(CONNECT) Forschende der Eidgenössischen Materialprüfungs- und Forschungsanstalt (Empa) in Thun nutzen maschinelles Lernen, um eine effizientere Laserverarbeitung zu ermöglichen. Laserbasierte Metallverarbeitung gilt als vielseitig und erzielt höchste Präzision, heisst es in einer Medienmitteilung. Laserverfahren sind allerdings höchstempfindlich und erfordern lange Versuchsreihen. Mittels Künstlicher Intelligenz wollen die Forschenden Versuchsreihen und Materialverbrauch reduzieren.
Die Forschenden arbeiten aktuell an der additiven Fertigung (Powder Bed Fusion/PBF), also dem 3D-Drucken von Metallen mittels Laser. Momentan benötigt dieses Verfahren oft viele Vorversuche, um die optimalen Parameter wie Scan-Geschwindigkeit und Leistung des Lasers für ein Bauteil zu finden. Die Einstellungen variieren nämlich stark in Abhängigkeit vom Material. Dies verbraucht viel Material und muss von einer Fachperson begleitet werden. „Viele Unternehmen können sich PBF deshalb gar nicht erst leisten“, sagt Forscher Giulio Masinelli.
Die Forschenden nutzen maschinelles Lernen, um die Versuchsreihen für die additive Fertigung zu optimieren. Dafür nutzen sie optische Sensoren, die in den Lasermaschinen enthalten sind. Die Wissenschaftler trainieren die KI, anhand der Daten zu „sehen“ und so die optimalen Parameter festzulegen. Dies reduziert die Anzahl der benötigten Versuchsreihen um bis zu zwei Drittel und senkt so Materialkosten. „Wir hoffen, dass mit unserem Algorithmus auch Nicht-Experten PBF-Geräte verwenden können“, wird Masinelli zitiert.
Die Wissenschaftler planen, den Anwendungsbereich der KI in Laserverfahren auszubauen. Ein anderes Projekt sieht vor, nicht nur Versuchsreihen zu reduzieren, sondern den Herstellungsvorgang selbst zu optimieren. In ihren Vorhaben werden sie von Partnern aus Forschung und Industrie unterstützt. ce/ja