Die Entwicklung neuer Werkstoffe dauerte bisher jahrelang. Durch den Einsatz künstlicher Intelligenz konnten amerikanische Forscher die „Erfindung“ metallischer Gläser um den Faktor 200 beschleunigen.

Die Entdeckung von Zement zu Beginn des 19. Jahrhunderts revolutionierte die Baubranche. Die Auswirkungen auf Industrie, Technik und Wirtschaft waren beträchtlich. Eine ungeheure Innovation, der jahrhundertelange intuitive „Basteleien“ und experimentelle Mischungen aus Kalk und Ton vorausgingen, den Hauptbestandteilen von Zement. Bis vor Kurzem noch brauchten Handwerker und Ingenieure viele Jahre, um Legierungen und Verbundwerkstoffe zu entwickeln, die der Industrie neue Perspektiven eröffneten. Die Künstliche Intelligenz (KI) hat das radikal geändert.

Unter Rückgriff auf derlei Algorithmen hat ein nordamerikanisches Wissenschaftlerteam drei neue metallische Gläser entwickelt, und das 200-mal schneller als mit herkömmlichen Verfahren. Diese spektakuläre Beschleunigung des Entwicklungstempos kann weitere Branchen revolutionieren, etwa die Raumfahrt oder die Herstellung von Smartphones, wo es auf leichte, aber hochfeste Werkstoffe ankommt.

Dank KI und ständig wachsenden Datenbanken können nun viel mehr Kombinationen virtuell getestet werden.

Ein im Fachmagazin Science Advances erschienener Artikel, der von einem Team der Chicagoer Northwestern University in Zusammenarbeit mit dem SLAC National Accelerator Laboratory (Stanford) und dem National Institute of Standards and Technology verfasst wurde, zeigt auf, dass bei der Entwicklung metallischer Gläser Millionen von Kombinationen möglich sind, von denen bisher nur einige Tausend im Labor getestet wurden. Und gar nur eine Handvoll Legierungen hat es bis zum industriellen Einsatz geschafft. Dank KI und ständig wachsender Datenbanken, so Chris Wolverton von der Northwestern University, können nun viel mehr Kombinationen virtuell getestet werden.

Machine Learning und Data Mining

Das Wissenschaftlerteam erfasste zunächst die Merkmale der bereits existierenden Werkstoffe im Computer: Festigkeit, Gewicht, Verhalten bei Wärme, Kälte, Dehnung, Stauchung, Elastizität, Kompatibilität mit anderen Materialien … Dann schrieb es ein Programm, das einerseits die Eigenschaften der in der Datenbank erfassten Legierungen analysieren und andererseits virtuell experimentelle Mischungen herstellen sollte, welche die Ingenieure im Labor ansonsten „von Hand“ erzeugt hätten.

Beim „Machine Learning“ prüft der Computer die Ergebnisse seiner eigenen theoretischen Experimente und zieht daraus Schlussfolgerungen, die er dann in sein Programm integriert. Nach diesem Verfahren wählt der Algorithmus eine beschränkte Zahl möglicher Kombinationen für neue Werkstoffe aus. Nun brauchen die Ingenieure diese von der KI formulierten Mischungen nur noch im Labor herzustellen, zu testen und zu validieren.

Um ihre Datenbanken zu füttern, griffen die Teams der Northwestern University auf „Data Mining“ zurück und ließen sämtliche Veröffentlichungen über metallische Gläser automatisch durchforsten. Dabei sind sie nicht allein. Das renommierte Bostoner MIT forscht ebenfalls in dieser Richtung. Es hat einen Algorithmus entwickelt, der wissenschaftliche Veröffentlichungen über innovative Werkstoffe auf Abschnitte durchsucht, in denen Hinweise auf die „Rezeptur“ des neuen Materials enthalten sind. Diese Rezepte sind von großem Wert, so die Wissenschaftler, um den Algorithmus für die Werkstoffentwicklung zu verbessern. Das gilt für alle Bereiche, weit über metallische Gläser hinaus. In der Zeitschrift The Verge erwähnt Chris Wolverton die Möglichkeit, den Prozess durch vollständige Automatisierung sogar noch weiter zu beschleunigen. Insbesondere, indem ein Roboter das manuelle Anmischen der „Rezeptur“ im Labor übernimmt.

17/01/2019