Visionen er at etablere et nyt virtuelt laboratorium baseret på kunstig intelligens (AI)/Machine Learning, historiske databaser og numeriske metoder, som kan supplere de eksisterende fysiske metoder til forsøg indenfor de hydro- og aerodynamiske områder, der anvendes af bygnings-, skibs-, offshore- og vindindustrien. Hensigten er at muliggøre en iterativ og agil designproces, som er tilgængelig for flere spillere på markedet og giver mulighed for, at fx nye designkonsulenter baseret på nye tilgange til designprocessen, kan blomstre op. Med denne vision tilbydes ydelser højere oppe i værdikæden, idet FORCE Technology flytter sig fra den typiske rolle som ren dataleverandør til at levere konsulentydelser baseret på data, hvilket særligt er efterspurgt af de små og mellemstore virksomheder.Denne vision udgør således et grundlæggende paradigmeskift, som er rettet mod alle testområder på længere sigt. Fire aktiviteter er udvalgt til at blive udviklet og testet/demonstreret dels for at sikre at paradigmeskiftet bliver bredt forankret, dels for at skabe konkrete services inden for rammerne af aktivitetsplanen:
•	Direkte manøvresimulering baseret på computational fluid dynamics (CFD)
Udvikling af viden og procedurer til CFD-simulering af fritsejlende skibe. CFD-modellen, som indeholder det komplette skib, vil blive brugt til simulering af International Maritime Organizations (IMO) standardmanøvrer for hermed at fastlægge dets manøvreegenskaber. Viden om metodernes anvendelighed og begrænsninger opnås ved sammenligning med data fra forsøg og skibe i drift. En tidlig designevaluering og sikring af manøvreegenskaberne giver øget sikkerhed til søs og bedre brændstoføkonomi.  
•	Tidlig skibsdesign- og livscyklusevaluering
Udvikling af værktøj til anvendelse i den samlede designproces fra de første skitser over det endelige design til evt. ombygninger og retrofit af skibet. Værktøjet vil i alle faser af designprocessen tilbyde en holistisk, mange facetteret, ensartet, objektiv og realistisk evaluering baseret på de bedst tilgængelige data i hver fase. Initielt vil værktøjet fx baseres på videnbase og Machine Learning og på de senere trin på numeriske beregninger for skibet eller egentlige fysiske forsøg.
•	Tidlig rådgivning omkring vindmiljø
Undersøgelse af eksisterende data for at afsøge mulighederne for at udarbejde metoder og virtuelle værktøjer til hurtig og præcis rådgivning om udendørs vindmiljø omkring bygninger, så vindmiljøet kan forbedres allerede i designprojekternes indledende faser. 
•	Undersøgelser af anti-icing strategier
Undersøgelse og dokumentation af eksisterende data med henblik på udvikling af virtuelle værktøjer og forbedring af de eksisterende anti-icing strategier. Herunder undersøges strategiernes holdbarhed og muligheder for optimering og der arbejdes for en entydig definition af islasten på strukturelle elementer som vindmøllevinger og brokabler.