Beschleunigtes Materialdesign durch künstliche Intelligenz im Forschungsdatenmanagement

Am Beispiel von Polyurethanschaumstrukturen entwickelt diese Arbeit einen modularen, FAIRen Workflow für datengetriebene Materialentwicklung. Über KI-basierte Segmentierung, generative 3D-Modelle und Simulationen werden mikrostrukturelle Eigenschaften automatisiert analysiert und mechanische Kennwerte zuverlässig vorhergesagt. Die generischen Workflows und eine transparente Datenverwaltung beschleunigen den Entwicklungsprozess und lassen sich flexibel auf andere Materialien übertragen.

Using the example of polyurethane foam structures, this work develops a modular, FAIR workflow for data-driven materials development. Through AI-based segmentation, generative 3D models, and simulations, microstructural properties are automatically analysed and mechanical characteristics are reliably predicted. The generic workflows and transparent data management accelerate the development process and can be flexibly applied to other materials.