Auf Basis von MaterialsCommons kann das Fraunhofer IWM Unternehmen künftig folgende neue Leistungen für Forschung und Entwicklung anbieten:
Automatische Aufbereitung von Messdaten zu strukturierten, wiederverwendbaren Datensätzen (FAIR-konform)
Softwarelösungen, die aus Rohmessdaten, wie mechanischen Prüfungen oder Mikrostrukturanalysen, automatisch strukturierte, maschinenlesbare und standardkonforme Datensätze erzeugen.
Ihr Nutzen:
- Drastische Reduktion des manuellen Aufwands für Datendokumentation und -aufbereitung
- Sofortige Nutzbarkeit der erzeugten Daten für KI-Analysen und unternehmensübergreifende Kooperationen
- Belastbare Datenbasis für Zulassungsverfahren, Normkonformität und digitale Zwillinge
Zielgruppe: Prüflabore, Werkstoffhersteller, FuE-Abteilungen in der Prozess- und Fertigungsindustrie
Materialdaten entlang der Lieferkette vernetzen und nutzbar machen
Das Fraunhofer IWM unterstützt Unternehmen dabei, ihre Materialdaten so zu strukturieren und zu standardisieren, dass sie entlang der gesamten Lieferkette (intern wie in gemeinsamen Datenräumen mit Partnern) automatisch ausgetauscht und genutzt werden können, ohne aufwändige Schnittstellenentwicklung.
Ihr Nutzen:
- Automatisierter Materialdatenaustausch entlang der gesamten Lieferkette, von der Rohstoffverarbeitung bis zum Endprodukt
- Verkürzte Abstimmungsprozesse durch standardisierte, maschinenlesbare Datenformate
- Datengetriebene Optimierung über Unternehmensgrenzen hinweg ohne zusätzlichen Integrationsaufwand
Zielgruppe: Fertigungsunternehmen, Zulieferer, Unternehmen in Datenraum-Initiativen wie Catena-X oder GAIA-X
Digitale Produktpässe für Werkstoffe, EU-konform und nahtlos in industrielle Ökosysteme integrieren
Erstellung und Implementierung digitaler Materialpass-Lösungen, die konform mit der EU-Ökodesign-Verordnung (ESPR) sind und auf Basis der Asset Administration Shell (AAS, Industrie-4.0-Standardschnittstelle) nahtlos in industrielle Datenökosysteme integriert werden können.
Ihr Nutzen:
- Effiziente Erfüllung regulatorischer Anforderungen der EU-Ökodesign-Verordnung ohne Eigenentwicklung
- Transparenz über Nachhaltigkeits- und Kreislauffähigkeitskennzahlen der eigenen Produkte
- Zukunftssichere Dateninfrastruktur für kommende Berichtspflichten und Zulassungsanforderungen
Zielgruppe: Produkthersteller, OEMs, Unternehmen mit Nachhaltigkeits- und Compliance-Anforderungen
KI-Vorhersage von Werkstoffeigenschaften auf verteilten Daten, IP-sicher ohne Weitergabe vertraulicher Produktionsinformationen
Präzise KI-Vorhersagen von Werkstoffeigenschaften in Bauteilen und Produkten erfordern Daten aus verschiedenen Unternehmen entlang der Lieferkette. Föderiertes maschinelles Lernen löst dieses Problem und ermöglicht leistungsfähige Vorhersagemodelle, ohne dass Produktions- oder Rezepturdaten das eigene Unternehmen verlassen.
Ihr Nutzen:
- KI-gestützte Eigenschaftsvorhersage ohne Offenlegung vertraulicher und sensibler Produktions- oder Rezepturdaten
- Reduktion des experimentellen Aufwands bei der Werkstoffqualifizierung
- Schnellere Markteinführung neuer Werkstoffe und Legierungen durch datengestützte Entwicklung
Zielgruppe: Werkstoffhersteller, Legierungsentwickler, Unternehmen mit vertraulichen Produktionsdaten