Im täglichen Arbeits- und Privatleben nutzen wir die KI bereits mit mehr oder wenig hoher Zufriedenheit. Prof. Dr. Markus Hölzle /1/ stellte zu Beginn der Vortragsreihe zunächst die Definition vor: Künstliche Intelligenz ist die Fähigkeit von Computern, Aufgaben zu erledigen, die normalerweise menschliche Intelligenz erfordern. Hinter KI (KI=AI – artificial intelligence) als Oberbegriff verbergen sich immer tiefer gehende Aufgaben, die Maschinen erledigen können (siehe Abb. 1) /1,2/. Diese Methoden finden breite Anwendung in der Wissenschaft.

Abb. 1: Definition von Künstlicher Intelligenz /1/

Am ZSW wird KI mit Daten für unterschiedliche Anwendungen geschult. In der Batterie- und Brennstoffzellentechnik sind die Anforderungen im Laufe der Zeit für eine klimafreundlichere Zukunft rasant gestiegen. Die Zuverlässigkeit der Brennstoffzellen muss erhöht werden. Simulationen von Fahrzyklen werden mit Echtdaten in digitalen Zwillingen ausgewertet. Auf diese Weise werden die Systeme trainiert und Fehler im Vorfeld erkannt und abgestellt. In der Windkraft kommt die KI für den Vogelschutz zum Einsatz. Auf der schwäbischen Alb ist der Rotmilan, eine geschützte Vogelart, beheimatet. Um ihn vor dem sicheren Tod zu bewahren, wird mit einer aufwändigen Kameratechnik alles im umgebenden Luftraum fotografiert. Die KI wird geschult, Vögel von Drohnen und anderen Flugobjekten zu unterscheiden. Durch weitere Erkennungsmerkmale wird der Rotmilan auf 700 Meter Entfernung erkannt und das Windrad rechtzeitig heruntergefahren. 

Prof. Dr. Frank Mücklich /2/ berichtete aus der Material- und Gefüge Forschung. Die High-Tech-Agenda Deutschlands baut auf sechs Schlüsseltechnologien auf: Künstliche Intelligenz, Quantentechnologie, Mikroelektronik, Biotechnologie, Energietechnik und Nanotechnologie (siehe Abb. 2). Basierend auf den zur Verfügung stehenden Rohstoffen, den Elementen, werden die Hochleistungswerkstoffe für die Innovationskraft der Industrie in Deutschland als Verbindungen oder Gefüge gebildet, welche die Eigenschaften des Werkstoffs bestimmen. Zur Grundlage der Gefügeforschung gehört die Erkenntnis, dass im Gefüge die Prozessgeschichte gespeichert ist. Aufgrund steigender Anforderungen an die Werkstoffe „stoßen subjektive Expertenerfahrungen auf objektive Gefügepräzision“ /2/. Zum Beispiel werden in der Stahlproduktion inzwischen maßgeschneiderte Gefüge mit immer engeren Toleranzen verlangt werden. Mit KI wurde ein Weg gefunden dieser Herausforderung zu begegnen. REM-Aufnahmen reiner Gefüge werden von geschulten Augen nachgezeichnet. Durch den Vergleich vieler verschiedener REM-Aufnahmen mit den Aufnahmen reiner Gefüge kann die KI Gefüge und Gefügereinheiten erkennen. Mit einer Technik, die zunächst für die Qualitätskontrolle gedacht war, können aus den gelernten Daten gezielt Gefüge generiert werden. 

Sein Fazit: Die KI ermöglicht Gefügeanalysen in vorher nicht erreichbarer Geschwindigkeit, Qualität und Zuverlässigkeit. Die Daten aus der Gefügeanalyse ihrerseits beschleunigen Forschung und Entwicklung bis hin zu Gefüge basiertem Werkstoffdesign. 

Abb. 2: High-Tech-Agenda Deutschland; Deutsche Industrieprodukte sind weltweit erfolgreich durch maßgeschneiderte Hochleistungswerkstoffe. /2/

Kontur- und Formerkennung werden in der Qualitätskontrolle genutzt, wie es Dr. Kerstin Thiemann /3/ am Beispiel von Massenprodukten darstellte. Bei der Produktion von Massenartikeln, in einer Geschwindigkeit von mehreren Teilen pro Sekunde, ist der Automatisierungsgrad bisher gering. Mit einer KI-gestützten Methode, bei der die Teile im freien Fall durch eine, mit mehreren Kameras ausgerüstete Kugel fallen, kann eine 100-prozentige Kontrolle durchgeführt werden. Ein digitaler Zwilling wird mit den CAD-Daten und den Oberflächeneigenschaften von Gutteilen geschult. Das System sortiert im Vergleich der gemessenen Daten mit den Sollwerten Fehler in Kontur, Abmessung, sowie Oberflächenfehler auch an komplizierten Geometrien aus. Auf diese Weise werden Zeiten und Kosten für die Qualitätskontrolle gesenkt. 

Aus der Entwicklung der Elektromobilität stellte Uwe Hauck /4/ die stetig steigenden Anforderungen an Ausstattung und Funktionsweise von E-Autos vor. Eine wichtige Herausforderung ist die Zuverlässigkeit der Bordnetze, die durch zu viele Komponenten und Verdrahtungen Störungen unterliegen. Das E-Auto der Zukunft verfügt über einen Hochleistungscomputer, wodurch die Zahl der elektronischen Steuereinheiten, je nach Ausstattung und Bauart, um 40 bis 60 Prozent reduziert werden, bei gleichzeitiger Verringerung von Länge und Gewicht der Verkabelung. Die nächste Herausforderung stellt das Schnellladen der Batterien dar. Die dabei enorme Hitzeentwicklung muss kompensiert werden. Dies kann durch einen größeren Kabelquerschnitt oder alternativ durch ein sinnvolles aktives Kühlsystem erreicht werden. Um diese anspruchsvollen Aufgaben zu lösen, bedient sich TE ebenfalls des digitalen Zwillings. Die trainierte KI nutzt die Daten und berechnet die Fahrzeugarchitektur nach Ausstattungsvorgaben zuverlässig innerhalb kurzer Zeit. Überdimensionierung komplexer Anforderungen werden vermieden, Zeit und Material eingespart.

Nach diesen umfassenden Einführungen in die wissenschaftliche und industrielle Nutzung von KI warf Dr. Elke Spahn /5/ einen Blick in die Zukunft der Beschichtungsindustrie aus dem Blickwinkel von „Analytik – ein Schlüsselwort“. Als Teil unserer Welt ist auch die galvanotechnische Branche einem Wandel unterworfen. Kostendruck, Energiepreise, Rohstoffqualität, -beschaffung und -verfügbarkeit sowie steigende Qualitätsansprüche an die Oberflächen sind die Herausforderungen. Es geht um Effizienz, die allein mit der chemischen Analyse nicht mehr erreicht werden kann. Es muss der gesamte Prozess betrachtet werden, eine mehrdimensionale Analytik ist gefragt, in der Chemie, Energie, Zeit und Daten der Anlage betrachtet werden. Am Ende steht „Steuern statt Reagieren“ durch Automatisierung und Standardisierung. Mit Hilfe der KI sind stabilere Prozesse, weniger Ausschuss, geringerer Chemikalienverbrauch der Gewinn. Jedoch ist die KI nur so gut, wie ihr Anwender, da sie keine Erfahrung hat und keine Verantwortung übernimmt. Ihr fehlen Intuition und Empathie.

Fabian Herbst /7/ brachte es auf den Punkt. In galvanischen Betrieben ist die Digitalisierung zum Teil weit fortgeschritten. Das in den Unternehmen vorhandene Wissen schlummert in ungenutzten großen Mengen an Prozess- und Qualitätsdaten in den Datenspeichern. Es verteilt sich unstrukturiert, ist schwer zugänglich und aufgrund fehlenden Prozessverständnisses nicht greifbar. Mit Hilfe der KI eröffnet sich ein Weg, wie der Prozessdaten-Berg zum smarten Prozesswissen wird. Mit transparenten Prozessen können der CO₂-Fußabdruck verringert, Energie eingespart und Abhängigkeit von externen Spezialisten reduziert werden. 

Dipl. Ing. Klaus Schmid /6/, erläuterte, warum große Datenmengen nicht zu einer besseren Produktivität führen: „Je spezifischer das digitale Abbild der Fabrik ausgearbeitet ist, desto größer ist der Nutzen für Planung, Steuerung und Optimierung der Produktion.“ Hier hilft das Konzept des sogenannten Soft-Sensors. In der Regel können nicht alle Inhaltsstoffe des Systems betriebsintern bestimmt werden. Durch die externe Analyse, die im Vergleich zur internen Analyse in größeren Abständen stattfindet, kommt es zu einer Wissenslücke. Auf Basis der Berechnung von Stoffbilanzen schließt der Soft Sensor diese Lücke. Oder durch Nutzung von ML, indem Eingabewerte und gemessene Zielwerte im Computer verarbeitet werden. Mit einer ausreichenden digitalen Infrastruktur und einer vorhandenen Datenbasis lässt sich die Prozessführung präzisieren – und das mit spürbaren Auswirkungen auf Qualität und Kosten. Abbildung 3 zeigt die Entwicklung von Automatisierung und Autonomisierung im Verlauf der Zeit. 

Abb. 3: Grad der Selbstständigkeit – Automatisierung -> Autonomisierung /6/

Unter dem Titel „Chancen der Digitalisierung in den Materialwissenschaften“ sprach Dr. Miriam Eisenbart /8/ die Themen Produktpass, Kreislaufwirtschaft, Recycling an. Aus unendlich vielen Forschungsvorhaben liegen in den Archiven der Institute und Universitäten Mengen ungenutzter Daten. Allein in der EU entsteht ein Verlust von 10,2 Milliarden Euro pro Jahr, die in Experimente und Forschungsvorhaben gesteckt werden, die längst durchgeführt wurden. Digitalisierung der vorhandenen Daten bedeutet nicht sie einzuscannen. Unter dem Oberbegriff Ontologie werden die gesammelten Daten Themengebieten zugeordnet, um die bestmögliche Darstellung und Strukturierung des vorhandenen Wissens zu erzielen /9/. Ergebnis einer Forschungsarbeit sind die Daten eines Kupferzyklus von der Gewinnung bis zum Recycling. Hieraus wird der Produktpass für Kupfer abgeleitet.

Im Zuge von Rohstoffknappheit und steigenden Rohstoffkosten wird das Thema Recycling von Werkstoffen und Ersatz von kritischen Rohstoffen durch weniger kritische und leichter zugängliche wichtiger denn je. Hinzu kommt, dass im Zuge des Green Deal bis Februar 2027 der erste Produktpass für Batterien erstellt werden soll. Eine Herausforderung für Entwicklung und Wirtschaft. 

Andrew Harris /10/ führte in das Recycling von Li-Ionen Batterien ein. Während bisher nur Abfälle aus Mikrozellen und Fehlproduktionen recycelt werden, wird in Zukunft mit einem Anstieg an Alt-Batterien gerechnet. Die Hauptelemente in Batterien sind Al, Cu, Li, Ni, Co, Mn und Graphit, wovon Li, Ni und Co zu den kritischen Materialien zählen. Nach den ersten Schritten, Zerlegen und Schreddern der Batterien werden aus der Schwarzmasse durch ein speziell entwickeltes Verfahren aus Hydrolyse, Laugung, Auswaschung und Vakuumtrocknung die Elemente zurückgewonnen. Der Graphitanteil unterstützt das Verfahren. Es werden mehr als 95 Prozent der Elemente Ni, Co, Mn, Cu und mehr als 80 Prozent des Li zurückgewonnen und für die erneute Verwendung bereitgestellt.

Andreas Klug /11/ beschrieb Chancen aber auch Stolperfallen beim Umgang mit Recycling von Edelmetallen. Fest steht: Recycling von Metallen geht bis jetzt nicht klimaneutral. Die Vorteile von Recycling liegen dennoch auf der Hand: Ressourcen werden geschützt und der Umwelt-Fußabdruck wird reduziert. Ohne eine klare Definition für recyceltes Edelmetall gilt es genau hinzuschauen, aus welchen Quellen die Materialien stammen. Einigkeit besteht, dass neben edelmetallhaltigen Industrie- oder Produktionsabfällen die Nebenströme aus Minenbetrieb zum Recycling gehören. Aber auch unverkaufter Schmuck oder Investmentbarren werden aufgearbeitet, um mit nachhaltigem Edelmetall zu werben. Die Goldnachfrage übersteigt deutlich das Angebot aus recyceltem Material, sodass zusätzlich 72 Prozent des Bedarfs aus Minen abgebaut werden muss. Dies wiederum sichert die Lebensgrundlage von mehr als 100 Millionen Menschen. Es ist unerlässlich, nachhaltigen Minenabbau zu unterstützen und zu fördern.

Wie an verbesserten Methoden gearbeitet wird, beschrieb Thomas Frey /12/. Die Abfälle aus Industrie und Produktion sind gemischt und beinhalten sowohl organische als auch anorganische Bestandteile. In der Metallfraktion liegen neben Edelmetallen Nichtedelmetalle vor, deren Anteil im Laufe der Jahre angestiegen ist. Die bisherigen Methoden – Veraschen, Schmelzen, Elektrolyse – sind energie- und CO₂-intensiv. Unter dem Überbegriff „Intelligente Trenn- und Sortiertechnologie“ werden die Abläufe geändert und so die Ag-Metallabfälle im wahrsten Sinne des Wortes veredelt. Die anfallenden gemischten Abfälle werden zerkleinert und geschreddert, in einer fest-flüssig Abscheidung getrennt und magnetische Materialien entnommen. Im Schwimm-Sink-Verfahren werden Kunststoffe von Metallen getrennt. Für die Metallfraktion folgt jetzt der Schmelz- und Raffinierprozess. Neben der CO₂-Einsparung von beinahe 60 Prozent werden die Kosten um 25 Prozent reduziert. Je nach Abfallart können höhere Einsparungen erzielt werden. 

Die besten Recycling-Techniken funktionieren nur so gut, wie die Stoffe und Produkte in die Wiederverwertungsanlagen zurückgeführt werden. Viele Produkte werden ins Ausland exportiert und auf diese Weise dem Kreislauf entzogen.

Quellen:

/1/ „KI-Herausforderungen für die Zukunft“, Prof. Dr. Markus Hölzle, Zentrum für Sonnenenergie- und Wasserstoff-Forschung Basden Württemberg (ZSW) Ulm

/2/ „Was ist denn besser in der mikrostrukturellen Qualitätskontrolle – menschliche oder künstliche Intelligenz?“, Prof. Dr. Frank Mücklich, Universität des Saarlands, Material Engineering Center Saarland, Saarbrücken

/3/ “Qualitätskontrolle und -sicherung (Einsatz von KI zu Oberflächeninspektion)“, Dr. Kerstin Thielemann, Fraunhofer IPM Institut für Physikalische Messtechnik, Freiburg 

/4/ „Intelligente Bordnetzgestaltung: Digitale Zwillinge, KI und Kontaktphysik im Zusammenspiel“, Uwe Hauck, TE Connectivity Germany GmbH, Berlin

/5/ „Analytik – ein Schlüsselwort in der Zukunft der Beschichtungsindustrie“, Dr. Elke Spahn, Gravitech Gesellschaft für Analysentechnik mbH, Rodgau

/6/ „Besser Beschichten mit Digitalisierung und KI“, Klaus Schmid, Fraunhoger IPA Institut für Produktionstechnik und Automatisierung, Stuttgart

/7/ „Künstliche Intelligenz in der Galvanotechnik: vom Prozessdatenberg zum smarten Prozesswissen“, Fabian Herbst, DiTec GmbH, Heidelberg

/8/ „Chancen der Digitalisierung in der Materialwissenschaft“, Dr. Miriam Eisenbart, fem Forschungsinstitut, Schwäbisch Gmünd

/9/ Ontologie: Was ist das? Einfach erklärt - FOCUS online

/10/ „Challenges Faced During Process Development of Hydrometallurgical Recycling of Li-ion Battery Black Mass”, Dr. Andrew Harris, Aurubis AG, Hamburg

/11/ “Chancen und Stolperfallen im Umgang mit recyceltem Edelmetall“, Andreas Klug, Heraeus Electronics GmbH 6 Co: KG, Hanau

/12/ „ Recycling von Silber:; Nachhaltigkeit durch geschlossene Wertstoffkreisläufe“, Thomas Fey, SilverTeam Recycling GmbH, Sulzberg