[et_pb_section fb_built=”1″ _builder_version=”3.22″ global_colors_info=”{}”][et_pb_row _builder_version=”3.25″ background_size=”initial” background_position=”top_left” background_repeat=”repeat” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”3.25″ custom_padding=”|||” global_colors_info=”{}” custom_padding__hover=”|||”][et_pb_text _builder_version=”4.14.4″ background_size=”initial” background_position=”top_left” background_repeat=”repeat” global_colors_info=”{}”]<\/p>\n
Rund 160 Teilnehmende folgten der Einladung des\u00a0Instituts f\u00fcr Materialforschung (IMFAA)<\/a>\u00a0<\/span>und besuchten den 3. Aalener Materialmikroskopietag in der Aula der Hochschule Aalen. Die Vortr\u00e4ge rund um das Motto \u201eMachine Learning und K\u00fcnstliche Intelligenz f\u00fcr die Materialmikroskopie\u201c boten neue Einsichten, Praxisberichte und viel Stoff und Anregungen f\u00fcr Ideen und Diskussionen.<\/p>\n \u201eMachine Learning kann, soll und wird den Menschen in der Materialmikroskopie nicht ersetzen.\u201c Diesem einstimmigen Fazit des 3. Aalener Materialmikroskopietags gingen umfassende Vortr\u00e4ge und Beispiele aus der Praxis voraus. Rektor und Mitglied der IMFAA-Institutsleitung,\u00a0<\/span>Professor Dr. Gerhard Schneider<\/a>\u00a0<\/span>begr\u00fc\u00dfte die teilweise sogar aus den Niederlanden und Korea angereisten Teilnehmenden. In seinen einleitenden Worten wies er auf die zuk\u00fcnftige und herausragende Bedeutung von Machine Learning (ML) und k\u00fcnstlicher Intelligenz (KI) in der Forschung, Entwicklung und Qualit\u00e4tsbewertung von Materialien hin.<\/p>\n Die Vortr\u00e4ge begannen mit Professor Dr. Michael Totzeck. Machine Learning werde die hochkomplexen ZEISS-Produkte und somit auch die Kunden zuk\u00fcnftig signifikant unterst\u00fctzen, stellte der Referent der\u00a0<\/span>Carl Zeiss AG<\/a>\u00a0<\/span>fest. Seine praxisnahen Anwendungsbeispiele f\u00fchrten die Teilnehmenden direkt in das Thema ein. Sein Fazit: Das Sammeln von Daten und der konsequente Einsatz des maschinellen Lernens haben gerade erst begonnen. Im Anschluss pr\u00e4sentierten Joshua Roth und Konstantin Jatzek von\u00a0<\/span>Mapal<\/a>\u00a0<\/span>die Bewertung von Werkzeugschneiden und gingen auf L\u00f6sungsans\u00e4tze beim Einsatz von KI bei Mapal ein. Dass KI-Systeme bereits heute in anspruchsvollen Spezialaufgaben deutlich bessere und zuverl\u00e4ssigere Ergebnisse als menschliche Experten liefern, konnte\u00a0<\/span>Professor Dr. Ricardo B\u00fcttner\u00a0<\/span>von der Hochschule Aalen anhand von Beispielen der Objekterkennung und sogar medizinischen Diagnosen zeigen. Die Zukunft und Potenziale von KI-Systemen sind noch nicht absehbar, aber, so B\u00fcttner, schon jetzt eine der interessantesten technologischen Entwicklungen. Was bereits heute mittels k\u00fcnstlicher Intelligenz an konkreten Probleml\u00f6sungen in der Mikroskopie erbracht werden kann, zeigte\u00a0<\/span>Dr. Timo Bernthaler<\/a>\u00a0<\/span>vom IMFAA. Beispielsweise k\u00f6nnen sicherheitskritische Risse in Bauteilen entdeckt, komplexe Kornstrukturen in Metalllegierungen gemessen oder Eigenschaften wie etwa die H\u00e4rte aus der Gef\u00fcgestruktur bei St\u00e4hlen vorhergesagt werden. \u201eEs ist faszinierend, wie Machine Learning die Mikroskopie revolutioniert. Die Reise ist noch lange nicht zu Ende\u201c, meinte Bernthaler.<\/p>\n Der Nachmittag wurde von Doktoranden des IMFAA und der Machine Learning Group gestaltet. In ihren Beitr\u00e4gen gingen die Nachwuchswissenschaftler tiefer auf Anwendungsf\u00e4lle von Machine Learning in der Mikroskopie und der zerst\u00f6rungsfreien R\u00f6ntgenpr\u00fcfung ein und zeigten dabei, dass Machine Learning den Menschen oft einen Schritt voraus ist. Den Anfang machte\u00a0<\/span>Andreas Jansche<\/a>, der sich mit den Herausforderungen der Digitalisierung in der Mikroskopie besch\u00e4ftigte. Er zeigte unter anderem, wie gro\u00dfe hochaufgel\u00f6ste mikroskopische Bilder einer Lithium-Ionen Zelle f\u00fcr ein Automobil effizient ausgewertet und die Daten mittels Machine Learning verwaltet werden k\u00f6nnen. Die Vorteile von Machine Learning in puncto Robustheit und Reproduzierbarkeit sowie die M\u00f6glichkeiten zur Analyse komplexer Werkstoffe, waren Thema des Vortrags von\u00a0<\/span>Amit Kumar Choudhary<\/a>. Er zeigte L\u00f6sungen zur quantitativen Analyse der f\u00fcr die magnetischen Eigenschaften wichtigen Korn- und Dom\u00e4nenstruktur in Sintermagneten f\u00fcr elektrische Maschinen. Auch gelang es ihm, bei der Messung von Verunreinigungen in St\u00e4hlen die eigenschaftsrelevanten Einschl\u00fcsse deutlich besser zu erfassen.\u00a0<\/span>Daniel Sauter<\/a>\u00a0<\/span>pr\u00e4sentierte, wie mittels tiefer neuronaler Netze \u2013 dem sogenannten Deep Learning \u2013 sicherheitsrelevante Fehler in R\u00f6ntgenbildern von Turbinenschaufeln in Flugzeugtriebwerken vom Rechner erfasst und zugeordnet werden k\u00f6nnen \u2013 und dass dieser den Menschen im \u201eEntdecken\u201c der Fehler \u00fcberholt. Den Abschluss bildete\u00a0<\/span>Olatomiwa \u201eTommy\u201c Badmos<\/a>. Er stellte in seinem Vortrag zur Detektion von Auff\u00e4lligkeiten in Materialgef\u00fcgen dar, wie Algorithmen, die Google zur Objekt- oder Gesichtserkennung verwendet, in der Mikroskopie funktionieren. So zeigte er, wie in einem Mikroskopbild einer Lithium-Ionen-Batterie Deep Learning \u201equasi live\u201c und eigenst\u00e4ndig kritische Fremdeinschl\u00fcsse oder Risse entdeckt und zuordnet.<\/p>\n Begleitet wurde der Materialmikroskopietag von einer umfangreichen Posterausstellung zu Forschungsarbeiten des IMFAA und dem Kooperationsnetzwerk Smart-Pro. Die Teilnehmenden hatten so die M\u00f6glichkeit, mit Fachkollegen und Referenten zu diskutieren. Die Veranstaltung endete mit einer F\u00fchrung durch die vielf\u00e4ltigen Labore an der Hochschule Aalen. Das Team rund um Professor Schneider und Dr. Bernthaler wurde durch das gro\u00dfe Interesse und die zahlreichen Diskussionen best\u00e4tigt und darin best\u00e4rkt, ihre Forschungsarbeiten auf dem Gebiet der maschinellen Lernverfahren in der Materialmikroskopie voranzutreiben. \u201eEin gro\u00dfer Schub f\u00fcr die angewandte Materialmikroskopie!\u201c, freute sich das Team.<\/p>\n [\/et_pb_text][et_pb_divider color=”#000000″ divider_position=”center” divider_weight=”3px” _builder_version=”4.14.4″ _module_preset=”default” width=”35%” module_alignment=”center” global_colors_info=”{}”][\/et_pb_divider][et_pb_text _builder_version=”4.14.4″ background_size=”initial” background_position=”top_left” background_repeat=”repeat” global_colors_info=”{}”]<\/p>\n Fotohinweis:<\/strong> \u00a9 Hochschule Aalen \/ Julian Schurr und Jan Niedermeier<\/p>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":" 3. Aalener Materialmikroskopietag an der Hochschule Aalen<\/p>\n","protected":false},"author":5,"featured_media":2896,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_et_pb_use_builder":"on","_et_pb_old_content":" SmartPro pr\u00e4sentierte 2018 Forschungsaktivit\u00e4ten und anwendungsorientierte L\u00f6sungsans\u00e4tze auf diversen Messen:<\/p> Prof. Volker Knoblauch aus dem SmartPro-Team erl\u00e4utert: \u201eDie zahlreichen R\u00fcckkopplungen, die wir im Rahmen von Messen hatten, best\u00e4tigen uns erneut: Mit dem Themenspektrum, das wir in SmartPro aufgreifen, treffen wir den Zahn der Zeit. Dies zeigt sich auch in den zahlreichen spezifischen Anfragen von Unternehmen diverser Branchen sowie von Forschungseinrichtungen, aus denen sich zuk\u00fcnftig neue Kooperationen entwickeln k\u00f6nnen.\u201c<\/strong><\/em><\/p> [gallery columns=\"4\" link=\"file\" ids=\"1122,1127,1129,1131\"]<\/p> Bildnachweise\/Quellen:<\/p>","_et_gb_content_width":"","iawp_total_views":0,"footnotes":""},"categories":[240,20],"tags":[117,97,84,25,23,100,89,107,116,106,81,115,118,105,96,87,98,119,93,102,22,95,92],"class_list":["post-2894","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-machine-learning","category-news","tag-data-science","tag-digitalisierung","tag-elektromobiltaet","tag-forschung","tag-hochschule-aalen","tag-legierungen","tag-leichtbau","tag-magnesium","tag-magnete","tag-magweb","tag-materialmikroskopie","tag-materialwissenschaften","tag-metalle","tag-multimaterialverbunde","tag-ne-metallguss","tag-prozessentwicklung","tag-pulver","tag-qualitaetspruefung","tag-salzkerne","tag-schmelztechnologie","tag-smartpro","tag-technik","tag-werkstoffe"],"acf":[],"yoast_head":"\nNamhafte Referenten aus Industrie und Wissenschaft\u00a0<\/strong><\/h4>\n
Gro\u00dfe Datenmengen, Google-Algorithmen und spannende \u201eUse Cases\u201c<\/strong><\/h4>\n
Ein spannendes Rahmenprogramm<\/strong>\u00a0<\/h4>\n
Subline<\/h2>