Fraunhofer-Institut für Werkstoffmechanik IWMStrahlprozesse wie Kugelstrahlen sind unverzichtbar für die Lebensdauer von Federn, Zahnrädern, Turbinenschaufeln und Schweißkonstruktionen – doch ihre Qualitätskontrolle basiert seit 80 Jahren auf dem simplem Almen-Test und bietet kaum Optimierungspotenzial. OptiPeen verknüpft erstmals die gesamte Prozesskette – von Maschinenparametern über Strahlmitteldynamik und Randschichtzustand bis zur Bauteillebensdauer – mittels physikalisch-informierter Machine-Learning-Verfahren. So können Strahlprozesse in Echtzeit optimiert werden: entweder zur Maximierung der Lebensdauer oder zur Minimierung des Energie- und Ressourceneinsatzes bei gleichbleibender Performance. Für die Industrie bedeutet das: bis zu 20 % weniger Energieverbrauch bei Strahlprozessen, bis zu 10 % Gewichtsreduktion bei Federprodukten und erstmals ein digitaler Zwilling gestrahlter Bauteile. Die Methodik ist branchenübergreifend einsetzbar – vom Getriebebau über die Federntechnik bis zur Luft- und Raumfahrt.
Optimierung des Energie- und Ressourceneinsatzes von gestrahlten Bauteilen durch physikalisch-informierte, maschinelle Lernverfahren
Laufendes Forschungsprojekt
Projektbeschreibung
Marktbedarf und Herausforderungen
In Deutschland werden jährlich ca. 35 Millionen Tonnen Stahl verarbeitet – ein Großteil der daraus gefertigten Bauteile (Federn, Zahnräder, Wellen, Turbinenschaufeln, Schweißkonstruktionen) wird standardmäßig Strahlbehandlungen unterzogen, um die Oberflächenrauheit für Korrosionsschutz zu erhöhen, Schmutz zu entfernen oder gezielt die Ermüdungsfestigkeit zu steigern. Bis zu 90 % aller Bauteilausfälle gehen auf Ermüdungsschäden zurück, wobei der Randschichtzustand die Lebensdauer maßgeblich beeinflusst. Trotz dieser enormen wirtschaftlichen Bedeutung hat sich die Qualitäts- und Prozesskontrolle von Strahlprozessen seit 80 Jahren kaum weiterentwickelt – sie basiert nach wie vor auf dem Almen-Test von 1944. Eine ganzheitliche Optimierung der Prozesskette (Maschinenparameter → Strahlmitteldynamik → Randschichtzustand → Bauteillebensdauer) existiert nicht. Die Folge: erhebliche Energieverschwendung durch Überbehandlung, unnötiger Materialverbrauch durch konservative Auslegung und fehlende Möglichkeiten zur zustandsbasierten Überwachung. Allein die Druckluft für Strahlprozesse verbraucht pro Anlage bis zu 141.000 m³ jährlich; gleichzeitig könnten optimierte Prozesse den CO₂-Ausstoß der deutschen Federnindustrie um über 42.000 Tonnen pro Jahr reduzieren.
Lösungsansatz des Projekts
OptiPeen entwickelt eine datengetriebene Methodik, die erstmals alle Glieder der Prozesskette gestrahlter Bauteile mittels Machine Learning verknüpft. Der Ansatz verbindet drei Säulen: (1) Eine systematische experimentelle Datenbasis mit ca. 250 Parametersätzen an vier hochfesten Stählen, (2) physikalisch-informierte numerische Simulationen (CFD für Strahlmitteldynamik, FEM für Randschichtzustand, Bruchmechanik für Lebensdauer), die die Datenbasis anreichern und physikalische Konsistenz sicherstellen, und (3) automatisierte maschinelle Lernverfahren, die sowohl Prognosen (Forward-Ansatz: Stralhlparameter → Lebensdauer) als auch Optimierungen (Reverse-Ansatz: gewünschte Lebensdauer → optimale Strahlparameter) ermöglichen. Ein Demonstrator-Softwaretool und ein Online-Monitoring-System mittels Hochgeschwindigkeitskamera-basierter Korngeschwindigkeitsmessung werden entwickelt.
Beitrag zur Bewältigung der Herausforderungen
Das Projekt ermöglicht erstmals eine quantitative Abwägung zwischen strahltechnisch erzieltem Nutzen und Energie-/Ressourcenaufwand. Kurzfristig können Strahlintensitäten um über 20 % reduziert werden (Energieeinsparpotential ca. 35.000 kWh/Jahr pro Strahlanlage). Mittelfristig ermöglicht die ML-basierte Lebensdauervorhersage eine Gewichtsreduktion gestrahlter Bauteile um durchschnittlich 10 % bei gleichbleibender Lebensdauer – allein in der Federnindustrie eine CO₂-Einsparpotential von 42.000 t/Jahr. Langfristig eröffnet der digitale Zwilling gestrahlter Bauteile Wege zur zirkulären Wirtschaft: Wiederverwendung, erneute Strahlbehandlung und zustandsbasierte Instandhaltung werden erstmals quantitativ planbar. Die Ergebnisse fließen in nationale und internationale Normen (DGM, VDFI, SAE) ein und stärken die Wettbewerbsfähigkeit der deutschen metallverarbeitenden Industrie.
Die Arbeitspakete des Fraunhofer IWM:
Das Fraunhofer IWM liefert die physikalische Modellierungsgrundlage des Projekts. Es schafft die werkstoffmechanisch fundierte Datenbasis und die bruchmechanischen Bewertungsmodelle, auf denen alle datengetriebenen Methoden des Projekts aufbauen – und gibt dem Machine-Learning-Ansatz damit die physikalische Verankerung, die für eine zuverlässige Übertragung auf neue Werkstoffe und Prozessbedingungen unverzichtbar ist.
Numerische Vorhersage des Randschichtzustands nach Strahlprozessen
Das Fraunhofer IWM erstellt eine physikalisch konsistente, synthetische Datenbasis aus 300–400 automatisierten Simulationen des Kugelaufprallprozesses – für alle vier untersuchten Stähle (54SiCr6, 51CrV4, 16MnCr5, 18CrNiMo7-6). Das Ergebnis sind vollständige, numerisch bestimmte Randschichtzustände (Eigenspannungstiefenprofile, Härteverteilung, Rauheit), die experimentelle Messungen gezielt ergänzen und den ML-Algorithmen des Projekts als belastbare Trainingsdaten zur Verfügung stehen.
Physikbasiertes Lebensdauermodell als „Physics-Informed"-Grundlage für ML
Das Fraunhofer IWM entwickelt ein kalibriertes bruchmechanisches Lebensdauermodell, das den numerisch ermittelten Randschichtzustand direkt mit der Bauteillebensdauer verknüpft. Dieses Modell – implementiert in der Fraunhofer IWM-eigenen Software VERB – liefert quantitative Lebensdauerprognosen für Parameterkombinationen, die experimentell nicht zugänglich sind, und bildet damit das physikalische Rückgrat der ML-Modelle in AP7.
Bauteilbezogene Auslegung und Anwenderleitfaden
Das Fraunhofer IWM überträgt die entwickelte Simulationsmethodik auf industriell relevante Bauteilgeometrien (Zahnräder, Federn, Parabellenker) und erarbeitet einen praxistauglichen Anwenderleitfaden, der die Projektergebnisse für die industrielle Nutzung erschließt.
Auf der Grundlage der Projektergebnisse kann das Fraunhofer IWM Industrieunternehmen folgende Forschungs- und Entwicklungsleistungen anbieten:
1. Numerische Vorhersage von Randschichtzuständen nach Strahlprozessen
Das Fraunhofer IWM bestimmt den resultierenden Randschichtzustand – Eigenspannungstiefenprofile, Härteverteilung und Oberflächenrauheit – für kundenspezifische Werkstoffe und Strahlparameter auf Basis validierter FE-Simulation.
2. Bruchmechanische Lebensdauerprognose gestrahlter Bauteile
Das Fraunhofer IWM erstellt für kundenspezifische Bauteilgeometrien und Belastungsszenarien quantitative Lebensdauerprognosen unter expliziter Berücksichtigung des realen Randschichtzustands – implementiert in der bewährten Fraunhofer IWM-eigenen Software VERB.
3. Physikalisch konsistente Trainingsdatengenerierung für ML-Modelle
Das Fraunhofer IWM erzeugt mittels automatisierter FE-Simulation synthetische, physikalisch konsistente Datensätze für kundenspezifische Werkstoffe und Prozessbedingungen – als belastbare Trainingsbasis für Machine-Learning-Modelle zur Prozessoptimierung.
4. Werkstoffcharakterisierung gestrahlter Randschichten mittels Mikroprobentechnik
Das Fraunhofer IWM ermittelt das zyklische Verformungsverhalten direkt an der gestrahlten Randschicht mittels Mikrozug-Druck-Versuchen – und liefert damit Werkstoffdaten, die den tatsächlichen lokalen Verfestigungszustand präzise abbilden.
5. Optimierung von Strahlintensitäten zur Vermeidung von Über- und Unterbehandlung
Das Fraunhofer IWM bestimmt auf Basis der validierten Simulationskette das energetische Optimum der Strahlbehandlung für kundenspezifische Bauteile – den Punkt maximaler Lebensdauer bei minimalem Energieeinsatz.
6. Lebensdauerbewertung von Strahlprozessen bei Bauteilen mit komplexem Ausgangszustand
Das Fraunhofer IWM quantifiziert die Wechselwirkung zwischen Strahlbehandlung und vorhandenem Randschichtzustand für geschweißte, einsatzgehärtete oder anderweitig vorbehandelte Bauteile.
7. Integration von Strahlprozessdaten in digitale Zwillinge und Remanufacturing-Konzepte
Das Fraunhofer IWM unterstützt Unternehmen dabei, simulationsbasierte Randschichtdaten in digitale Zwillinge einzubinden und daraus zustandsbasierte Instandhaltungs- und Wiederaufbereitungsstrategien abzuleiten.
