Materialinformatik

© iStock

Die Materialinformatik umfasst die Erforschung, Entwicklung und Anwendung von Informationen über Materialeigenschaften, sowohl physikalische Daten als auch theoretische und empirische Modelle und Software-Tools zur Abfrage und Auswertung dieser Datenbanken.

Die Materialinformatik-Spezialisten am Fraunhofer IWM wenden Methoden aus der Informatik auf materialwissenschaftliche Fragestellungen an.  Dabei entwickelt das Team »Softwarelösungen für die Materialinformatik« generische Tools und Methoden für die Materialwissenschaft, die anschließend vom Team »Angewandte Materialinformatik« auf reale materialwissenschaftliche Fragestellungen angewendet und gegebenenfalls angepasst werden.

Innovationen im Bereich der Materialwissenschaft und Fertigungstechnik können durch moderne Simulationsmethoden und fortschrittliche Experimente ideal unterstützt werden. Die damit verbundenen Versuchs-, Modell- und Simulationsdaten nehmen einen immer größeren Umfang ein und es verbergen sich wahre Schätze in dieser heterogenen Datenwelt. Um diese Schätze zu heben bzw. weitere Daten in einfacher Weise zu integrieren, arbeiten wir an innovativen Ansätzen aus der Informatik. Ein Ziel ist dabei die nahtlose Integration von Daten, Modellen und Simulationstools. Dies gelingt unter anderem mit semantischen Methoden, bei denen Metainformationen mit Hilfe von Ontologien für den Computer leichter verarbeitbar gemacht werden und auch für den menschlichen Nutzer die Datentransparenz erhöht wird. 

nach oben

Aktuelle Forschungsthemen

 

  • Ontologie: Ein wichtiger Bestandteil unserer Forschungstätigkeit ist die Entwicklung von Ontologien für verschiedene Domänen: Werkstoffentwicklung und -repräsentation inkl. ihrer Mikrostruktur und Aggregatzustände (fest, flüssig und gasförmig), verschiedene Fertigungsverfahren wie z.B. Umformen, Zerspanen oder pulvertechnologische Prozesse sowie das Bauteilverhalten in unterschiedlichen Einsatzszenarien. In diesem Kontext arbeiten wir auch an der Weiterentwicklung der European Materials Modelling Ontology (EMMO).
  • Interoperabilität: Für ein effizientes Ineinandergreifen von verschiedenen Systemen (z.B. Simulationssoftware, Datenbanken, Datenräume) ist die Interoperabilität von größter Bedeutung. Durch Einführen einer semantischen Ebene mittels unserer Open Simulation Platform (OSP)/SimPhoNy Technologie ist dies möglich.
  • Datenraum: Wir arbeiten an Datenräumen, um heterogene Daten von Werkstoffen, Prozessen und Bauteilen bis hin zum Lebenszyklus digital zu repräsentieren. Die damit verbundenen Wissensgraphen werden auf der Basis eines Data Space Management System (DSMS) verwaltet und bieten Möglichkeiten zur Datenanalyse.
  • Digitaler Zwilling: Semantische Methoden strukturieren und bereichern Daten aus Versuch, Simulation und Produktion zu einem interoperablen digitalen Wissenszwilling und erleichtern die Realisierung von datenreduzierten oder datenangereicherten Varianten.
  • Maschinelles Lernen: Künstliche Intelligenz (KI) und maschinelles Lernen (ML) ermöglicht es uns neue Zusammenhänge in den Daten zu entdecken oder datengetriebene Modelle realisieren. Des Weiteren setzen wir maschinelles Lernen zur Substitution von Simulationsmodellen ein: Beispielsweise in Form von Surrogatmodellen, bei denen Simulationsdaten zum Trainieren von Modellen des maschinellen Lernens herangezogen werden und somit Optimierer auf schnelle ML-Modelle zugreifen. 

nach oben 

Ausgewählte Projektbeispiele und Anwendungen

 

  • MarketPlace (EU) - Materials Modelling Marketplace for Increased Industrial Innovation
  • Oyster (EU) - Open characterisation and modelling environment; Open Innovation Environment (OIE)
  • NanoMECommons (EU) - Harmonisation of EU-wide nanomechanics protocols and relevant data exchange procedures
  • Apache (EU) - Active & intelligent Packaging materials and display cases as a tool for preventive conservation of Cultural Heritage
  • ReaxPro (EU) - Software Platform for Multiscale Modelling of Reactive Materials and Processes
  • SimDome (EU) - Digital Ontology-based Modelling Environment for Simulation of materials
  • Intersect (EU) - Interoperable Material-to-Device simulation box for disruptive electronics
  • STREAM (BMBF) - Semantische Repräsentation, Vernetzung und Kuratierung von qualitätsgesicherten Materialdaten.
  • EOSC-Pillar (EU) - EOSC-Pillar aims to coordinate national Open Science efforts across Austria, Belgium, France, Germany and Italy, and ensure their contribution and readiness for the implementation of the European Open Science Cloud (EOSC)
  • FORCE (EU) - Formulations and Computational Engineering
  • OntoTrans (EU) - Provides an ontology-based Open Translation Environment
  • OntoCommons (EU) - Ontology-driven data-documentation for industry commons
  • StahlDigital (BMBF) - Ontologie-basierte interoperable Workflows zur Entwicklung und Optimierung von Stahlwerkstoffen für den Bauteileinsatz
  • KupferDigital (BMBF) - Datenökosystem für die digitale Materialentwicklung auf Basis Ontologie-basierter digitaler Repräsentationen von Kupfer und Kupferlegierungen zur Steigerung der Performance, Sicherung der Nachhaltigkeit und Optimierung des Materiallebenszyklus
  • SimPhoNy and Open Simulation Platform - SimPhoNy is an ontology-based open-source Python framework that promotes and enables interoperability between any 3rd-party software tool
  • UrWerk (Fraunhofer MAVO) - Unternehmensspezifische Werkstoff(system)datenräume zur beschleunigten Produktentwicklung

nach oben

Leistungsangebot im Bereich der Materialinformatik

 

  • Entwicklung von Domänenontologien und deren Einbettung in übergeordnete Ontologien (z.B. EMMO, BFO). Berücksichtigung systematischer Ansätze zur Transformation von Domänenwissen in Vokabular und Glossar, um daraus über die Taxonomie nachhaltig nutzbare Ontologien zu formulieren.
  • Interoperabilität ist unser Thema: Entwicklung und Anpassung von Softwarelösungen für interoperable Workflows in Bezug auf Datenaustausch, Versuchs- und Simulationsworkflows sowie die Vernetzung von Experiment und Simulation.
  • Konfiguration und Weiterentwicklung von Datenräumen für Werkstoff-, Prozess- und Bauteildaten und Entwicklung von Tools zum automatisierten Datenupload
  • Konzeption und Realisierung von digitalen Repräsentationen (Digitaler Zwilling) von Werkstoff, Prozess und Bauteil
  • Anwendung des maschinellen Lernens 

nach oben