Kurzfaserverstärkte Thermoplaste sind zentrale Werkstoffe im Leichtbau und ermöglichen leistungsfähige, wirtschaftliche Bauteile in zahlreichen Anwendungen. Gleichzeitig stellt ihre zuverlässige Auslegung weiterhin eine Herausforderung dar, da die mechanischen Eigenschaften stark von Faserorientierung, Mikrostruktur und Prozessbedingungen beeinflusst werden. Besonders die Vorhersage der Steifigkeit bleibt ein entscheidender Faktor für eine belastbare Simulation und Bauteilauslegung.
In der IKV.Impulse-Session stehen daher datenbasierte Ansätze zur Modellierung dieser komplexen Zusammenhänge im Fokus. Ziel ist es, experimentelle und simulative Daten mit Methoden des Machine Learning zu kombinieren, um die Vorhersagegenauigkeit mechanischer Eigenschaften weiter zu verbessern und robuste Materialmodelle für die Praxis bereitzustellen.
Luiz Lise, wissenschaftlicher Mitarbeiter am IKV im Bereich Strukturberechnung und Werkstofftechnik stellt einen Multi-Fidelity-Machine-Learning-Ansatz für kurzfaserverstärkte Thermoplaste vor. Florian Rückert von der Technischen Universität Chemnitz zeigt einen datengetriebenen Ansatz zur Vorhersage effektiver Materialeigenschaften. Die Moderation übernimmt Nicolas Rozo Lopez vom IKV.