Digitaler Materialzwilling für die Formgedächtnislegierung Nitinol

• Antragstellerin: Professorin Dr.-Ing. Katrin Schulz
• Fachliche Zuordnung: Computergestütztes Werkstoffdesign und Simulation von Werkstoffverhalten von atomistischer bis mikroskopischer Skala ; Mechanische Eigenschaften von metallischen Werkstoffen und ihre mikrostrukturellen Ursachen
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 554862650

Formgedächtnislegierungen wie Nitinol sind essenziell für Hochtechnologieanwendungen, etwa in der Medizintechnik, Luft- und Raumfahrt sowie Robotik. Ihr komplexes mikrostrukturelles Verhalten, insbesondere der Einfluss von Versetzungen, Korngröße, Textur und Grenzflächen auf die makroskopischen Eigenschaften, ist jedoch bisher nur unvollständig verstanden. Ziel des Projekts ist es, einen digitalen Material-Daten-Zwilling für Nitinol zu entwickeln, der experimentelle Daten, physikalisch-basierte Simulationsmodelle und maschinelles Lernen systematisch kombiniert. In Zusammenarbeit mit der Admedes GmbH werden hochwertige multimodale Experimentaldatensätze für den digitalen Material-Daten-Zwilling generiert. Ziel ist die präzise Verknüpfung von Mikrostruktur und makroskopischen Werkstoffeigenschaften, insbesondere für Medizintechnik-Anwendungen. Dabei wird eine inverse Modellierung genutzt: Statt die Materialparameter eines Modells aus experimentell ermitteltem Werkstoffverhalten abzuleiten, werden mit dem inversen Ansatz aus den gewünschten makroskopischen Eigenschaften gezielt die optimalen Mikrostruktureigenschaften und Prozessparameter bestimmt. Der wissenschaftliche Schwerpunkt liegt hierbei auf der Untersuchung von Versetzungen, Grenzflächen und Materialheterogenitäten sowie deren Einfluss auf Phasentransformation und Superelastizität. Mehrskalige Modelle sollen ein umfassendes Verständnis der Deformationsmechanismen und funktionalen Ermüdung unter zyklischer Belastung ermöglichen. Die Kombination experimenteller und simulativer Daten in einer kombinierten Datenbank nach dem Ansatz der Datenfusion soll eine robuste Modellparametrisierung mit quantifizierten Unsicherheiten gewährleisten. Der kontinuierlich aktualisierbare Material-Daten-Zwilling verbessert damit die Vorhersagegenauigkeit und erlaubt eine bessere Risikoabschätzung für industrielle Anwendungen. In enger Zusammenarbeit mit der Admedes GmbH wird der Ansatz durch Datensätze in realen Fertigungsprozessen validiert, u.a. am Prototypprozess des „Shape-Settings“ eines medizinischen Stents.

• DFG-Verfahren: Sachbeihilfen (Transferprojekt)
• Anwendungspartner: ADMEDES GmbH
• Mitverantwortlich: Dr.-Ing. Marek Fassin