Lars Frank Große Simulation von turbulenten, reaktiven Brennkammerströmungen mit Nutzung von künstlichen neuronalen Netzen zur Beschreibung der chemischen Reaktionskinetik Die Nutzung detaillierter Chemie in turbulenten Verbrennungssimulationen ist äußerst rechenintensiv. Deshalb schließt sich die Nutzung direkter Berechnungs-methoden bei der die Navier-Stokes-Gleichungen bis an die kleinsten Längenskalen der turbulenten Schwankungsbewegungen aufgelöst werden, als Verfahren für reale Dimensionen aus [Warnatz et al. 2001]. Neben der hohen räumlichen Auflösung müssen aufgrund der zeitlichen Schwankungen instationäre Berechnungs-algorithmen verwendet werden. Fügt man zur bestehenden Direkten Numerischen Simulation (DNS) eine komplexe Reaktionskinetik hinzu und erweitert den Löser um das gewöhnliche Differentialgleichungssystem der Reaktionsgleichungen steigt der Aufwand entsprechend. Da grundsätzlich eine genaue Approximation der chemischen Reaktionen Grund-voraussetzung für die realitätsnahe Wiedergabe der ablaufenden chemischen Prozesse ist, werden verschiedene Methoden angewandt, die es erlauben hinreichend genaue Beschreibungen der ablaufenden chemischen Reaktionen zu nutzen, beziehungsweise den Informationsgehalt der Modelle bezüglich des Anwendungsfalls zu erhöhen. In dieser Arbeit sollen künstliche neuronale Netze genutzt werden, um die chemische Reaktionskinetik in turbulenten Verbrennungssimulationen zu beschreiben. Die Grundlagen werden ausgehend von reduzierten Kinetiken mit wenigen Stoffen und Reaktionsgleichungen gelegt. Um die Arbeit hin zu einer turbulenten Verbrennungs-simulation mit komplexer Kinetik zu führen, werden weitere Methoden und Grundlagen entwickelt. Umfangreiche Validierungsrechnungen zeigen die Eignung von künstlichen neuronalen Netzen zur Approximation von chemischen Reaktionskinetiken, sowie die Möglichkeiten und Grenzen der Anwendbarkeit. Ein Ausblick zeigt anschaulich die Tendenzen zukünftiger Entwicklungen.