Machine Learning im Engineering beschreibt den Einsatz lernender Modelle für technische Entwicklungsaufgaben. Typische Anwendungen sind Surrogatmodelle für CFD und FEM, schnelle Variantenbewertung, Optimierung, Qualitätsprognose, Sensitivitätsanalyse und datenbasierte Modellkalibrierung. Der Nutzen entsteht besonders dann, wenn klassische Simulationen zu langsam sind oder viele Varianten berechnet werden müssen. Entscheidend sind saubere Trainingsdaten, physikalisches Verständnis und eine Validierung gegen Simulation oder Messung.
