Mit Hilfe des entwickelten Click&Weld-Systems wird die Handhabung des FSW-Prozesses bedienerfreundlicher und effizienter gestaltet und damit die industrielle Anwendung des Verfahrens insbesondere in kmU gesteigert, um wirtschaftliche Vorteile zu stiften. Dazu wurde ein wissensbasiertes Bedienkonzept, vergleichbar mit CAM-Systemen, entwickelt, das den Anwender des Schweißverfahrens von der Definition der Schweißaufgabe über die Wahl geeigneter Prozessparameter und die Generierung des Schweißprogramms zur Durchführung der Schweißaufgabe bis hin zur Beurteilung der Nahtqualität unterstützt. Der Grundgedanke des Click&Weld-Systems ist es, das Prozesswissen zum FSW durch Verknüpfung mit einem geeigneten CAM-System aufzubereiten und für den Endanwender der FSW-Technologie einfacher nutzbar zu machen. Die benötigten Prozessdaten wurden anhand von Experimenten generiert. Hierzu wurden für ausgewählte Aluminiumlegierungen und Blechdicken an geraden Schweißnähten hinsichtlich der Nahtqualität optimale Prozessparameter ermittelt. Als Zielgrößen wurden vor allem die Oberflächenqualität der Schweißnähte sowie die Zugfestigkeit herangezogen. Ausgehend von den optimierten Prozessparametern an geraden Schweißnähten wurde anschließend der Einfluss von Krümmungen in der Ebene untersucht. Zur Generierung des Schweißprogramms wurde ein Algorithmus in die CAM-Software integriert, der die in der Prozessdatenbank hinterlegten prozessspezifischen Daten in geeigneter Form mit den Bahnplanungsdaten des FSW-Moduls verknüpft. Hierbei wurden die Randbedingungen der FSW-Anlage berücksichtigt. Auf diese Weise entstand automatisiert ein Schweißprogramm, welches an die Maschinensteuerung übergeben wurde. Die Funktionsfähigkeit wurde durch ein gefertigtes Demonstratorbauteil nachgewiesen. Um die Wirkzusammenhänge zwischen den Prozessparametern und der Zugfestigkeit darzustellen, wurden Regressionsmodelle erstellt. Des Weiteren wurden Künstliche Neuronale Netze eingesetzt, um auf Basis der Prozessantworten die Oberflächenqualität vorherzusagen. Dabei wurden u. a. unterschiedliche Netzwerktypen getestet und ermittelt welche Prozessgrößen sich am besten für die Vorhersage eignen. Um die Prozessdatenbank nach Projektende schnell erweitern zu können wurde ein KI-basierter Algorithmus entwickelt, der die anderen bereits vorhandenen Datensätze heranzieht um geeignete Parametersätze für eine neue Schweißaufgabe abzuschätzen.