Beim Einsatz von Algorithmen des maschinellen Lernens im industriellen Umfeld kommt es darauf an, aus den Prozessen umfassende, geeignete Daten zu generieren, um die jeweilige Prognosegüte zu steigern. Es wird eine Methodik entwickelt, bei der eine relativ kleine experimentelle Datenbasis mittels numerischer Sensitivitätsanalysen zu einer umfassenden Datenbasis erweitert werden kann. Am Beispiel des Halbhohlstanznietens entsteht eine Prognosesoftware, mit der sehr flexibel eine Vielzahl von Regressionsmodellen verglichen und für die Prognose von Verfahrensparametern beim mechanischen Fügen verwendet werden kann, wodurch sich der Aufwand für die Auslegung von Halbhohlstanznietverbindungen deutlich reduziert. https://ble-x.de/mydocs/1617