// HEISE ONLINE — SALUTE
Forscher setzen KI zur Erzeugung von Legierungen aus Metallschrott ein
Forscher nutzen KI, um leistungsfähigere Metalllegierungen aus Altmetall zu erzeugen. Das soll die Metallherstellung umweltfreundlicher machen – und günstiger.
Schrotthaufen aus alten Motorblöcken: Altmetall-Recycling kann Umweltbelastung verringern.
Der Bedarf an Metall ist groß, der Großteil des Bedarfs wird noch aus Erzen gedeckt statt aus Altmetall. Dessen Recycling könnte zwar die Umweltbelastung um bis zu 95 Prozent verringern, doch dabei gibt es auch Probleme: Die chemische Zusammensetzung von Metallschrott ist unterschiedlich, das Altmetall enthält oft Verunreinigungen, was die Qualität der neu entstehenden Legierungen verschlechtert. Ein deutsch-chinesisches Forscherteam hat aus dieser Not eine Tugend gemacht.
Das Team um Chao Yang von der Shanghai Jiao Tong University nutzt gezielt Verunreinigungen im Altmetall als Legierungselemente. Diese so entstehenden Legierungen, Dirty Alloys genannt, sind nicht nur unempfindlich gegen Schwankungen in der Zusammensetzung des Altmetalls. Darüber hinaus wird die Bandbreite an Elementen genutzt, um die recycelten Werkstoffe zu verbessern. Weiterer Vorteil ist, dass diese Dirty Alloys kostengünstiger herzustellen sind.
Dafür setzt das Team künstliche Intelligenz (KI), genauer gesagt maschinelles Lernen, ein. Zunächst erzeugt ein Algorithmus anhand von vorhandenen Legierungen Kandidaten für neue. Dabei variiert er innerhalb vorgegebener Grenzen verschiedene Parameter, wie etwa die Zusammensetzung der Legierung sowie Temperatur und Dauer der Wärmebehandlung.
Künstliche neuronale Netze prognostizieren dann Zugfestigkeit und Bruchdehnung der jeweiligen Legierungskandidaten. Auf dieser Basis sucht der Algorithmus nach Zusammensetzungen, die ein besseres Verhältnis zwischen Festigkeit und Verformbarkeit bieten als bisherige Legierungen. Ein zweites Modell, das mit einem größeren Datensatz zu Legierungszusammensetzungen und Werkstoffeigenschaften trainiert wurde, überprüft die ausgewählten Kandidaten.
Die am besten geeigneten Werkstoffe haben die Forscher hergestellt und anschließend getestet. Die Ergebnisse dieser Tests werden in die Datenbank eingespeist, wodurch das Vorhersagemodell für die nächste Runde verbessert wird. Durch diesen Abgleich von computergestützten Vorhersagen und experimentellen Ergebnissen wird die Auswahl geeigneter Legierungen Schritt für Schritt verbessert.
„Bisher werden Verunreinigungen im Metallschrott üblicherweise durch die Zugabe von Primärmetall verdünnt. Das schmälert jedoch die Umweltvorteile des Recyclings, denn die Herstellung von Primärmetallen benötigt große Mengen an Energie und verursacht erhebliche CO2-Emissionen“, beschreibt Liuliu Han, Leiter einer Partnergruppe des Max-Planck-Instituts für Nachhaltige Materialien am Suzhou National Laboratory in China. „Unser neuer Workflow nutzt KI und maschinelles Lernen, um passende Verunreinigungen zu erkennen und mit ihnen Legierungen zu entwickeln, die Verunreinigungen nicht nur tolerieren, sondern sogar von ihnen profitieren.“
Als Ausgangsstoff nutzte das Team Gusseisen mit Kugelgraphit. Diese Sphäroguss genannte Legierung ist weitverbreitet und tolerant gegenüber Verunreinigungen. Die Forscher erzeugten und analysierten 17 von der KI ausgegebene Legierungsvarianten. 14 davon wiesen eine besonders gute Kombination aus Festigkeit und Verformbarkeit auf: Im Vergleich zu früheren Recycling-Werkstoffen stieg die Zugfestigkeit um bis zu 15,2 Prozent, die Bruchdehnung sogar um bis zu 73,2 Prozent. Die Herstellungskosten lagen dabei um rund acht Prozent unter denen des konventionellen Verfahrens, bei dem Metallschrott mit Primäreisen vermischt wird. Als Nächstes will das Team das KI-gestützte Verfahren auf andere Werkstoffe anwenden, darunter recycelte Stähle, Aluminium- und Kupferlegierungen.
Im Jahr werden weltweit rund zwei Milliarden Tonnen Metall produziert, ein großer Teil davon aus Erzen. Die konventionelle Metallproduktion ist für 10 Prozent des weltweiten Energieverbrauchs und etwa 8 Prozent al