Reibung und Verschleiß führen in der Industrie zu erheblichen wirtschaftlichen Verlusten. Die Komplexität technischer Anlagen erschwert es, Schäden präzise vorherzusagen. Dr. Stefanie Hanke, neue Professorin für Werkstofftechnik an der Fakultät für Ingenieurwissenschaften der Universität Duisburg-Essen, entwickelt eine KI-basierte Methode, um Materialverschleiß besser vorherzusagen.
In einer Studie über Werkstoffverschleiß untersucht sie, wie Abnutzungsmerkmale klassifiziert werden können. Dabei nutzt sie unter anderem Künstliche Intelligenz (KI), da traditionelle Modellierungsansätze an ihre Grenzen stoßen. Zunächst werden Daten über die Kräfte, die auf die Teile wirken, gesammelt und anschließend die Oberflächenbeschädigungen unter dem Elektronenmikroskop analysiert. Am Ende wird ein KI-Modell mit diesen Daten trainiert, um vorhersagen zu können, wie die Beziehung zwischen Kräften und Verschleiß aussieht. Gefördert wird das Projekt durch die Deutsche Forschungsgemeinschaft (DFG).
Im Kooperationsprojekt „LaufFGL – Laserauftragsschweißen von Funktionsschichten aus Formgedächtnislegierungen“ soll z. B. eine Schraubverbindung entwickelt werden, die durch veränderte Temperaturen nicht locker wird und damit etwa in Flugzeugen für mehr Sicherheit sorgt. Kleine, aufgeschweißte Punkte aus einer intelligenten Metalllegierung, die selbstständig auf Temperaturänderungen reagieren, sollen dies ermöglichen. Finanziert wird das Projekt durch die Europäische Union und das Land Nordrhein-Westfalen.
