Einführung in die künstliche Intelligenz in der Metallurgie: Grenzen, Validierung, Verantwortung und Ethik

Gewinne:

• Möglichkeit, anhand des Risikoniveaus zu unterscheiden, wo KI im metallurgischen und Material-Workflow Echtzeit spart und wo die sicherheitskritische Verantwortung beim Ingenieur verbleiben sollte
• Fähigkeit zur Implementierung einer dreistufigen Validierungsdisziplin, die jede KI-Ausgabe anhand standardmäßiger, unabhängiger Berechnungen und Laborexperimente testet
• Möglichkeit zur Anonymisierung des Kontexts und zur sicheren Werkzeugauswahl zum Schutz vertraulicher Legierungsrezepte, Prozessparameter und Kundendaten

Während sich die Turbinenschaufel eines Flugzeugtriebwerks bei 1400 °C hunderte Male pro Sekunde dreht, sind Sie die Person, die darüber entscheidet, aus welcher Superlegierung (einer speziellen Legierung, die ihre Festigkeit bei hohen Temperaturen beibehält) diese Schaufel besteht, welche Wärmebehandlung sie durchläuft und wie viele tausend Stunden sie hält: der Metallurgie- oder Werkstoffingenieur. Jede Entscheidung, die Sie in diesem Beruf treffen, entscheidet entweder über das Überleben eines Bauwerks oder dessen Schaden. Künstliche Intelligenz (kurz KI: Softwaresysteme, die Texte, Zahlen und Bilder verarbeiten und Vorschläge produzieren) kann diese Entscheidungen beschleunigen; aber er kann niemals die Verantwortung für dich übernehmen. In dieser Einheit lernen Sie, wo Sie KI in der Metallurgie und Materialbearbeitung sicher einsetzen können, wo sie gefährlich ist und warum Sie jede KI-Ausgabe anhand von Labor, Standard und Experiment validieren müssen.

Der zentrale Grundsatz, den Sie in diesem Modul anwenden werden, lautet: KI ist ein Assistent, kein Entscheidungsträger. Eine Materialeigenschaft, ein Grenzwert, ein Normartikel oder ein Wärmebehandlungsrezept werden nicht wahr, nur weil „KI es gesagt hat“; Es handelt sich lediglich um eine Hypothese, bis sie durch Messung, Referenz und technische Beurteilung bestätigt wird. Diesen Satz werden Sie in jeder Einheit des Moduls wieder sehen, denn in der Metallurgie bedeutet eine falsche Zahl oft ein gebrochenes Teil.

Was ist LLM, was macht es in der Metallurgie?

LLM (Large Language Model) ist eine Software, die Muster aus sehr großen Textblöcken lernt und das „nächste Wort“ basierend auf Wahrscheinlichkeit vorhersagt. Dies ist die Engine von Tools wie ChatGPT, Claude, Gemini. Der Punkt ist folgender: LLM ist ein „Sprachschätzer“, keine „Wissensbasis“. Spricht fließend metallurgische Terminologie, misst aber keine Zahlen; ergibt die Zahl, die am wahrscheinlichsten erscheint. Daher kann es sein, dass er sichere, aber falsche Antworten zur Streckgrenze, zur Schmelztemperatur oder zur Artikelnummer einer Norm gibt. Dies wird als Halluzination (Fabrikation) bezeichnet. Halluzinationen sind keine Fehlfunktion, sondern ein inhärentes Merkmal dieser Technologie. Daher ist die Verifizierung kein „zusätzlicher Schritt“, sondern ein integraler Bestandteil der Arbeit.

Aufgaben, bei denen KI in der Metallurgie stark ist:

• Konzepterklärung und Lehre: Was ist Martensitumwandlung, warum ist sie hart und spröde? Was ist der Unterschied zwischen Eutektikum und Eutektoid?
• Erstellen einer Hypothesenliste: Erstellen einer systematischen Liste, warum in einem Gussteil Porosität (Gas- oder schrumpfungsbedingte Hohlräume) aufgetreten sein könnte.
• Texterstellung: Entwurf eines Schadensanalyseberichts, Entwurf einer WPS (Schweißanweisung), Präsentation, E-Mail.
• Codierung: Datenbereinigung, Grafiken, einfache Berechnungsskripte (Python).
• Datenzusammenfassung und Tabellenorganisation: Verwandeln Sie unordentliche Testergebnisse in eine organisierte Tabelle.
• Brainstorming: Kandidatenelemente, experimentelle Matrixideen für das Legierungsdesign.

Wo KI schwach und riskant ist:

• Angabe des genauen Zahlenwerts (Eigenschaft, Grenzwert, chemische Zusammensetzung).
• Aktuelle/spezifische Standardklausel und Versionsinformationen.
• Diagnose ohne tatsächliche Messdaten Ihrer Anlage.
• Sicherheitskritische Entscheidung: Lufttüchtigkeit/Gebrauchstauglichkeit eines Teils.

Risikobasierte Klassifizierung: der Filter vor dem Einsatz von KI

Nicht jede Aufgabe birgt das gleiche Risiko. Klassifizieren Sie die Aufgabe nach Risikostufe, bevor Sie KI einsetzen. Die folgende Tabelle bietet einen Entscheidungsrahmen, den Sie in diesem Modul verwenden werden.

Risikostufe

Beispielaufgabe

KI-Rolle

Obligatorische Überprüfung

niedrig

Konzepterklärung, Textentwurf, Code-Skelett

kostenlose Nutzung

Rezension reicht

mittel

Berechnungsaufbau, Hypothesenliste, Literaturübersicht

Entwurf/Co-Autor

Manuelle Steuerung + Quellenbestätigung

hoch

Materialauswahl, Wärmebehandlungsrezept, Grenzwert

Ideengenerator

Standard + Labortest

kritisch

Gebrauchstauglichkeit/Lufttüchtigkeit, Schadensursache, Zertifizierung

Nur Entwurf

Akkreditierte Tests + Genehmigung durch autorisierte Ingenieure

Tipp: Wenn Sie eine Aufgabe als „kritisch“ markiert haben, ist die Ausgabe der KI nie das endgültige Dokument. Es kann sich höchstens um einen Vorentwurf oder eine Checkliste handeln; Der autorisierte Ingenieur übernimmt die Unterschrift und Verantwortung.

End-to-End-Flow: Einbettung von KI in Ihren Workflow

Ein typischer Problemlösungszyklus in einem metallurgischen Unternehmen läuft ungefähr so ab, wobei die KI jeden Schritt durchführt, aber keinen davon allein abschließt:

1. Definieren Sie das Problem: Was ist kaputt, welche Funktion ist vorgesehen, welche Einschränkungen gibt es? (KI: hilft bei der Klärung der Frage.)
2. Sammeln Sie Daten: Zusammensetzungsanalyse, mechanische Tests, Mikrostruktur, Felddaten. (AI: listet auf, welcher Test erforderlich ist.)
3. Hypothesen generieren: Mögliche Ursachen/Lösungen. (KI: leistungsstark – erstellt systematische Listen.)
4. Analysieren: Berechnung, Modell, Bildverarbeitung. (KI: generiert Code und Berechnungsfiktion.)
5. Validieren: Standard, Labor, erneuter Test. (KI: hier am Rande; Mensch und Gerät entscheiden.)
6. Melden und entscheiden: Der Ingenieur übernimmt die Verantwortung. (KI: Verfasser des Entwurfs.)

Beachten Sie diese sechs Schritte. Der Rest des Moduls zeigt Ihnen, wie Sie KI bei konkreten Aufgaben in jedem dieser Schritte einsetzen können.

drei Mini-Koffer

Fall 1 – Angepasste Streckgrenze. Ein Praktikant fragt den AI nach der Streckgrenze von AISI 4140-Stahl, der bei 200 °C vergütet wurde; AI sagt „ungefähr 1500 MPa“. Dies lässt der Praktikant direkt in eine Spindelauslegungsberechnung einfließen. Der tatsächliche Wert schwankt jedoch in etwa zwischen 900–1600 MPa, abhängig von den Wärmebehandlungsparametern und der Abschnittsdicke; Der in einer dünnen Probe ermittelte Wert gilt nicht für einen dicken Abschnitt. Ergebnis: Der Sicherheitsfaktor fällt geringer aus als erwartet. Die richtige Einstellung besteht darin, den Wert dem Materialdatenblatt (Werkszertifikat) und ggf. dem Zugversuch nach ISO 6892 zu entnehmen.

Fall 2 – Nicht vorhandene Standardklausel. Ein Ingenieur befragt die KI nach der Einschlussgrenze von Edelstahl. AI sagt „maximal 2,5 gemäß ASTM E45 Abschnitt 7.3“. Der Ingenieur verfasst den Bericht entsprechend. Bei der Inspektion durch den Kunden stellt sich heraus, dass die Artikelnummer gefälscht ist und die Norm eine solche Klausel nicht enthält. Die richtige Einstellung besteht darin, die aktuelle Version des Standards aus der offiziellen Quelle zu öffnen und den Artikel zu bestätigen. Die KI kann die Artikelnummer halluzinieren, selbst wenn sie den Standardnamen richtig kennt.

Fall 3 – Richtige Verwendung. Ein Schadensanalyseteam untersucht ein Foto der gebrochenen Oberfläche einer gebrochenen M20-Schraube. Sie bitten die KI, „die typischen Unterschiede in der Bruchfläche eines Ermüdungsrisses und eines Sprödbruchs aufzulisten und mir zu sagen, worauf ich jeweils im Rasterelektronenmikroskop (REM) achten sollte.“ KI erklärt systematisch Strandmarkierungen, Schlieren (Ermüdungslinien) und die Unterscheidung zwischen Grübchen und Spaltungen. Das Team sucht mit REM nach diesen Spuren, findet die Schlieren und stellt anhand des Gerätebildes die Diagnose. Hier wurde KI richtig eingesetzt: Die Informationen organisiert, das Labor die Entscheidung getroffen.

Kopierbare Eingabeaufforderungsvorlagen

Sie können die folgenden Vorlagen verwenden, indem Sie sie an Ihr eigenes Unternehmen anpassen. In jedem von ihnen gibt es die bewusste Anweisung, „eine genaue Zahl anzugeben, die Quelle anzugeben, die Unsicherheit zu erklären“.

VORLAGE FÜR ROLLE UND GRENZEN „Rolle: Sie sind ein erfahrener Assistent eines metallurgischen Ingenieurs. Aufgabe: [Schreiben Sie den Betreff auf]. Regeln: Wenn Sie den genauen Zahlenwert angeben, geben Sie die QUELLE an. Wenn Sie sich nicht sicher sind, sagen Sie „muss überprüft werden“. Wenn Sie den Standardartikel angeben, geben Sie ihn zusammen mit der Version an, aber denken Sie daran, dass er von der offiziellen Quelle bestätigt werden sollte. Schreiben Sie am Ende der Antwort Punkt für Punkt, „was durch Experimente überprüft werden muss“.“

VORLAGE ZUR HYPOTHESENERSTELLUNG „Erstellen Sie eine systematische Liste möglicher Grundursachen für das folgende Problem: [Beschreiben Sie das Problem; Material, Prozess, Beobachtung]. Für jede Hypothese: (1) welche Beweise sie stützen, (2) welcher Test durchgeführt werden sollte, um sie zu bestätigen/zu widerlegen. Stellen Sie KEINE endgültige Diagnose, erstellen Sie einfach eine Forschungs-Roadmap.“

VORLAGE FÜR ÜBERPRÜFUNGS-CHECKLISTE „Listen Sie JEDEN numerischen Wert und JEDE Standardreferenz im Ausgabe-/Berichtsentwurf unten auf. Geben Sie für jeden Wert an, aus welcher Quelle (Mühlenzertifikat, Standardtext, Testbericht) er überprüft werden soll. Sammeln Sie diejenigen mit unsicherer Herkunft unter einer separaten Überschrift „Erst verfügbar bis zur Überprüfung“. Text: [Einfügen].“

VORLAGE FÜR ANONYMISIERUNG VORPRÜFUNG „Bevor Sie den folgenden Text an ein KI-Tool übergeben, kennzeichnen Sie die Teile, die Geschäftsgeheimnisse oder persönliche Daten enthalten: Legierungsrezeptverhältnisse, Kundenname, vertrauliche Parameter für Prozesstemperatur/-zeit, Personalnamen. Schlagen Sie vor, wie ich diese anonymisieren kann. Text:[Einfügen].“

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Die gleiche Frage auf zwei Arten zu stellen, wird zu sehr unterschiedlichen Ergebnissen führen.

SCHWACHE AUFFORDERUNG: „Sagen Sie mir die Eigenschaften von 4140-Stahl.“

STARKE AUFFORDERUNG: „Rolle: Sie sind ein stellvertretender Wärmebehandlungsingenieur. Erklären Sie, WAS sich auf die Streckgrenze beim Abschrecken und Anlassen von AISI 4140-Stahl auswirkt (Anlasstemperatur, Abschnittsdicke/Härtbarkeit, Austenitisierungstemperatur). Geben Sie keine einzige GENAUE Zahl an, sondern vielmehr, in welchem Bereich der Wert variieren kann und welchen Test ich gemäß welcher Norm (z. B. Zugversuch nach ISO 6892) durchführen muss, um den korrekten Wert zu erhalten. Bitte geben Sie deutlich an, wo Sie sich befinden nicht sicher.“

Die schlechte Eingabeaufforderung gibt normalerweise eine nutzlose, oberflächliche Liste und möglicherweise erfundene Zahlen zurück. Leistungsstarke Eingabeaufforderung; Es weist eine Rolle zu, setzt Grenzen („Angabe einer genauen Zahl“), erfordert ein Mittel zur Überprüfung und legt Unsicherheit offen. In diesem Modul werden Sie das Muster „starke Aufforderung“ sehen, das auf jede Einheit angewendet wird.

Ethik, Privatsphäre und Verantwortung

Metallurgische Daten sind oft vertraulich: Legierungsrezepte von Kunden, patentierte Prozessparameter, Ergebnisse der Schadensanalyse, Spezifikationen der Verteidigungsindustrie. Ihre Einbindung in einen öffentlichen KI-Dienst könnte ein Geschäftsgeheimnis und eine Vertragsverletzung darstellen; Es besteht auch das Risiko, dass Daten das Training des Modells beeinträchtigen.

• Geben Sie Zusammenstellungen, Rezepte und Zeichnungen des Unternehmens/Kunden nicht ohne Genehmigung in den externen Dienst ein.
• Anonymisieren Sie Datensätze mit personenbezogenen Daten (Betreibernamen, Registrierungsnummern).
• Halten Sie die Unternehmensrichtlinien und alle lokalen oder vertraglich vereinbarten KI-Tools des Unternehmens ein.
• Geben Sie im Bericht transparent an, dass Sie KI verwenden; Machen Sie deutlich, dass die endgültige Entscheidung auf Ihrem technischen Urteil basiert.
• Unterschrift und Verantwortung liegen stets beim autorisierten Techniker; KI-Output ist keine Rechtfertigung.

Achtung: „Das hat die KI gesagt“ ist keine technische Begründung. Bei einem Schadensbericht, einer Materialauswahl oder einer Konformitätsentscheidung sollten Normen, Prüfungen und Berechnungen Ihre Grundlage sein; KI ist das Werkzeug, das diese am besten organisiert. Bei sicherheitskritischen Arbeiten ist die KI-Ausgabe kein Ersatz für die Genehmigung eines qualifizierten Ingenieurs.

Häufige Fehler

• Verwendung des von der KI vorgegebenen numerischen Werts (Merkmal, Grenzwert, Zusammensetzung) ohne Experimente und Referenz.
• Standardartikelnummern in den Bericht schreiben, ohne diese zu bestätigen.
• Eingabe vertraulicher Kunden-/Firmendaten in die öffentliche KI.
• Die KI fragen „Was ist die Störung?“, ohne die Anlagendaten anzugeben und die allgemeine Antwort mit einer Diagnose zu verwechseln.
• Verwendung der KI-Ausgabe als abschließendes Dokument bei kritischen Entscheidungen unter Umgehung der Genehmigung durch den Ingenieur.
• Unsicherheit ignorieren: Den selbstbewussten Ton der KI mit Genauigkeit verwechseln.

Zusammenfassend

KI ist ein leistungsstarker Beschleuniger in der Metallurgie und Werkstofftechnik: Sie erklärt Konzepte, generiert Hypothesen, entwirft und schreibt Code. Aber Zahlenwerte bergen bei Standardangelegenheiten und sicherheitskritischen Entscheidungen die Gefahr der Halluzination. Klassifizieren Sie Aufgaben nach Risikostufe, überprüfen Sie jede Ausgabe im Standard-Labor-Konto-Dreieck, wahren Sie die Vertraulichkeit und behalten Sie stets die Verantwortung beim autorisierten Techniker. Der Rest des Moduls wendet dieses Prinzip auf jede konkrete Aufgabe an.

Anwendungsaufgabe

Wählen Sie fünf typische Aufgaben aus Ihrer eigenen Arbeit (oder einem Beispielprojekt) aus: zum Beispiel „Materialauswahl“, „Schadensgutachten erstellen“, „Normenabfrage“, „Mikrostrukturinterpretation“, „Berechnungsskript“. Klassifizieren Sie sie gemäß der Risikotabelle oben als „Niedrig/Mittel/Hoch/Kritisch“ und schreiben Sie in einem Satz, wie Sie die KI-Ausgabe für jede einzelne überprüfen werden (welcher Standard, welcher Test, wessen Genehmigung). Versuchen Sie dann, die Vorlage „ROLLE UND GRENZE“ an eine dieser Aufgaben anzupassen.

Checkliste

• [ ] Ich habe die Mission nach Risikostufe klassifiziert (Niedrig/Mittel/Hoch/Kritisch).
• [ ] Ich habe der KI die Rolle, die Einschränkung und die Anweisung „Genaue Zahl angeben/Quelle angeben“ gegeben.
• [ ] Ich habe jeden numerischen Wert und jedes Standardelement aus unabhängigen Quellen überprüft.
• [ ] Ich habe keine vertraulichen/personenbezogenen Daten in einen externen Dienst eingegeben oder diese anonymisiert.
• [ ] Ich habe die endgültige Entscheidung auf Maß und Standard gestützt und nicht auf KI als Begründung zurückgegriffen.
• [ ] Die Verantwortung und Unterschrift habe ich dem autorisierten Techniker überlassen.