Projektlaufzeit: 01.12.2023 – 30.11.2026
2024-02-29_BMBF_KickOff_DigiChrom
Galvanische Prozesse folgen einer Reihe von Elementarschritten (Stofftransport, Ladungstransfer, Oberflächendiffusion, Keimbildung und -wachstum etc.), die untereinander in Wechselwirkung stehen. Dadurch ergeben sich komplexe Prozess-Struktur-Eigenschafts-Beziehungen für eine galvanische Schicht. Gleichzeitig bieten sie viele Möglichkeiten, Materialeigenschaften über Prozessparameter (z. B. Stromdichte, Temperatur, Hydrodynamik) gezielt zu variieren und an technische Anforderungen anzupassen. In der technischen Anwendung werden für die Optimierung eines galvanischen Schichtsystems meist trial and error Ansätze verfolgt, was aus wissenschaftlicher und sozioökonomischer Sicht sehr unbefriedigend ist. Mit digitalen Ansätzen und einer zugehörigen Ontologie kann die Erforschung galvanischer Systeme sehr viel zielorientierter gestaltet werden. Dazu werden im Projekt Workflows definiert, um experimentelle und simulierte Daten systematisch zu erfassen, mit Metadaten aufzuwerten und der Community verfügbar zu machen. Mit Methoden des Machine Learning (ML) werden Struktur-Eigenschafts-Beziehungen aus den Prozessparametern vorausgesagt. Digitale Simulationen ermöglichen die Bereitstellung von Daten, die sich zum Teil experimentell nur schwer bestimmen lassen. Die Ontologie und der zugehörige Werkstoffdatenraum werden so aus einer Kombination von experimentellen und generierten (Simulation, ML) Daten gespeist. Mit diesem Ansatz kann fehlendes Wissen aus Vorhandenem abgeleitet werden. Dies erleichtert es, Prozess-Struktur-Eigenschafts-Beziehungen systematisch zu untersuchen, explizit aufzuzeigen und aus bestehenden Zusammenhängen neue zu erschließen.
