Fraunhofer-Institut für Werkstoffmechanik IWMDie Stahlproduktion steht unter enormem Druck, CO₂-Emissionen drastisch zu senken und gleichzeitig Hochleistungswerkstoffe schneller auf den Markt zu bringen. AID4GREENEST entwickelt sechs neuartige KI-gestützte Werkzeuge, die den konventionellen Trial-and-Error-Ansatz in der Stahlentwicklung und -fertigung durch digitale Vorhersagemodelle ersetzen, von der Mikrostrukturcharakterisierung in unter einer Minute statt über einer Stunde bis zur Kriechleben-Prognose ohne tausendstündige Tests. Für Unternehmen entlang der gesamten Stahl-Wertschöpfungskette eröffnen sich Kosten- und Zeiteinsparungen bei gleichzeitig reduziertem Materialausschuss. Die entwickelten KI-Modelle und eine offene Datenplattform schaffen die Grundlage für modellbasierte Innovation, die auf andere energieintensive Sektoren übertragbar ist.
KI-gestützte Charakterisierung und Modellierung für umweltfreundliche Stahltechnologie
Abgeschlossenes Forschungsprojekt
Projektbeschreibung
Marktbedarf und Herausforderungen
Die Stahlindustrie ist für 20–25 % der industriellen CO₂-Emissionen verantwortlich und steht unter massivem Transformationsdruck. Gleichzeitig erfordern strategische Sektoren wie Automotive, Windenergie, Gasturbinen und E-Mobilität immer leistungsfähigere Stahlsorten, deren Entwicklung heute noch auf zeitintensiven, materialverschwendenden „Trial-and-Error"-Verfahren basiert. Ausschussraten von bis zu 10 % in der Fertigung, tausendstündige Kriechversuche und aufwändige EBSD-Analysen (>1 h pro Messung) bremsen die Markteinführung neuer Stahlgüten erheblich. Ohne grundlegende Digitalisierung und Beschleunigung der Stahlentwicklung droht Europa im globalen Wettbewerb.
Lösungsansatz des Projekts
AID4GREENEST entwickelt sechs KI-gestützte Charakterisierungs- und Modellierungswerkzeuge, die den gesamten Stahl-Innovationszyklus abdecken: (1) eine modellgestützte Schnellcharakterisierung, die EBSD-Informationen direkt aus SEM-Bildern in unter einer Minute extrahiert; (2–3) KI-basierte Screening-Tools für die bidirektionale Vorhersage Prozess↔Mikrostruktur; (4) ein sequenzielles Modell zur Mikrostrukturvorhersage bei Schmieden und Abschrecken metergroßer Bauteile; (5) ein ML-basiertes Tool zur Kriechlebenvorhersage; (6) eine beschleunigte Kriechprüfmethodik, die Versuchszeiten um drei Größenordnungen reduziert. Ergänzend wird eine offene, KI-gestützte Datenplattform nach FAIR- und EMMO/CHADA/MODA-Prinzipien aufgebaut, die Interoperabilität und Wissenstransfer sicherstellt.
Beitrag zur Bewältigung der Herausforderungen
AID4GREENEST ermöglicht die Reduktion experimenteller Versuchsreihen um nahezu 50 %, eliminiert die Nachbearbeitung fehlerhafter Großschmiedeteile vollständig und ersetzt energieintensive Langzeit-Kriechversuche. Damit werden CO₂-Emissionen, Materialausschuss und Energieverbrauch in der Stahlentwicklung drastisch gesenkt. Die Werkzeuge beschleunigen die Einführung CO₂-armer Stahlgüten und ermöglichen die Reduktion oder Elimination kritischer Rohstoffe in Legierungen.
Die Arbeitspakete des Fraunhofer IWM:
Probabilistisches ML-Modell zur zuverlässigen Vorhersage der Kriechlebensdauer warmfester Stähle – mit quantifizierter Unsicherheit
Das Fraunhofer IWM entwickelt ein probabilistisches Machine-Learning-Modell, das die Kriechlebensdauer warmfester Stähle dateneffizient und mit explizit ausgewiesener Vorhersageunsicherheit prognostiziert. Das Modell integriert erstmals experimentelle Kriechprüfdaten und multiskalare Simulationsdaten in einem gemeinsamen Lernrahmen – und liefert damit belastbarere Lebensdauervorhersagen als rein experimentell oder rein simulationsbasiert kalibrierte Ansätze. Ergänzend entsteht ein validierter, beschleunigter Kriechprüfdatensatz nach der Stepped-Isostress-Methode, der sowohl als hochwertiger Trainingsdatensatz für das ML-Modell als auch als unabhängige Validierungsbasis für konstitutive Materialmodelle dient.
Mikrostrukturmodell und skalenübergreifende Simulation für den industriellen Schmiedeprozess großer Bauteile
Das Fraunhofer IWM liefert ein vollständig kalibriertes Mean-Field-Modell für Rekristallisation und Kornwachstum, das in die industrielle FE-Prozesskette für das Schmieden metergroßer Bauteile integriert ist und erstmals eine verlässliche Vorhersage der resultierenden Mikrostruktur über alle relevanten Bauteilbereiche ermöglicht. Grundlage dafür ist ein werkstoffspezifischer experimenteller Datensatz aus Warmstauchversuchen bei prozessrelevanten Temperaturen und Umformgeschwindigkeiten, der die Materialbeschreibung auf eine belastbare, direkt anwendbare Basis stellt.
Erfassung und Standardisierung von Daten und Workflows
Fraunhofer IWM koordiniert die Erfassung, Harmonisierung und Standardisierung der im Projekt entstehenden Daten und Workflows und entwickelt gemeinsame Dokumentationsstandards für den projektweiten Datenaustausch.
Auf der Grundlage der Projektergebnisse kann das Fraunhofer IWM Industrieunternehmen folgende Forschungs- und Entwicklungsleistungen anbieten:
1. ML-gestützte Kriechlebensdauervorhersage für warmfeste Stähle
Das Fraunhofer IWM stellt ein validiertes, probabilistisches Machine-Learning-Modell zur Vorhersage der Kriechlebensdauer warmfester Stähle bereit – mit explizit ausgewiesener Vorhersageunsicherheit und ohne die Notwendigkeit tausendstündiger Standardversuche.
2. Beschleunigte Kriechprüfung nach der Stepped-Isostress-Methode (SSM) mit modellgestützter Auswertung
Das Fraunhofer IWM bietet eine vollständig validierte Methodik für beschleunigte Kriechversuche an, die in wenigen Tagen Ergebnisse liefert, für die konventionelle Prüfverfahren bis zu 10.000 Stunden benötigen.
3. Probabilistisches Multi-Fidelity-Modelling zur Datenanreicherung und effizienten Modellentwicklung
Das Fraunhofer IWM bietet Active-Learning-basierte Workflows an, die experimentelle und simulationsbasierte Daten intelligent kombinieren und damit auch bei begrenzten Datensätzen belastbare Vorhersagemodelle ermöglichen.
4. Simulation der Mikrostrukturentwicklung beim Freiformschmieden großer Bauteile
Das Fraunhofer IWM liefert eine validierte, in die industrielle FE-Prozesskette integrierbare Simulationsmethodik, die Korngrößenverteilung und Rekristallisationsgrad über den gesamten Querschnitt metergroßer Schmiedebauteile zuverlässig vorhersagt.
5. Kalibrierung thermomechanischer Materialmodelle durch gezielte Warmumformversuche
Das Fraunhofer IWM bestimmt experimentell alle für eine belastbare Prozesssimulation erforderlichen Werkstoffkennwerte bei prozessrelevanten Bedingungen – und schafft damit die unverzichtbare Datenbasis für zuverlässige unternehmenseigene Simulationen.
6. Beratung und Implementierung von KI-Methoden in der industriellen Werkstoff- und Prozessentwicklung
Das Fraunhofer IWM unterstützt Unternehmen beim praxisorientierten Aufbau eigener ML-Pipelines für Werkstoffvorhersagen – von der strukturierten Datenbasis bis zum validierten, betriebsbereit implementierten Modell.
7. Restlebensdauerbewertung und Schadensvorhersage unter realistischen Betriebsbedingungen
Das Fraunhofer IWM führt auf Basis validierter, fortgeschrittener Kriechschadensmodelle Restlebensdauerabschätzungen für Hochtemperaturkomponenten unter realistischen, variablen Temperatur- und Lasthistorien durch – als belastbare Grundlage für Instandhaltungsplanung und Laufzeitverlängerung.
