Forschungsprojekte

Im Projekt ML4P wurde eine Toolsuite entwickelt, die den gesamten ML-Lebenszyklus – von der Datenerfassung bis zum robusten Betrieb – abdeckt. Demonstriert an realen Anlagen wie einer Glasbiegeanlage, einer Presshärtelinie und einer Membranfilterproduktion wurde gezeigt, wie Produktionsprozesse durch KI optimiert werden.

Werkstoffe mit maßgeschneiderten, reproduzierbaren Eigenschaften, effizient hergestellt. Das Projekt entwickelte KI-Methoden für das datengetriebene Materialdesign, die ausgehend von gewünschten Materialeigenschaften gezielt optimale Mikrostrukturen identifizieren und den zugehörigen Fertigungsprozess automatisch steuern.

Maschinelles Lernen entfaltet sein volles Potenzial erst, wenn Expertenwissen gezielt eingebunden wird. Genau das leisten Grey-Box-Modelle: Sie verbinden datengetriebene KI-Verfahren mit physikalischem und prozessspezifischem Domänenwissen. Das Projekt hat gezeigt, wie Materialparameter identifiziert, Produktionsprozesse modelliert und Mikrostrukturen automatisch klassifiziert werden können.

Europäische Materialforschung ist digital fragmentiert – Daten aus Laboren, Simulationen und Fertigung liegen in isolierten Silos und bremsen die Entwicklung neuer Werkstoffe aus. MaterialsCommons schafft eine föderierte digitale Infrastruktur, die erstmals über einen gemeinsamen Zugangspunkt und einen gemeinsamen semantischen Rahmen alle wesentlichen europäischen Plattformen, Datenquellen, Workflows und Tools für die Materialforschung verbindet. Diese Infrastruktur ermöglicht IP-geschützten Datenaustausch, KI- und Simulations-Workflows und Self-Driving Labs, um den Materialentwicklungsprozess um bis zu Faktor 4 zu beschleunigen. Sechs industrienahe Use Cases in den Bereichen Batterien, Stahl, additive Fertigung und Mikroelektronik demonstrieren den konkreten Nutzen für Unternehmen.

Das Projekt DiMAT entwickelte fortschrittliche digitale Werkzeuge, um europäischen KMUs und Mid-Caps in der Werkstoffindustrie kostengünstige und benutzerfreundliche Lösungen für die Modellierung, Simulation und Optimierung von Materialien entlang der gesamten Wertschöpfungskette bereitzustellen.

Durch Krisen wie die Corona-Pandemie oder ausgesetzte Handelsabkommen kommt es immer wieder zu Lieferengpässen. Rohstoffe wie Nickel oder Magnesium und Seltene Erden, die die Industrie für die Fertigung unterschiedlichster Produkte benötigt, sind teilweise nur eingeschränkt verfügbar bzw. es besteht das Risiko von Lieferengpässen. Hier setzt das Fraunhofer-Leitprojekt »ORCHESTER« an: Seit Januar 2024 erforschen sechs Fraunhofer-Institute, wie die nachhaltige und resiliente Versorgung mit funktionssicheren Werkstoffen gestaltet und gesichert werden kann. Das auf vier Jahre angelegte interdisziplinäre Projekt soll die Informationsbasis dafür schaffen, Werkstoffe und Bauteile in möglichst hochwertiger Form zu erhalten und in den Kreislauf zu führen.

Das Projekt biocharPP entwickelt innovative Technologien zur Herstellung CO2-optimierter und kreislauffähiger NET-Compounds aus biogenen Reststoffen. Durch optimierte Prozesse, umfassende Datenerfassung und -verknüpfung sowie eine vollständige Ökobilanzierung entstehen nachhaltige Alternativen zu mineralischen Füllstoffen mit zusätzlichem Leichtbaupotenzial.

Das Vorhaben DigiCast soll mittels digitaler 3D-Rekonstruktion von Mikrostruktur und Rissinitiierung in Sphäroguss zur verbesserten Sicherheitsbewertung von nuklearen Sicherheitskomponenten beitragen. Dazu werden moderne Methoden wie Computertomographie und 3D-Schliffbilderstellung eingesetzt, um eine exaktere Beschreibung der komplexen Mikrostruktur-Riss-Wechselwirkung zu ermöglichen.

Nukleare Transport- und Lagerbehälter und andere Komponenten aus Gusseisen müssen höchsten Sicherheitsanforderungen genügen –die heutigen Nachweisverfahren sind etabliert, jedoch aufwändig, teuer und oft übermäßig konservativ. DaGeMoCast entwickelt ein KI-gestütztes Modell, das auf Basis von Kleinprobenversuchen, Gefügedaten und Simulationen das Bruchverhalten ortsaufgelöst und belastungsabhängig vorhersagt. Damit werden erstmals lokale Gefügeunterschiede und reale Beanspruchungszustände direkt im Sicherheitsnachweis berücksichtigt. Für Hersteller und Betreiber bedeutet das: realistischere Bewertungen, geringerer Prüfaufwand und quantifizierbare Sicherheitsmargen. Die Methodik ist auf weitere Werkstoffe und Komponenten der Nuklearindustrie übertragbar. Das Fraunhofer IWM arbeitet dabei mit der TU-Bergakademie Freiberg in einem Verbundvorhaben zusammen. Die Partner aus Freiberg übernehmen dabei hauptsächlich die numerischen Simulationen.

Wie lässt sich die Betriebssicherheit nuklearer Sicherheitskomponenten präzise und mit minimalem Materialaufwand nachweisen? Statisto-Fract qualifiziert eine bahnbrechende Methodik, die allein aus der Analyse einer Bruchflächen-Topographie zuverlässige Bruchzähigkeitswerte liefert – ohne aufwendige Großprobenversuche für nukleare Werkstoffe und Use Cases. Damit wird erstmals eine bruchmechanische Bewertung im Einsatz befindlicher Komponenten über winzige „Biopsien" möglich, was für die verlängerte Zwischenlagerung radioaktiver Abfälle und die Laufzeitverlängerung von Kernkraftwerken im Ausland hochrelevant ist. Die Methodik liefert zusätzlich aus einer einzigen Bruchfläche statistische Zähigkeitsverteilungen, die sonst nur über teure Versuchsserien zugänglich wären. Das Projekt schafft damit die Grundlage für einen Paradigmenwechsel in der Werkstoffprüfung sicherheitsrelevanter Komponenten.