KI in Materialauswahl- und Entscheidungsunterstützungssystemen

Gewinne:

• Fähigkeit, das Materialauswahlproblem mit Anforderungen, Einschränkungen und Leistungsindizes zu strukturieren und der KI genau zu beschreiben
• Möglichkeit, KI als Hypothesengenerator beim Vergleich von Kandidatenmaterialien mit dem Ashby-Ansatz und der gewichteten Entscheidungsmatrix zu verwenden
• Möglichkeit, jeden Material- und Merkmalswert, den AI empfiehlt, anhand von Datenblättern, Standards und Kosten-/Lieferfakten zu überprüfen

Die Materialauswahl ist die sichtbarste und verantwortungsvollste Aufgabe des Metallurgie- und Werkstoffingenieurs. Aluminium, Kohlefaser oder Stahl für einen Fahrradrahmen; 316er Edelstahl oder Duplex-Edelstahl für eine Pumpenwelle; Welcher Werkzeugstahl für ein Warmgesenk? Diese Entscheidungen erfordern die gleichzeitige Abwägung Dutzender widersprüchlicher Randbedingungen wie Festigkeit, Gewicht, Korrosion, Temperatur, Bearbeitbarkeit, Kosten und Angebot. Künstliche Intelligenz (Systeme, die Text und Zahlen verarbeiten und Vorschläge machen) beschleunigt den Prozess der Erstellung einer Kandidatenliste, der Erstellung einer Vergleichsmatrix und des Verfassens der Begründung. Aber erst Datenblatt, Norm und ggf. Prüfung beweisen, dass das von Ihnen gewählte Material wirklich geeignet ist. In dieser Einheit lernen Sie, wie Sie mit KI diszipliniert die Materialauswahl durchführen.

Das Problem der Materialauswahl richtig feststellen

Eine schlechte Materialwahl ist oft nicht auf ein schlechtes Modell zurückzuführen, sondern auf ein schlecht definiertes Problem. Es ist sinnlos, die KI zu fragen: „Was ist das beste Material?“ denn „am besten“ hängt davon ab, welche Funktion unter welcher Einschränkung ausgeführt wird. Ein solides Materialauswahlproblem wird durch diese vier Komponenten definiert:

• Funktion: Was wird das Stück tun? (Z. B. eine Stange, die eine axiale Last trägt, ein Gefäß, das Druck widersteht.)
• Einschränkungen: Grenzwerte, die nicht überschritten werden dürfen. (z. B. Streckgrenze ≥ 350 MPa, Betriebstemperatur 200 °C, Salzwasserbeständigkeit.)
• Ziel: Was werden wir minimieren/maximieren? (Z. B. Gewicht minimieren, Kosten minimieren.)
• Freie Variable: Was können wir wählen? (Material und oft eine Dimension, z. B. Abschnitt.)

Dieses Rahmenwerk ist die Grundlage für Ashbys Materialauswahlansatz. Ein Leistungsindex ist ein Ausdruck, der die Kombination von Materialeigenschaften angibt, die einen bestimmten Zweck am besten erfüllt. Beispielsweise wird ein Index wie die spezifische Festigkeit für den leichtesten Balken mit einer bestimmten Steifigkeit verwendet. Angesichts der Funktion und Einschränkungen hilft Ihnen die KI dabei, den korrekten Leistungsindex abzuleiten und Kandidatenmaterialklassen einzustufen. Überprüfen Sie jedoch unbedingt die physische Ableitung des Index, den sie ableitet.

Schritt für Schritt: KI-gestützte Materialauswahl

1. Schreiben Sie die Anforderungen auf: Funktion, Einschränkungen, Zweck, freie Variable. Lass es numerisch und messbar sein.
2. Identifizieren Sie Kandidatenklassen: Bitten Sie die KI, die Materialklassen (Stähle, Edelstahl, Aluminiumlegierungen, Titan, Polymere, Verbundwerkstoffe) aufzulisten und deren Eignung für diese Funktion zu begründen.
3. Mit Einschränkung eliminieren: Sorten entfernen, die die Einschränkungen nicht erfüllen (z. B. eliminiert die Korrosionsbeschränkung Kohlenstoffstahl).
4. Nach Leistungsindex sortieren: Sortieren Sie die verbleibenden Kandidaten nach Zweck (Leichtigkeit, Kosten).
5. Richten Sie eine Entscheidungsmatrix ein: Vergleichen Sie die endgültigen Kandidaten anhand einer gewichteten Bewertungstabelle.
6. Überprüfen: Eigenschaftswerte des ausgewählten Materials aus Datenblatt/Norm entnehmen, Lieferung und Kosten bestätigen, ggf. Muster testen.

Tipp: Nehmen Sie niemals die von der KI vorgegebenen Materialeigenschaften als Endwerte. Auch wenn AI sagt „Die Streckgrenze von 6061-T6-Aluminium beträgt 276 MPa“, variiert der tatsächliche Wert je nach Härtezustand, Halbzeugform (Platte, Stange, Strangpressteil) und Abschnittsdicke. Bestätigen Sie den Wert aus dem EN/ASTM-Datenblatt.

Gewichtete Entscheidungsmatrix

Die gewichtete Entscheidungsmatrix ist eine transparente und vertretbare Methode bei der Auswahl der endgültigen Kandidaten. Jedem Kriterium wird ein Wichtigkeitsgewicht zugewiesen, jeder Kandidat wird für jedes Kriterium bewertet und die gewichtete Summe wird berechnet. Unten sehen Sie ein Beispiel für einen Seewasserpumpenschacht (Bewertung 1–5, Summe der Gewichte 1,0).

Kriterium

Gewicht

316L Edelstahl

Duplex 2205

Ni-Al-Bronze

Korrosionsbeständigkeit (Meerwasser)

0,35

3

5

4

Streckgrenze

0,25

3

5

3

Bearbeitbarkeit

0,15

4

3

4

Kosten (niedriger ist besser)

0,15

4

3

2

Liefer-/Vorlaufzeit

0,10

5

3

3

gewichtete Summe

1,00

3.40

4.30

3.45

Diese Tabelle hebt Duplex 2205 hervor; Aber die Tabelle ist keine Entscheidung, sie ist ein Diskussionsgrund. Sie bestimmen die Gewichte und Punkte; KI berechnet diese regelmäßig und schreibt die Begründung. Die Grundlage für die Bewertungen (PREN-Wert für Korrosion, Standardminimum für Festigkeit) muss überprüft werden.

drei Mini-Koffer

Fall 1 – Falsches Temperament, falsche Stärke. Ein Designer fragt AI nach der „Streckgrenze von 6061-Aluminium“ für eine Halterung; AI sagt „276 MPa“. Der Konstrukteur verwendet diesen Wert, aber das gelieferte Material ist im T4-Temper und hat eine Streckgrenze von nur ~145 MPa. Das Teil verformt sich dauerhaft, wenn die Belastung geringer als erwartet ist. Lektion: Der Immobilienwert hängt vom Zustand des Materials ab (T4/T6); Der von AI angegebene Wert ist ohne Angabe des Härtegrades bedeutungslos und muss anhand des Datenblattes bestätigt werden.

Fall 2 – Korrekte Eliminierung. Ein Team bittet AI um eine Kandidatenliste für einen Ventilkörper, der bei 6 bar Druck und ständigem Salzwasserkontakt arbeitet. AI eliminiert Kohlenstoffstahl und niedriglegierte Stähle aufgrund der Korrosionsbegrenzung; 316L empfiehlt Duplex und Bronze und erläutert jeweils das PREN-Konzept (Pitting Resistance Equivalent Number). Das Team akzeptiert diese vorläufige Überprüfung, trifft die endgültige Entscheidung jedoch auf der Grundlage der tatsächlichen Chlorkonzentrations- und Temperaturkorrosionstestdaten. KI eliminiert und experimentiert.

Fall 3 – Die Realität der Kosten. Für ein Produkt empfiehlt AI Titan Ti-6Al-4V; Es ist hervorragend in Bezug auf Leichtigkeit und Korrosion. Der Kontext, dass das Teil in einer jährlichen Stückzahl von 50.000 Einheiten produziert wird und ein Preisdruck besteht, ist jedoch nicht gegeben. Die Kosten pro Kilogramm und die Verarbeitungsschwierigkeiten von Titan machen das Produkt kommerziell nicht realisierbar. Das Team fügt Kontext hinzu und fragt erneut; Diesmal wird ein kostengünstiger Edelstahl gewählt. Lektion: Wenn Sie Kosten- und Herstellbarkeitsbeschränkungen nicht von Anfang an angeben, wird die KI technisch korrekte, aber kommerziell falsche Ratschläge geben.

Kopierbare Eingabeaufforderungsvorlagen

VORLAGE FÜR DEN RAHMEN FÜR DIE MATERIALAUSWAHL „Rolle: Sie sind der stellvertretende Spezialist für die Materialauswahl. Teil: [Beschreibung]. Füllen Sie den folgenden Rahmen aus: - Funktion: [...] - Einschränkungen (numerisch): [Festigkeit, Temperatur, Korrosion, Gewicht ...] - Zweck: [zu minimieren: Gewicht/Kosten] - Freie Variable: [Material + Abschnitt] Leiten Sie den entsprechenden Leistungsindex entsprechend ab und zeigen Sie ihn SCHRITT FÜR SCHRITT an. Geben Sie die Eigenschaftswerte mit der Quelle an und fügen Sie die Warnung „Muss aus Datenblatt überprüfen“ hinzu.“

KANDIDATEN-SCREENING-VORLAGE „Unterzeichnen und begründen Sie Materialklassen, die die folgenden Einschränkungen nicht erfüllen: [Einschränkungen auflisten]. Sortieren Sie die verbleibenden Kandidaten nach Zweck. Geben Sie an, nach welcher Norm (z. B. EN, ASTM) jeder Kandidat definiert ist. Geben Sie keine genauen Eigenschaftsnummern an; geben Sie den Bereich und die Bewertung „muss überprüft werden“ an.“

VORLAGE FÜR EINE ENTSCHEIDUNGSMATRIX „Erstellen Sie eine gewichtete Entscheidungsmatrix für die folgenden Kandidaten: [Kandidaten]. Meine Kriterien und Gewichtungen: [Kriterien=Gewichtungsliste]. Bewerten Sie jeden Kandidaten mit 1–5 Punkten und schreiben Sie die BASIS jeder Bewertung (welches Merkmal, welche Quelle) in einem Satz. Berechnen Sie die gewichtete Summe und geben Sie das Ergebnis als Tabelle an. Markieren Sie die Bewertungsgrundlagen als „muss überprüft werden“.

KORROSIONSVERTRÄGLICHKEITSVORLAGE „Umgebung: [Temperatur, Chlor-/Säurekonzentration, pH-Wert]. Erläutern Sie die PREN-Begründung für den in Frage kommenden Edelstahl und geben Sie an, durch welchen Test (z. B. ASTM G48-Grubentest) er überprüft werden sollte. Schließen Sie die Materialauswahl nicht ohne Tests ab, sondern listen Sie einfach die Kandidaten auf.“

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

SCHWACHE PROMPT: „Was ist das beste Material für einen Pumpenschaft für den Einsatz im Meerwasser?“

STARKE AUFFORDERUNG: „Rolle: Sie sind der Experte für die Materialauswahl. Teil: Welle einer Meerwasser-Kreiselpumpe. Einschränkungen: kontinuierlicher Kontakt mit Meerwasser (~20.000 ppm Chlorid, 25–40 °C), Streckgrenze ≥ 450 MPa, Ermüdungsbelastung verfügbar, Bearbeitung durch Drehmaschine, 300 Stück pro Jahr. Zweck: Minimierung der Lebenszeitkosten. Behandeln Sie in Frage kommende Edel- und Bronzen gemäß EINSCHRÄNKUNGEN und sortieren Sie sie; schreiben Sie auf, welcher Standard und welche Verifizierungsprüfung durchgeführt werden soll ist jeweils erforderlich. Geben Sie die Eigenschaftswerte mit der Quelle an und schließen Sie sie ab.

Leistungsstarke Eingabeaufforderung; Es gibt die Umgebung numerisch an, legt eine Festigkeitsbeschränkung fest, gibt die Produktionsmenge und das Kostenziel an und fordert den Verifizierungstest an. So erstellt KI eine Liste mit Kandidaten, die sowohl kommerziell als auch technisch geeignet sind.

Häufige Fehler

• Nach dem „besten Material“ fragen, ohne die Funktion und Einschränkungen zu quantifizieren.
• Abrufen des Eigenschaftswerts ohne Angabe des Zustands des Materials (Beschaffenheit, Form, Querschnitt).
• Die Kosten-, Liefer- und Herstellbarkeitsbeschränkungen werden nicht in einen Kontext gesetzt.
• Die physische Ableitung des Leistungsindex, den die KI ableitet, wird nicht kontrolliert.
• Das Ergebnis als endgültig betrachten, ohne die Grundlage für die Bewertungen in der Entscheidungsmatrix zu überprüfen.
• Bestätigung umweltabhängiger Entscheidungen wie Korrosion ohne Experimente.

Zusammenfassend

Bei der Materialauswahl ist KI ein leistungsstarkes Werkzeug zur Entscheidungsunterstützung, sobald die Funktion und die Einschränkungen geklärt sind: Sie erstellt eine Kandidatenliste, leitet einen Leistungsindex ab, erstellt eine Entscheidungsmatrix und schreibt eine Begründung. Allerdings muss jeder Eigenschaftswert anhand des Datenblatts und der Norm überprüft werden, und jede kritische Entscheidung über Korrosion/Beständigkeit muss durch Experimente überprüft werden. Das Problem im Rahmen einer funktionseinschränkungs-objektivfreien Variablen zu formulieren, ist die halbe gute Wahl.

Anwendungsaufgabe

Wählen Sie ein reales oder fiktives Teil (z. B. ein äußeres Befestigungselement). Schreiben Sie die Funktion, die Einschränkungen, das Ziel und die freie Variable numerisch. Fordern Sie eine Kandidatenliste und einen Leistungsindex von AI mit der Vorlage „MATERIAL SELECTION FRAMEWORK“ an. Dann füllen Sie die Vorlage „ENTSCHEIDUNGSMATRIX“ mit mindestens drei Kandidaten aus. Schreiben Sie abschließend in einem Absatz, welche Norm und welchen Test Sie verwenden, um die Streckgrenze und das Korrosionsverhalten des von Ihnen gewählten Materials zu überprüfen.

Checkliste

• [ ] Ich habe die Funktion, die Einschränkungen, den Zweck und die freie Variable numerisch definiert.
• [ ] Ich habe Klassen, die die Einschränkungen nicht erfüllten, mit Begründung eliminiert.
• [ ] Ich habe die Eigenschaftswerte durch Angabe des Materialzustands (Temperament/Form) erhalten.
• [ ] Ich habe die Grundlage für die Entscheidungsmatrix-Scores notiert.
• [ ] Ich setze Kosten, Angebot und Herstellbarkeit in einen Kontext.
• [ ] Ich habe einen Plan erstellt, um die Auswahl anhand des Datenblatts, des Standards und der erforderlichen Experimente zu überprüfen.