichtigt, frühzeitig erkannt und idealerweise rechtzeitig behoben werden müssen. Fehler können nicht nur für einzelne Unternehmen teuer werden, sondern auch zu persönlichen und gesundheitlichen Schäden oder gar zu gesellschaftlichen Zerwürfnissen und echten Katastrophen führen.
Joseph Michel Montgolfière ist im 18. Jahrhundert vielleicht noch todesmutig im Selbstversuch vom Dach gesprungen, um herauszufinden, ob das mit dem Fallschirm funktioniert (hat funktioniert). Oder Alessandro Volta, der sich unterschiedliche Metalle auf die Zuge gelegt hat, um die Leitfähigkeit zu testen (hat auch funktioniert). Um Kosten und Schäden vorzubeugen, gibt es heutzutage jedoch andere Mittel: Simulationen! Ziel ist es, möglichst realitätsnah Probleme in dynamischen Systemen frühzeitig zu identifizieren und vor Produktion oder Einsatz zu beheben.
Allerdings basieren Simulationen nicht auf der Wirklichkeit, sondern auf Modellen der Wirklichkeit. Je mehr Annahmen und Randbedingungen man in einem Modell festlegen kann, desto näher ist das Ergebnis der Simulation an der Realität. Im technischen Bereich ist das übrigens einfacher als beispielsweise im sozialen oder volkswirtschaftlichen.
Bleiben wir bei der Simulation im technischen Bereich. Das nächste Problem ist, dass selbst wenn man alle Parameter und Zusammenhänge kennt und in einem perfekten Simulationsmodell definieren kann, muss man häufig dennoch Abstriche machen: Die Berechnung von komplexen Simulationsmodellen kann so aufwändig sein, dass man das Simulationsmodell aus Gründen der Zeit oder der Rechenkapazitäten und Kosten wieder vereinfachen muss.
Und hier setzt Fieldscale an.
Neue Algorithmen und Parallelisierung der Berechnung in der Cloud
Seit über zwei Jahren entwickeln die Elektroingenieure und Gründer von Fieldscale, Yiorgos Bontzios und George Bouzianas mit einem inzwischen zehnköpfigen Team eine hochinnovative Simulationssoftware als Service in der Cloud. Ich habe mich mit Vasso Kalaitzidou unterhalten, selbst Elektrotechnikerin und Mitarbeiterin der ersten Stunde, die sich um die Operations und das Marketing bei Fieldscale kümmert.
„Schwerpunkt von Fieldscale sind Simulationen rund um das Thema Strom, also elektrostatische, elektromagnetische und thermische Simulationen. Und das von großmaßstäbigen Simulationen, wie Positionierung von Hochspannungsleitungen bis hin zu extrem kleinmaßstäbigen Simulationen, wie beispielsweise der Interaktion von Millionen Transistoren auf einem Chip von der Dicke eines Haars“ so Vasso im Gespräch.
#gallery-0-5 { margin: auto; } #gallery-0-5 .gallery-item { float: left; margin-top: 10px; text-align: center; width: 50%; } #gallery-0-5 img { border: 2px solid #cfcfcf; } #gallery-0-5 .gallery-caption { margin-left: 0; } /* see gallery_shortcode() in wp-includes/media.php */
Fieldscale hat den Anspruch, den gesamten Entwicklungsprozess vollständig zu unterstützen, also vom Design, über die Analyse der Materialien, die Vermaschung (meshing), die Simulation selbst bis hin zur Nachbearbeitung und Visualisierung der Ergebnisse.
Durch die Implementierung eines neuartigen Algorithmus, der sogenannten Randelementmethode (REM, bzw. auf Englisch Boundary Element Method – BEM), statt der noch weit verbreiteten Finite-Elemente-Methode (FEM), können die Berechnungen nicht nur um Faktor 10 und höher beschleunigt werden, sondern auch sogenannte „impossible simulations“ durchgeführt werden, in denen Teile des Modells großmaßstäbig sind und andere Teile extrem kleinmaßstäbig.
„Damit können wir Simulationen machen, in denen Dimensionsunterschiede von einem Faktor von 1:10.000 vorliegen, also ein kleines Detail mit in einer großmaßstäbigen Simulation berücksichtigen“, so Vasso im Gespräch. Wer es jetzt noch genauer wissen will, dem empfehle ich Google oder einfach mal, mit Fieldscale Kontakt aufzunehmen.
Das Unternehmen und das Geschäftsmodell
Das Unternehmen hat seinen Sitz in Thessaloniki und stellt seine gesamte Software als Service im Netz bereit. Ursprünglich aus der Forschung in Thessaloniki ausgegründet, haben sie inzwischen ein fertiges Produkt, erste Kunden und eine erste Finanzierung über Open Fund erhalten. Aktuell sprechen sie mit Interessenten über eine zweite Finanzierungsrunde.
Da es keine für sie geeigneten Algorithmen gab, haben sie quasi alle selbst entwickelt, um auch die Möglichkeiten der parallelen Berechnung in der Cloud voll ausnutzen zu können. Damit ergibt sich auch das Geschäftsmodell: Sie haben eine Version für Großrechner und Rechencluster für große Unternehmen, die die Simulationen und Modelle selbst hosten möchten, sowie eine Lösung für Ingenieurbüros, die über die Cloud-Lösung auch die notwendige einfache Bedienung und vor allem Rechenkapazität bekommen. Wichtig war Vasso noch zu betonen, dass alle Daten nach der Simulation heruntergeladen und gelöscht werden können.
Ich habe mir schon oft gedacht, dass die Rechenkapazität der Cloud eigentlich ideal sein müsste, um hochkomplexe Simulationen und Berechnungen durchführen zu können. Ich freue mich daher umso mehr, dass Fieldscale mit dieser Idee von Griechenland aus auf dem Weg ist, die Welt der Simulationssoftware zu erobern. Und das, was ich gesehen habe, sieht extrem vielversprechend aus!
Fieldscale Simulieren geht über Probieren. Wir leben in einer hochkomplexen und hochtechnisierten Welt. Die Tatsache, dass Flugzeuge fliegen, Handys telefonieren, Strom aus der Steckdose fließt und unsere Laptops und PCs (meistens) keine Probleme bereiten, kommt uns wie selbstverständlich vor.
