Die Dissertation präsentiert einen lernenden, hybriden Gesamtmodellansatz zur Vorhersage von Prozesskräften für die NC-Fräsbearbeitung, der Daten aus der gesamten CAx-Prozesskette nutzt und klassische Modellansätze mit KI kombiniert. Durch datenveredelte Werkzeugkontextualisierung und Künstliche Neuronale Netze entsteht ein präzises, übertragbares Modell, das in Simulation und Live-Prozessüberwachung validiert wurde. Der Ansatz ermöglicht eine deutlich effizientere und zuverlässigere Fertigung.
