Gemeinsam Forschen: Studierende der Rheinisch-Westfälischen Technischen Hochschule nutzen KI zur Materialanalyse!

Bochum, Deutschland - Die Student Research Group Material Informatics am Institut für Werkstoffe der Ruhr-Universität Bochum erweist sich als ein fruchtbarer Boden für innovative Forschungsprojekte. Claas Hardt, Masterstudent im Umweltingenieurwesen, und Karina Kaidarova, Bachelorstudentin im Sales Engineering and Product Management, arbeiten an einem faszinierenden Vorhaben, das fortschrittliche Materialien und künstliche Intelligenz (KI) miteinander verbindet. Die Gruppe wird von Dr. Santiago Benito geleitet und fokussiert sich auf verschiedene Forschungsgebiete, darunter die Klassifizierung von Mikrostrukturen von Metallpulverpartikeln.

Kaidarova, die ihre Bachelorarbeit auf den Ergebnissen von Hardts Frühwerk aufbaut, nutzt ein von ihm entwickeltes KI-Programm, das zur autonomen Klassifizierung von Bildern von Pulverquerschnitten dient. Durch die Anwendung dieser Technologie auf andere Werkstoffe aus unterschiedlichen Familien profitieren die Studierenden von einem umfassenden Austausch und der Möglichkeit, gemeinsam wissenschaftliche Artikel zu veröffentlichen. Kaidarova ist besonders dankbar, dass sie nicht bei null anfangen musste, während Hardt plant, auch in seiner Masterarbeit weiter an diesem Thema zu arbeiten.

Interdisziplinäre Ansätze und moderne Techniken

Die Gruppe „Advanced Microstructure Characterization“ konzentriert sich auf die quantitative Beschreibung des dreidimensionalen Werkstoffgefüges. Diese interdisziplinäre Zusammenarbeit zwischen Materialwissenschaft und Informatik ist entscheidend, um innovative Methoden für die Bildverarbeitung und Gefügeklassifizierung zu entwickeln. Aktuelle Forschungsprojekte thematisieren Mehrphasenstähle, Aluminium-Gusslegierungen und Materialien für elektrische Anwendungen, was zeigt, wie wichtig das Verständnis und die Steuerung der gefügebildenden Prozesse für spezifische Materialeigenschaften sind.

Umfassende Analysen des Werkstoffgefüges sind entscheidend: Sie helfen, die gesamte Herstellungsgeschichte des Materials zu speichern und Rückschlüsse auf die effektiven Werkstoffeigenschaften zu ziehen. Dabei kommen sowohl klassische 2D-Verfahren als auch moderne tomographische Methoden zum Einsatz. Techniken wie Atomsondentomographie und Laser-Scanning-Mikroskopie werden kombiniert, um exakte Gefügebeschreibungen zu erreichen. Die Entwicklung neuer Machine-Learning-Verfahren ist ein weiterer Schritt in der Datenverarbeitung, der die Klassifizierung von Werkstoffgefügen objektivieren und erleichtern soll.

Die Rolle der KI in der Materialwissenschaft

Künstliche Intelligenz nimmt in der modernen Materialwissenschaft eine zentrale Rolle ein. Sie verbessert die Materialentdeckung, das Design, die Prüfung und die Analyse, was zu Innovation und Effizienz in der Forschung führt. Die Integration von KI-Methoden hat die Entdeckungszeiten signifikant verkürzt – teilweise um bis zu 70 % – und die Vorhersagen wurden mit einer Genauigkeit von über 90 % optimiert, was enorme Kosteneinsparungen mit sich bringt.

Die Fortschritte in der KI-Technologie seit den 1980er Jahren haben dazu geführt, dass Materialwissenschaftler heute auf computergestützte Verfahren zurückgreifen können, um neue Materialien zu entdecken und deren Eigenschaften präzise vorherzusagen. Ein bemerkenswertes Beispiel sind Hochentropielegierungen, deren Zusammensetzung durch KI-gestützte Analysen deutlich schneller identifiziert werden kann.

Kaidarova plant, ihre Forschungsarbeiten im Bereich Werkstoffe und KI nach Abschluss ihrer Bachelorarbeit fortzusetzen, und sieht große Potenziale in der weiteren Erforschung dieser innovativen Technologien. Das enge Netzwerk innerhalb der Fakultät für Maschinenbau spielt eine bedeutende Rolle bei der Unterstützung dieser ambitionierten Projekte und fördert den interdisziplinären Austausch zwischen Studierenden und Forschungseinrichtungen.