Leistungsfähige Legierungen aus Schrott

Mithilfe von KI lassen sich Verunreinigungen im Metallschrott nutzen, um die Eigenschaften von Werkstoffen zu verbessern 

Auf den Punkt gebracht:

  • Recycling mit schwankender Qualität: Die Wiederverwertung von Schrott ist mit bis zu 95 Prozent weniger Umweltbelastungen verbunden als die Neuproduktion metallischer Werkstoffe. Allerdings können schwankende Schrottzusammensetzungen und Verunreinigungen die Qualität recycelter Legierungen beeinträchtigen.
  • Verunreinigungen mit Mehrwert: Mithilfe künstlicher Intelligenz entwickeln Forschende Legierungen, in denen sie Verunreinigungen des Altmetalls gezielt als Legierungselemente nutzen. Die recycelten Legierungen werden so leistungsfähiger.
  • Verbesserte Eigenschaften: Mit dem Ansatz identifizierte das Team 14 neue Gusseisen-Legierungen, die sich aus Schrott erzeugen lassen. Die Legierungen weisen eine verbesserte Zugfestigkeit sowie Bruchdehnung auf als bisherige Recyclinglegierungen; zudem ist ihre Produktion weniger umweltschädlich und kostengünstiger.

Weltweit werden jährlich rund zwei Milliarden Tonnen Metall produziert, um den Bedarf von Industrie, Infrastruktur und Energiewirtschaft zu decken. Ein großer Teil davon wird nach wie vor aus Erzen gewonnen. Die konventionelle Metallproduktion verursacht zirka 40 Prozent der industriellen und acht Prozent aller Treibhausgasemissionen. Zudem liegt ihr Anteil am weltweiten Energieverbrauch bei 10 Prozent. Ein verstärkter Einsatz recycelter Metalle könnte die Umweltbelastung aus der Primärsynthese erheblich reduzieren und gleichzeitig die Abhängigkeit von Importen knapper und strategisch wichtiger Erze verringern.

Das Recycling von Metallen zu verwertbaren Legierungen ist jedoch mit erheblichen Herausforderungen verbunden: Zwar lässt sich die Zusammensetzung von Schrott recht einfach mithilfe spektroskopischer Methoden bestimmen, und so wird Altmetall in der Praxis auch in viele verschiedene Klassen sortiert. Dennoch schwankt die chemische Zusammensetzung von Metallschrott schwankt häufig, und das Altmetall enthält unerwünschte Verunreinigungen. Diese können die Qualität recycelter Legierungen verschlechtern und sie so für industrielle Anwendungen mit hohen Anforderungen unbrauchbar machen.

KI macht schmutzige Legierungen zum leistungsfähigen Werkstoff

Ein internationales Forschungsteam, an dem Wissenschaftler des Max-Planck-Instituts für Nachhaltige Materialien maßgeblich beteiligt waren, hat nun mithilfe künstlicher Intelligenz (KI), genauer gesagt maschinellen Lernens, einen Weg gefunden, Verunreinigungen im Metallschrott gezielt als Legierungselemente zu nutzen. Die sogenannten Dirty Alloys (Deutsch: Schmutzige Legierungen), die sie auf diese Weise identifiziert haben, tolerieren nicht nur Schwankungen in der Schrottzusammensetzung. Sie weisen sogar verbesserte mechanische Eigenschaften auf und lassen sich kostengünstiger produzieren. Die Ergebnisse veröffentlichten die Forschenden in der Fachzeitschrift Science Advances.

„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. 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“, erklärt Liuliu Han, Leiter einer Partnerguppe des Max-Planck-Instituts für Nachhaltige Materialien am Suzhou National Laboratory in China. 

Künstliche Intelligenz verknüpft Legierungszusammensetzung direkt mit Werkstoffeigenschaften

Das Besondere an dem neuen Workflow ist, dass er die chemische Zusammensetzung einer Legierung und deren Herstellungsbedingungen direkt mit den gewünschten Werkstoffeigenschaften verknüpft. Anders als sonst im legierungsdesign üblich werden dabei keine umfangreichen Informationen über die Mikrostruktur der Legierung benötigt. Die im Schrott vorhandene Bandbreite an Elementen lässt sich so nutzen, um die recycelten Werkstoffe zu verbessern. Ausgehend von bereits bekannten Legierungen erzeugt ein Suchalgorithmus neue Legierungskandidaten. Dazu variiert er innerhalb vorgegebener Grenzen sowohl die chemische Zusammensetzung als auch Prozessparameter wie Temperatur und Dauer der Wärmebehandlung.

Künstliche neuronale Netze sagen anschließend die Zugfestigkeit und Bruchdehnung, die ein Maß für die Verformbarkeit des Materials ist, der jeweiligen Legierungskandidaten voraus. So kann der Algorithmus gezielt nach Zusammensetzungen suchen, die ein besseres Verhältnis zwischen Festigkeit und Verformbarkeit ermöglichen als bisher bekannte Werkstoffe. Dabei optimiert er einerseits besonders vielversprechende Legierungen und untersucht andererseits bislang wenig erforschte Zusammensetzungen. Ein zweites Modell, das mit einem größeren Datensatz zu Legierungszusammensetzungen und Werkstoffeigenschaften trainiert wurde, überprüft die vorausgewählten Kandidaten. Anschließend stellen die Wissenschaftler die vielversprechendsten Legierungen her und testen sie.

Die Ergebnisse dieser Versuche fließen wiederum in die Datenbank ein. Dadurch wird das Vorhersagemodell aktualisiert und die nächste Optimierungsrunde gesteuert. Durch den wiederholten Abgleich zwischen computergestützten Vorhersagen und experimentellen Ergebnissen verbessert sich die Auswahl geeigneter Legierungen schrittweise und beschleunigt die Entwicklung neuer Werkstoffe aus recycelten Metallen.

Verunreinigungen verbessern die mechanischen Eigenschaften

Als Modellwerkstoff verwendeten die Forschenden Gusseisen mit Kugelgraphit, auch Sphäroguss genannt. Dieser Werkstoff ist für seine hohe Toleranz gegenüber Verunreinigungen bekannt und besitzt große industrielle Bedeutung: Weltweit werden davon jährlich rund 120 Millionen Tonnen produziert.

Das Forschungsteam untersuchte 17 Legierungsvarianten, die das KI-Modell vorgeschlagen hatte. Davon erreichten 14 besonders gute Kombinationen aus Festigkeit und Verformbarkeit im Vergleich zu den bislang in der Datenbank erfassten recycelten Eisenwerkstoffen. Bei vergleichbarer Bruchdehnung ließ sich die Zugfestigkeit um bis zu 15,2 Prozent steigern. Bei vergleichbarer Zugfestigkeit erhöhte sich die Bruchdehnung sogar um bis zu 73,2 Prozent. Zudem lagen die Herstellungskosten um rund acht Prozent unter denen des konventionellen Verfahrens, bei dem Metallschrott mit Primäreisen vermischt wird.

Die Wissenschaftler planen, das KI-basierte Legierungsdesign auch auf andere Werkstoffgruppen, wie recycelte Stähle sowie Aluminium- und Kupferlegierungen, anzuwenden. Zudem sollen mehrere KI-Agenten unterschiedliche Aufgaben übernehmen und aufeinander abstimmen – von der Entwicklung neuer Legierungszusammensetzungen und der Versuchsplanung bis zur Prozesssteuerung und Auswertung der Ergebnisse. Dies würde die Entwicklung neuer Legierungen beschleunigen und zugleich eine flexible Anpassung an schwankende Schrottzusammensetzungen ermöglichen.

An der Arbeit waren Forschende der Shanghai Jiao Tong University, der City University of Hong Kong, der East China University of Science and Technology und der Central South University in China sowie des Max-Planck-Instituts für Nachhaltige Materialien in Deutschland beteiligt.

Yasmin Ahmed Salem

Weitere interessante Beiträge

Zur Redakteursansicht