Mit Digitalisierung zu recyclingfähigen Leichtmetallen und adaptiven Produktionsprozessen
AIT entwickelt digitale Lösungen für eine ressourcenschonende und flexible Leichtmetallindustrie
Die Leichtmetallindustrie steht vor einem grundlegenden Wandel: Höhere Recyclinganteile, steigende Anforderungen an Produktqualität und Ressourceneffizienz verlangen nach neuen Werkstoffen und flexibleren Produktionsprozessen. Hier setzt das Forschungsprojekt Data-T-Rex 2 an. Unter der Leitung des LKR Leichtmetallkompetenzzentrum Ranshofen des AIT Austrian Institute of Technology werden Material, Produktionsprozess und Werkstoffanalyse digital miteinander verknüpft, um optimierte Recyclinglegierungen und adaptive Prozessketten zu entwickeln. Im Mittelpunkt stehen dabei Aluminium-, Magnesium- und Titanlegierungen sowie innovative Analyse-, Simulations- und KI-Methoden. Das Projekt wird im Rahmen von FTI-OÖ, Land Oberösterreich gefördert.
Mehr Recycling stellt die Prozessindustrie vor neue Herausforderungen
Der verstärkte Einsatz von Recyclingmaterialien ist ein zentraler Baustein für eine nachhaltigere Leichtmetallproduktion. Gleichzeitig bringen höhere und schwankende Recyclinganteile neue Herausforderungen mit sich, da Schwankungen in der Zusammensetzung der Recyclingfraktionen zu veränderten Eigenschaften des Ausgangsmaterials führen können. Für die industrielle Verarbeitung bedeutet das, dass etablierte Prozessparameter nicht immer zu konstanten Material- und Bauteileigenschaften führen.
Gefragt sind daher robuste Legierungskonzepte, die auch bei variierenden Ausgangsmaterialien ein möglichst konstantes Umformverhalten und reproduzierbare Bauteileigenschaften ermöglichen. Gleichzeitig müssen Produktionsprozesse flexibler werden und auf Veränderungen des Materials reagieren können.
Ein Schlüssel dafür liegt im besseren Verständnis der Wechselwirkungen zwischen Material, Prozess und resultierenden Eigenschaften. Metallphysikalische Phänomene wie Rekristallisation, Textur, Phasenbildung und Eigenspannungen beeinflussen maßgeblich, wie sich ein Werkstoff während seiner Verarbeitung verhält. Analytik und Simulation liefern dabei wichtige Informationen über die zugrunde liegenden Materialstrukturen und darüber, wie diese durch die Prozessführung verändert werden.
Data-T-Rex 2: Material, Prozess und Analyse digital verbinden
Genau an dieser Schnittstelle setzt Data-T-Rex 2 – Datenbasierte Optimierung der metallurgischen Prozesse Rekristallisation und Textur in Recyclinglegierungen an. Ziel ist eine ganzheitliche digitale Betrachtung der metallurgischen Prozesskette, bei der Daten aus Materialentwicklung, Produktion und Werkstoffanalyse zusammengeführt und für die Optimierung genutzt werden.
Die zentrale Forschungsfrage lautet dabei: Wie lassen sich Recyclingmaterialien so entwickeln und verarbeiten, dass trotz variierender Materialeigenschaften eine effiziente, stabile und qualitativ hochwertige Produktion möglich wird?
Dazu werden im Projekt drei eng miteinander verknüpfte Themenbereiche bearbeitet:
Werkstoffe und Prozesse
Untersucht werden unter anderem Aluminium-Recyclinglegierungen sowie Magnesium-, Titan- und nanoeutektische Legierungen. Im Fokus steht deren Verhalten entlang verschiedener Prozessketten. Auf dieser Basis sollen Werkstoffe entwickelt und Prozessschritte so gestaltet werden, dass sie besser auf Recyclingmaterialien abgestimmt sind.
Besondere Bedeutung haben dabei flexible und adaptive Produktionsprozesse. Sie sollen künftig in der Lage sein, auf Schwankungen, beispielsweise bei chemischen oder mechanischen Materialeigenschaften, unmittelbar zu reagieren. Dadurch lassen sich stabile Produktionsprozesse gewährleisten und zugleich Ausschussmengen reduzieren.
Analytik und Simulation
Ein weiterer Schwerpunkt liegt auf der Weiterentwicklung digitaler Methoden zur Charakterisierung und Interpretation von Werkstoffen. Dazu zählen unter anderem Verbesserungen bei der EBSD-Analyse und der DSC-Auswertung sowie die Simulation von Materialverhalten unter Berücksichtigung der Texturentwicklung.
Die Kombination von experimenteller Analytik und Simulation ermöglicht ein detaillierteres Verständnis der Zusammenhänge zwischen Mikrostruktur, Prozessführung und Werkstoffeigenschaften. Dieses Wissen bildet wiederum die Grundlage für die gezielte Weiterentwicklung von Legierungen und Produktionsprozessen.
Digitalisierung und Künstliche Intelligenz
Die gewonnenen Informationen sollen in einer digitalen Prozesslandschaft zusammengeführt werden. Dafür wird der bestehende LKR Dataspace weiterentwickelt und unter anderem um Daten aus der Prüfstelle ergänzt.
Darüber hinaus wird untersucht, wie synthetische Daten für KI-basierte Prozessanalysen generiert und eingesetzt werden können. Sensordaten, digitale Materialinformationen und Analyseergebnisse sollen damit stärker miteinander verknüpft werden. Perspektivisch können solche Systeme beispielsweise dabei helfen, Produktionsprozesse vorausschauend zu optimieren, Materialschwankungen frühzeitig zu erkennen oder Wartungsbedarf vorherzusagen.
LKR bringt umfassende Forschungskompetenz entlang der gesamten Prozesskette ein
Eine besondere Stärke des LKR Leichtmetallkompetenzzentrum Ranshofen im Projekt liegt in der interdisziplinären Verbindung von Materialwissenschaft, Metallurgie, Umformtechnik, Simulation und Digitalisierung. Mit seiner umfassenden Infrastruktur und langjährigen Expertise kann das LKR wesentliche Verarbeitungsschritte von Aluminium-, Titan- und Magnesiumlegierungen im semi-industriellen Maßstab abbilden – vom Strangguss über verschiedene Umformverfahren bis hin zu gezielten Wärmebehandlungen. Hinzu kommen moderne Methoden zur Charakterisierung und Bewertung von Leichtmetallen sowie langjähriges Know-how in Metallurgie, Metallkunde sowie Gieß- und Umformtechnik. Damit verfügt das LKR über die notwendigen Kompetenzen, um Werkstoffe und Prozesse ganzheitlich zu untersuchen, gezielt weiterzuentwickeln und hinsichtlich ihrer Eigenschaften und Leistungsfähigkeit zu bewerten.
Dieses Material- und Prozessverständnis wird in Data-T-Rex 2 gezielt mit digitalen Kompetenzen kombiniert. Dazu zählen Sensortechnik, Machine Learning, Bildverarbeitung, digitale Werkstoffanalyse und Simulation.
Bereits im Vorgängerprojekt Data-T-Rex wurde gezeigt, welches Potenzial diese Kombination bietet. Unter anderem wurden KI-Methoden zur Mikrostrukturcharakterisierung entwickelt, Textursimulationen ermöglicht, neue Legierungskonzepte untersucht und unterschiedliche Umformprozesse analysiert. Gleichzeitig wurden Anlagen mit Sensortechnik ausgestattet und mit dem LKR Dataspace die Grundlage für eine digitale Prozess- und Analyseplattform geschaffen.
Mit Data-T-Rex 2 wird dieser Ansatz konsequent weitergeführt und auf die Anforderungen einer stärker kreislauforientierten Leichtmetallindustrie ausgerichtet.
Recyclingfähigkeit und Digitalisierung gemeinsam denken
Carina Schlögl, stellvertretende Geschäftsführerin des LKR, betont die Bedeutung des ganzheitlichen Ansatzes: „Data-T-Rex 2 verbindet zwei zentrale Zukunftsthemen der Leichtmetallindustrie: die stärkere Nutzung von Recyclingmaterialien und die Digitalisierung der Produktion. Gerade bei höheren Recyclinganteilen müssen wir mit größeren Schwankungen der Materialeigenschaften umgehen. Die digitale Verknüpfung von Material, Prozess und Analyse schafft hier die Grundlage, um Prozesse gezielter anzupassen und Recyclingmaterialien zuverlässiger einzusetzen. Besonders wertvoll ist für uns die Verbindung von metallurgischem Know-how mit Sensorik, Simulation und Künstlicher Intelligenz – damit können wir nicht nur neue Erkenntnisse gewinnen, sondern konkrete Lösungen für eine ressourceneffizientere und flexiblere Produktion entwickeln.“
Von der Forschung zur industriellen Anwendung
Die erwarteten Ergebnisse sollen sowohl der Forschung als auch der industriellen Praxis zugutekommen. Im Fokus stehen Toolsets für die Entwicklung und Verarbeitung von Materialien der Zukunft, mit denen neue Recyclingwerkstoffe schneller entwickelt und Produktionsprozesse flexibler an unterschiedliche Eingangsmaterialien angepasst werden können.
Darüber hinaus soll die digitale Verknüpfung der Prozesskette dazu beitragen, Ressourcen effizienter einzusetzen, CO₂-Emissionen zu reduzieren und gleichzeitig die Produktqualität zu erhöhen. Durch die Nutzung von Prozess- und Materialdaten können beispielsweise Wechselwirkungen entlang der Prozesskette besser erkannt und Optimierungspotenziale identifiziert werden. Auch Anwendungen wie Predictive Maintenance und automatisierte Prozessanpassungen werden dadurch unterstützt.
Ein weiterer Anspruch des Projekts ist es, zu zeigen, welche Möglichkeiten Digitalisierung und KI für die metallverarbeitende Industrie eröffnen – insbesondere auch für kleine und mittlere Unternehmen, die zunehmend vor der Herausforderung stehen, nachhaltiger und gleichzeitig wettbewerbsfähig zu produzieren.
Förderinformation: FTI OÖ, Land Oberösterreich, Projektnummer Wi-2025-212607/16-FrJ
