INNOVATIVE INDUSTRIE
EISENER HÄRTETEST
In Autos, Windrädern und Brücken wird viel Stahl verbaut, etwa 5.000 Stahlsorten
sind auf dem Markt. Doch wie können Hersteller bei einem spezi schen Stahl
garantieren, dass er immer dieselbe hohe Qualität aufweist?
Bisher werden dafür Materialproben unter dem Mikroskop
analysiert und von erfahrenen Mitarbeitern
mit Beispielbildern abgeglichen. Diese Werkstoff-
Klassi zierung ist jedoch fehleranfällig. Mithilfe
von maschinellen Lernverfahren haben Saarbrücker Informatiker
und Materialforscher daher eine Methode entwickelt, die
viel genauer und objektiver ist als herkömmliche Qualitätskontrollen.
ZWEI WELTEN AUF GEMEINSAMER MISSION
Wenn Wissenschaftler aus zwei unterschiedlichen Disziplinen
gemeinsam forschen, müssen sie zuerst die gleiche
Sprache sprechen. „Bei uns hat es einige Zeit gedauert, bis
die Informatiker verstanden haben, warum für uns Materialforscher
die inneren Strukturen eines Materials und
deren bildliche Darstellung eine so große Rolle spielen“,
sagt Dominik Britz, Doktorand am Lehrstuhl für Funktionswerkstoffe
der Universität des Saarlandes. Diese inneren
08 NEW BUSINESS • INNOVATIONS | MÄRZ 2018
Strukturen sind nämlich eng verknüpft mit den Eigenschaften
eines Materials. „Da moderne Stähle in immer mehr
Varianten angeboten werden und ein zunehmend komplexes
Innenleben aufweisen, werden auch die Fehlertoleranzen
immer enger gesteckt. Die Ingenieure, die neue Materialien
entwickeln und hohe Anforderungen an ihre Qualität
erfüllen müssen, stellt das vor große Herausforderungen“,
ergänzt Britz.
Sein Forscherkollege Seyed Majid Azimi vom Saarbrücker
Max-Planck-Institut für Informatik musste ihm hingegen
vermitteln, warum seine Methoden des maschinellen Lernens,
auch „Deep Learning“ genannt, wesentlich präzisere
Ergebnisse lieferten als alle von Expertenhand durchgeführten
Bildanalysen. Dafür fütterte der Informatiker seinen
Hochleistungsrechner mit Bilddaten, die von Experten
zunächst „von Hand“ klassi ziert worden waren. Mit ihnen
wurden die Computermodelle trainiert und später nochmals
mit von Menschen einsortierten Bilddaten abgeglichen.