Fraunhofer-Institut für Werkstoffmechanik IWMErstmals werden in Deutschland alle führenden Forschungsstellen für konstitutive Materialmodellierung in einem Verbund vereint. Ziel ist eine vollständig digitalisierte, modulare Werkstoffmodellierungsplattform für digitale Bauteilzwillinge – von der Parameteridentifizierung über KI-basierte Meta-Modelle bis zur Echtzeit-Lebensdauerbewertung. Industrieunternehmen erhalten damit Zugang zu validierten Simulationswerkzeugen, die bisher nur der Wissenschaft vorbehalten waren.
DigitalModelling: Vollständig digitalisierte & vereinheitlichte Materialmodellierung zur Echtzeitanalyse des prozess- & betriebsbedingten Deformations- & Schädigungsverhaltens innerhalb digitaler Bauteilzwillinge
Laufendes Forschungsprojekt
Projektbeschreibung
Marktbedarf und Herausforderungen
Industrieunternehmen im Maschinen- und Anlagenbau – von der Turbinen- bis zur Pumpenbranche – stehen unter steigendem Druck, Bauteile zuverlässiger, ressourceneffizienter und länger zu betreiben. Digitale Bauteilzwillinge sollen hierfür die Grundlage schaffen. Doch leistungsfähige konstitutive Materialmodelle, die das Deformations- und Schädigungsverhalten unter realen Betriebslasten beschreiben, sind in der industriellen Praxis kaum einsetzbar: Parameteridentifizierung ist aufwändig, Rechenzeiten liegen oft im Bereich von Tagen, Modelle sind nicht standardisiert, und robuste Schnittstellen fehlen.
Lösungsansatz des Projekts
DigitalModelling bündelt erstmals alle führenden deutschen Forschungsstellen zur viskoplastischen Materialmodellierung in einem Verbund. Auf der Plattform MaterialDigital (PMD) werden modular aufgebaute konstitutive Materialmodelle bereitgestellt, mit Ontologien verknüpft und durch KI-basierte Meta-Modelle (hybride neuronale Netze / Gaußprozesse) in echtzeitfähige FEM-Subroutinen überführt. Ergänzend werden standardisierte Workflows zur Parameteridentifizierung sowie industriell verifizierte Test- und Benchmarking-Umgebungen entwickelt.
Beitrag zur Bewältigung der Herausforderungen
Das Projekt ermöglicht es Industrieunternehmen, fortschrittliche Materialmodelle erstmals robust und effizient einzusetzen. Präzisere Bauteilsimulationen erlauben eine bessere Planung von Wartungsintervallen, die Überwachung von Grenzzuständen in Echtzeit und eine zustandsorientierte Betriebsoptimierung. Die Industriepartner setzen sich konkret das Ziel, die Werkstoffausnutzung um 15 % zu steigern und die wirtschaftlichen Kosten unvorhergesehener Schadensfälle mittelfristig um 25 % zu senken.
Aufgaben des Fraunhofer IWM im Projekt:
Ontologie-Entwicklung und Wissensrepräsentation:
Das Fraunhofer IWM entwickelt und erweitert Domänenontologien (insbes. PMD_coOntologie, BWMD Ontology) für Schädigungs- und Verformungsmechanismen. Es entstehen Workflows zur teilautomatischen Abbildung von Prozessketten und Werkstoffcharakterisierungsergebnissen als maschinenlesbare Wissensgraphen. Mittels kausaler Inferenz werden Verknüpfungsregeln zwischen Materialmodellmodulen, mikrostrukturellen Deskriptoren und Prozessinformationen erarbeitet. Konkretes Ergebnis: ein lauffähiger Workflow „Ontologie-Matching" als Teil der PMD.
Datengestützte Materialmodellierung / Erweiterung des DTMF-Modells: Das Fraunhofer IWM erweitert sein bewährtes DTMF-Lebensdauermodell für thermomechanisch belastete Bauteile durch datengetriebene KI-Methoden. Produktions- und Mikrostrukturparameter werden als Einflussfaktoren auf die Ermüdungslebensdauer integriert, um die Streuung der Lebensdauervorhersage signifikant zu reduzieren. Konkretes Ergebnis: ein validiertes, erweitertes datengestütztes Lebensdauermodell inkl. Workflow für die industrielle Anwendung.
Nach Abschluss des Projekts kann das Fraunhofer IWM Industrieunternehmen folgende neue Forschungs- und Entwicklungsleistungen anbieten:
Modulare Materialmodell-Auswahl und -Konfiguration
Unterstützung bei der Auswahl und Zusammenstellung passender konstitutiver Materialmodelle aus dem standardisierten Modellkatalog der PMD für spezifische Werkstoffe und Belastungsszenarien.
Ontologie-basierte Werkstoffdatenvernetzung
Aufbau maschinenlesbarer Wissensgraphen, die Prozessparameter, Mikrostruktur und Werkstoffeigenschaften semantisch verknüpfen, als Basis für automatisierte Parameteridentifizierung und digitale Zwillinge.
Objektivierte Parameteridentifizierung für Materialmodelle
Durchführung standardisierter, quasi-automatischer Workflows zur Bestimmung von Materialmodellparametern auf Basis vorhandener oder neu zu erhebender Versuchsdaten, inkl. Unsicherheitsbewertung.
Entwicklung echtzeitfähiger Meta-Modell-Subroutinen
Abstraktion komplexer konstitutiver Modelle in hybride KI-basierte Meta-Modelle (neuronale Netze / Gaußprozesse) als FEM-Subroutinen für Abaqus, Ansys u. a. zur drastischen Reduktion der Rechenzeiten bei gleichbleibender Genauigkeit.
Erweiterte Lebensdauervorhersage mit Prozesseinfluss (DTMF+)
Lebensdauerbewertung thermomechanisch belasteter Metallbauteile unter expliziter Berücksichtigung von Fertigungsroute, Wärmebehandlung und Mikrostruktur, mit dem Ziel reduzierter Streuung und erhöhter Vorhersagepräzision.
Validierung und Benchmarking von Materialmodellen in Bauteilgeometrien
Durchführung standardisierter Unit- und Bauteil-Test-Cases an realistischen Geometrien und Lastkollektiven zur Verifikation und zum Vergleich von Materialmodellen vor dem industriellen Einsatz.
Förderhinweis
