Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAIBAUEN
Die vorhergesagte Druckfestigkeit von Porenbeton im Rezeptraum ist in dieser Grafik farbkodiert. Die Punkte entsprechen bekannten Rezepturen.
Hintergrund
Eine nachhaltige Kreislaufwirtschaft ist unerlässlich, um das Ziel der Klimaneutralität zu erreichen. Hierfür ist insbesondere die Entwicklung neuer innovativer Baustoffe entscheidend. Allerdings ist diese Entwicklung bisher ein sehr mühsamer und langwieriger Prozess. Um diesen Prozess zu unterstützen und deutlich zu beschleunigen, forschen die Experten des Fraunhofer Institut IBP und des Fraunhofer Institut SCAI am Forschungszentrum für Maschinelles Lernen an neuen datengetriebenen virtuellen Techniken zum Materialdesign.
Inhalte des Projektes
Zu Demonstrationszwecken wurde die Entwicklung und Validierung eines datengesteuerten Modells zur Vorhersage der Eigenschaften von mineralischen Baustoffen mit Schwerpunkt Porenbeton verfolgt. Dazu wurden zunächst experimentelle Daten gesammelt und aufbereitet. Mit Hilfe dieser Datensammlung wurde dann ein Modell zur Vorhersage der Eigenschaften von Porenbeton auf der Grundlage mechanischer Materialparameter und physikalischer Daten entwickelt. Um die Vorhersagequalität weiter zu verbessern, wurde dieses Modell dann erstmals um chemische Materialparameter erweitert. Darüber hinaus diente dieses Modell als Grundlage für die Entwicklung und Implementierung eines Demonstrators für das inverse Design von Porenbeton. Hier können die Eigenschaften des gewünschten Porenbetons vorgegeben werden und der Demonstrator ermittelt dann geeignete Rezepturen.
Zusammenfassung und Ausblick
Insgesamt hat das Projekt gezeigt, dass die datengesteuerte virtuelle Materialauslegung ein sehr hohes Potenzial hat, den Entwicklungs- und Optimierungsprozess nachhaltiger Baustoffe erheblich zu beschleunigen. Zum ersten Mal konnte ein Modell für die inverse Auslegung von Porenbeton entwickelt werden. Dazu wurden die vorgeschlagenen Rezepturen auch experimentell validiert. Das Konzept kann auch für andere mineralische Baustoffe umgesetzt werden.
Das Projekt wurde Fraunhofer-intern im Rahmen des Forschungszentrums Maschinelles Lernen gefördert.
Laufzeit: 10/2020 – 12/2021