Ihr Beitrag besteht nach eigener Angabe aus der Datenanalyse und der Anwendung von maschinellen Lernverfahren. Mit der verfügbaren Datenmenge werde versucht, treffendere Vorhersagen zu entwickeln. Die Scherschneid- und Kragenzieh-Prozesse sollen optimiert werden, um Kantenrisse zu vermeiden. „Da spielen bestimmte Parameter wie Temperatur und Druck und noch andere eine Rolle“, sagt die Wissenschaftlerin.
Ein neuer Weg jenseits von Computersimulationen
Die physikalischen und chemischen Eigenschaften des Materials werden dabei genaustens analysiert. „Bislang wurden Computersimulationen verwendet. Dass aus den Daten gelernt wird, ist neu.“ Die Prozesse seien separat analysiert worden, ohne deren Wechselwirkung zu beachten.
Mit dem interdisziplinären Ansatz von Umformtechnik und Datenwissenschaften an den Standorten Chemnitz und Bayreuth könne die Ursache von Kantenrissen präziser bestimmt werden. Die industriellen Werkzeuge könnten so eingesetzt werden, dass Kantenrisse in Zukunft nicht mehr oder nur noch selten vorkommen.
Alle Informationen sollen durch geeignete Datenmodelle in eine digitale Abbildung integriert werden. So erklärt Koschmider: „Ein wichtiger Aspekt unserer geplanten Forschungsarbeiten ist die Qualität der Daten, die wir der digitalen Modellierung zugrunde legen. In den Datenwissenschaften verfügen wir heute über technologisch anspruchsvolle Verfahren, wie beispielsweise Process Analytics und Deep Learning, mit denen sich die Datenqualität gewährleisten und steigern lässt.“ Das bedeutet, mit Hilfe von Künstlicher Intelligenz und der Analyse von Daten werden kausale Wahrscheinlichkeiten abgeleitet. „Wir haben dafür einen Methodenbaukasten und können damit Phänomene statistisch vorausberechnen.“
Im DFG-Schwerpunktprogramm 2422 werden die Forschungsarbeiten aus Bayreuth und Chemnitz gefördert. Damit sollen gezielt Data Scientists sowie Maschinenbauer und Materialwissenschaftler zur Zusammenarbeit angeregt werden.
Das Bayreuth-Chemnitz-Projekt hatte einen längeren Vorlauf und läuft über drei Jahre.