Das Gesamtziel des FOR 3022 besteht darin, ein umfassendes Verständnis für ein integriertes Structural Health Monitoring (SHM) in Laminaten mit Schichten mit großen Impedanzunterschieden unter Ultraschallwellen (GUW) unter realen Bedingungen. In diesem Teilprojekt konzentrieren wir uns auf die automatische Schadens Schadensdetektion und führen die Expertise aus Mathematik und Informatik zusammen. Als Grundlage für die automatisierten Methoden dienen mathematische Modelle, die auf physikalischen Prinzipien aufbauen, mathematische Werkzeuge, um die Modelle rechnerisch handhabbar zu machen und Methoden des maschinellen Lernens. Hierbei arbeitet die Arbeitsgruppe Lorenz (physikinformierte Neuronale Netze (PINNs)) mit der AG Gräßle (Modellordnungsreduktion und Datenassimilation) der AG Bosse (Methoden des maschinellen Lernens) zusammen.