nach oben
Meine Merkliste
Ihre Merklisteneinträge speichern
Wenn Sie weitere Inhalte zu Ihrer Merkliste hinzufügen möchten, melden Sie sich bitte an. Wenn Sie noch kein Benutzerkonto haben, registrieren Sie sich bitte im Hanser Kundencenter.

» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.
Ihre Merklisten
Wenn Sie Ihre Merklisten bei Ihrem nächsten Besuch wieder verwenden möchten, melden Sie sich bitte an oder registrieren Sie sich im Hanser Kundencenter.
» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.

« Zurück

Ihre Vorteile im Überblick

  • Ein Login für alle Hanser Fachportale
  • Individuelle Startseite und damit schneller Zugriff auf bevorzugte Inhalte
  • Exklusiver Zugriff auf ausgewählte Inhalte
  • Persönliche Merklisten über alle Hanser Fachportale
  • Zentrale Verwaltung Ihrer persönlichen Daten und Newsletter-Abonnements

Jetzt registrieren
English
Merken Gemerkt
02.08.2017

Innovative Materialien mit Big Data

Datengetriebene Materialwissenschaft bündelt Kräfte

Vielversprechendes Datenmaterial: In BigMax möchten Max-Planck-Forscher die Ergebnisse von Messungen und Berechnungen der Strukturen und Eigenschaften unzähliger Materialien zusammentragen, um sie nach Mustern zu durchsuchen und so einfacher als bisher den besten Werkstoff für einen bestimmten Zweck identifizieren (© Mopic/shutterstock)

Vielversprechendes Datenmaterial: In BigMax möchten Max-Planck-Forscher die Ergebnisse von Messungen und Berechnungen der Strukturen und Eigenschaften unzähliger Materialien zusammentragen, um sie nach Mustern zu durchsuchen und so einfacher als bisher den besten Werkstoff für einen bestimmten Zweck identifizieren (© Mopic/shutterstock)

Wie sollte man eine Oberfläche beschichten, um einen bestmöglichen Hitzeschutz zu erreichen? Oder welches wäre der beste Katalysator für eine konkrete chemische Reaktion? Um auf solche Fragen von Materialwissenschaftlern künftig einfacher Antworten zu finden, wollen Forscher aus zwölf Einrichtungen der Max-Planck-Gesellschaft die Analyse großer Datenmengen vorantreiben. Zu diesem Zweck kooperieren sie im BigMax (MaxNet on Big-Data-Driven Materials Science).

Mehrdimensionaler Materiallandkarte

Wer nach einem neuen Material für einen bestimmten Zweck sucht, ist bislang in der Regel auf Experimente an ausgewählten Werkstoffen angewiesen. Und weiß dann doch nie, ob es nicht vielleicht eine noch bessere Lösung gibt. Wie praktisch wäre es da, wenn man einfach in eine Tabelle schauen könnte, um das für den jeweiligen Zweck optimale Material zu finden?

Doch bis dahin ist es noch ein weiter Weg. „Bisher sind allein rund 240.000 anorganische Materialien bekannt, aber manche Eigenschaften kennen wir nicht mal von 100 dieser Stoffe“, sagt Matthias Scheffler, Direktor am Berliner Fritz-Haber-Institut der Max-Planck-Gesellschaft. Der Theoretische Physiker ist sicher, dass die überall anfallenden großen Datenmengen („Big Data“) helfen können, einer solchen Tabelle oder einer Art mehrdimensionaler Materiallandkarte näherzukommen.

Muster aus großen Datenmengen

Scheffler ist Mitinitiator des institutsübergreifenden BigMax-Bündnisses, das die zum Teil schon vorhandenen Datenmengen auf neue Weise nutzbar machen soll. An der Kooperation beteiligen sich neben dem Fritz-Haber-Institut noch elf weitere MPG-Einrichtungen, darunter das Max-Planck-Institut für Polymerforschung, Mainz.

Ein zentrales Ziel des neuen Bündnisses: Die Datenmengen auf besondere Strukturen oder Muster zu untersuchen, die es dann erlauben, neben den bisherigen noch weitere, völlig neue Informationen zu bekommen, so etwa wie Epidemieforscher aus Nutzeranfragen in Internetsuchmaschinen herauslesen können, in welchen Regionen gerade eine Grippe auftritt und sogar ihren weiteren Verbreitungsweg vorhersagen können. Man müsse das Muster in den Datenmengen nur erkennen, so Scheffler.

Neues Paradigma der Materialwissenschaften

Dass künftig auch Materialforscher in ihrem vorhandenen Datenmaterial auf neue Erkenntnisse stoßen, ist daher eine der Hoffnungen der nun kooperierenden Max-Planck-Wissenschaftler. Das Netzwerk will die gemeinsamen Aktivitäten auf fünf verschiedene Themengebiete konzentrieren. Dabei geht es darum,

  • Polymerwerkstoffe mit gewünschten Eigenschaften gezielt zu designen,
  • die Eigenschaften von Metallen und Legierungen theoretisch vorhersagbar zu machen,
  • die kausalen Zusammenhänge zwischen Materialeigenschaften und Datenstrukturen zu ermitteln,
  • datendiagnostische Methoden zu entwickeln, um experimentelle Messdaten noch schneller in Bildinformationen zu überführen sowie
  • eine schon begonnene Materials Encyclopedia weiterzuentwickeln. Zu den bislang ausschließlich theoretisch berechneten Einträgen des Novel Materials Discovery Laboratory (Nomad Center of Excellence) sollen im Rahmen von BigMax jetzt auch experimentelle Daten kommen.

Bis sich der Traum der mehrdimensionalen Materiallandkarte erfüllt, in der man einfach nur noch nachschaut, welchen Stoff man gerade am besten einsetzen sollte, ist es noch ein weiter Weg. Dass Big Data dabei hilft, dem Ziel näherzukommen, steht für Scheffler außer Frage. Er sieht hier ein neues Paradigma in den Materialwissenschaften:

Strukturen und Muster statt Versuch und Irrtum

„Bisher haben Forscher gezielt ausgesuchte Systeme untersucht und dazu, basierend auf einem allgemeinen theoretischen Verständnis, Modelle entwickelt“, so Scheffler. „Ich glaube, dass mit Big-Data-Analysen die Aufgabe künftig vor allem darin besteht, in großen Datenmengen nach Strukturen und Mustern zu suchen. Und wenn wir dann die Gleichungen haben, um diese zu beschreiben, können wir diese auch auf solche Materialien anwenden, die wir noch gar nicht analysiert haben.“

Wenn es eines Tages tatsächlich gelänge, Materialeigenschaften theoretisch herzuleiten, dann hätte das für Peter Benner noch einen weiteren Vorteil. „Das Geld und die Zeit für manches Experiment ließen sich dann einsparen“, so der Mathematiker vom Magdeburger Max-Planck-Institut für Dynamik komplexer technischer Systeme die Fachgruppe „Computational Methods in Systems and Control Theory“ leitet. Und auch die Geduld der Forscher würde dann weniger strapaziert, die sich manchem Erfolg derzeit nach der mühsamen Versuch-und-Irrtum-Methode annähern müssen. (kk)

Diese Beiträge könnten Sie auch interessieren
keine Kommentare
Diesen Artikel kommentieren





Über die Verarbeitung Ihrer personenbezogenen Daten zum Zweck der Kommentierung von Inhalten informiert Sie unsere Datenschutzerklärung.
Newsletter

Sie wollen keine Kunststoffe-News verpassen?
Hier kostenlos anmelden


Beispiel-Newsletter ansehen

Marktbarometer

Erfahren Sie in unserem monatlichen Marktbarometer, wie sich die Kunststoff-Branche entwickelt.


Zum Marktbarometer

Kunststoffe im Automobil

Zum Special