Kassel Algorithmus
Foto: Paavo Blafield
Forschende am Fachgebiet Metallische Werkstoffe bei den Vorbereitungen einer Röntgenstrukturanalyse.

Prozesse / Technologie

KI unterstützt Analyse metallischer Werkstoffe

Ein neu entwickelter Algorithmus unterstützt Forschende bei der Analyse metallischer Werkstoffe und ist dreimal schneller als die herkömmliche Methode.

Bisher ist die Analyse kristalliner Mikrostrukturen in metallischen Werkstoffen technisch herausfordernd und besonders zeitaufwändig. Forschende aus Werkstofftechnik und Informatik haben hierfür jetzt einen Algorithmus entwickelt und in der Fachzeitschrift „Scientific Reports“ veröffentlicht: Aus nur wenigen Messdaten einer Röntgenstrukturanalyse rekonstruiert er die Ausrichtung der Kristallstrukturen im Werkstoff vollständig und genau. 

Röntgenanalysen sind aufwändig

Für die Eigenschaften metallischer Werkstoffe ist die innere Struktur aus kristallinen Einzelbereichen, sogenannten „Körnern“, entscheidend. Ihre Anordnung beeinflusst maßgeblich die Festigkeit und das Verhalten beim Verformen der Metalle. Sogenannte Formgedächtnislegierungen zum Beispiel verändern ihre Form durch temperaturbedingte Änderungen des inneren Kristallaufbaus. „Eine geeignete Mikrostruktur in diesen speziellen Werkstoffen zu schaffen ist eine große technische Herausforderung. Das im Detail mithilfe von Röntgenanalysen zu überprüfen ist besonders aufwändig“, erklärt Prof. Dr.-Ing. Thomas Niendorf, Leiter des Fachgebiets Metallische Werkstoffe.

Hierfür nutzen die Forschenden häufig die Methoden der Röntgendiffraktometrie. Dabei richten sie einen gebündelten Röntgenstrahl auf die Werkstoffproben. An dessen Kristallgitter wird der Strahl abgelenkt – physikalisch betrachtet gebeugt. Ein Detektor empfängt die gebeugten Röntgenstrahlen und eine Software stellt ihre Intensität in einer sogenannten Polfigur dar. Sie drehen und kippen die Werkstoffprobe, bis aus den Messdaten eine Polfigur entsteht. Diese Messreihen dauern oft mehrere Tage lang an. Anhand der Polfiguren können die Forschenden rechnerisch ermitteln, in welcher Anordnung und Ausrichtung sich die Kristalle im Metall befinden.

Algorithmus ist dreimal schneller

„Mit unserem speziell entwickelten Algorithmus sind wir drei Mal schneller“, berichtet David Meier, Informationswissenschaftler vom Helmholtz-Zentrum Berlin und dem Fachgebiet Intelligente Eingebettete Systeme der Universität Kassel (Leitung: Prof. Bernhard Sick). „Mit maschinellem Lernen ist er so trainiert, dass er aus nur einem kleinen Ausschnitt der realen Messdaten von wenigen Stunden eine vollständige Rekonstruktion der Polfigur erstellt. Sie unterscheidet sich nur minimal vom Original.“ Dafür erstellte Meier gemeinsam mit den Werkstofftechnikern Polfiguren von zufälligen Anordnungen von Körnern im Metall mit einer Simulation. An diesen simulierten Abbildern erlernt eine individuell angepasste Deep-Learning-Architektur, aus einem Ausschnitt die vollständige Polfigur zu erzeugen. Dieses „Rekonstruktionsnetzwerk“ kann zu einem kleinen Ausschnitt einer real gemessenen Polfigur die übrigen Bereiche rekonstruieren. Der anschließende Vergleich von Rekonstruktion und realen, vollständigen Messergebnissen der Probe zeigt: Das Rekonstruktionsnetzwerk kann mit ausreichender Genauigkeit für das angewandte Beispiel die Probe analysieren. Aber: Um statistisch zu beweisen, dass die entwickelte Methode in anderen realen Szenarien funktioniert, muss sie in Folgestudien mit weiteren Proben aus unterschiedlichen Materialien evaluiert werden, so David Meier.

Moderne Messtechnik „meets“ künstliche Intelligenz 

Die Forschenden im Fachgebiet Metallische Werkstoffe sind von der Zusammenarbeit mit der Informatik begeistert: „Für die Analyse der Mikro-Kristallstruktur benötigen wir nur noch wenige Stunden und können sogar Bereiche sicher rekonstruieren, an die wir technisch mit unserem experimentellen Aufbau gar nicht herangekommen wären“, so Dr.-Ing. Alexander Liehr, Leiter der Arbeitsgruppe Röntgenfeinstrukturanalyse. Auch in Zukunft könne die Kombination aus moderner Messtechnik und künstlicher Intelligenz die Forschung und Entwicklung hochleistungsfähiger und langlebiger Werkstoffe unterstützen.

Sortieranlagen von Metallschrott
Foto: Steinert

Prozesse / Technologie

Metales Bolueta auf Wachstumskurs mit Steinert-Sortiertechnik

Hohe Aluminiumreinheit durch den Einsatz modernster Sortieranlagen

Sägeanlage von IMA Schelling
Foto: IMA Schelling

Aluminiumbleche

Sägeanlage mit Sonderausstattung – Zuschneiden auf höchstem Niveau

Winkelanlage mit Längs- und Quersäge von IMA Schelling ermöglicht Zuschnitte mit hoher Flexibilität 

Aluminiumschrott auf Förderband
Foto: Steinert

Prozesse / Technologie

Brasiliens größter Alu-Recycler setzt auf Steinert-Sortieranlagen

Breites Spektrum an Separationstechnologien optimiert den Ertrag

Ein Steinert MOR erzeugt werthaltigen Eisenschrott, im Anschluss gewinnt der Wirbelstromscheider NE-Metalle zurück.
Foto: Steinert

Prozesse / Technologie

Metales Bolueta auf Wachstumskurs mit Steinert-Sortiertechnik

Mit modernen Sortieranlagen gelingt es, eine extrem hohe Reinheit von Aluminium aus Recycling zu erlangen und die Produktqualität zu steigern.