Forschung

• Fraunhofer–Institut für Werkstoff­mechanik
• Karlsruher Institut für Technologie
• Max-Planck-Institut für intelligente Systeme

• AMK Arnold Müller GmbH & Co. KG Antriebs- und Steuertechnik
• Antriebstechnik GmbH Faurndau
• Carl Zeiss Microscopy GmbH
• Daimler AG
• Dürr Technik GmbH & Co. KG
• Georgii Kobold GmbH & Co. KG
• GTS Generator. Technik. Systeme. GmbH & Co. KG
• Robert Bosch GmbH
• Vacuumschmelze GmbH & Co. KG

• e-mobil BW GmbH

• Forschungsinstitut Edelmetalle + Metallchemie fem Schwäbisch Gmünd
• Karlsruher Institut für Technologie

• Carl Zeiss Microscopy GmbH
• CCT GmbH
• Kessler & Co. GmbH & Co. KG
• Outlast Europe GmbH
• VARTA Microbattery GmbH

• e-mobil BW GmbH

• Technische Universität München
• Universität Ulm

• Alfred Härer GmbH
• Carbon-Werke Weißgerber GmbH & Co. KG
• DYNA more GmbH
• EMAG Automation GmbH
• Franke GmbH
• HAAS Metallguss GmbH
• Henkel AG & Co. KGaA
• Oskar Frech GmbH + Co. KG
• PVA TePla Analytical Systems GmbH
• TRUMPF Laser- und Systemtechnik GmbH
• Voith Composites GmbH & Co. KG

• Landesagentur für Leichtbau Baden-Württemberg GmbH
• Photonics BW e. V.

• Glasgow Caledonian University
• Karlsruher Institut für Technologie
• Universität Ulm 

• Carl Zeiss Jena GmbH / Carl Zeiss Vision GmbH
• Eluminocity GmbH
• Franke GmbH
• F. & G. Hachtel GmbH & Co. KG
• Hecker Werke GmbH
• MAPAL Dr. Kress KG
• Oppold System International GmbH
• Trumpf GmbH + Co. KG

• Photonics BW e. V.

3D-Druck von Gradientenindexoptiken

Konventionelle optische Bauelemente bestehen aus einem Material mit homogenen optischen Eigenschaften wie z.B. dem Brechungsindex. Ziel des Projekts 3DGRIN ist die Entwicklung einer Gradientenindexoptik (GRIN-Optik), bei der Materialien mit unterschiedlichen Brechungsindices kombiniert werden.

Gradientenindexoptiken generieren neue Eigenschaften optischer Bauteile und versprechen damit innovative Anwendungen, wie sie für hochintegrierte Systeme notwendig sind, z.B. für Augmented Reality – Systeme. Bisher konnten sie nur mit hohem Aufwand und hohen Kosten sowie für eingeschränkte Funktionalitäten gefertigt werden. Im Vorhaben 3DGRIN wird nun die innovative und wirtschaftliche Fertigung von Gradientenindexoptiken in einem einzigen Fertigungsprozess mittels 3D-Druck untersucht.

3DGRIN unterstützt die Verwertungs- und Transferstrategie der SmartPro-Partnerschaft durch direkte Kooperation mit den an SmartPro beteiligten Unternehmen.

• Projektleitung
  Prof. Dr. Andreas Heinrich, Zentrum für optische Technologien (ZOT)
• Projektpartner
  Prof. Dr. Rainer Börret, ZOT;
  Prof. Dr. Harald Riegel, LaserApplikationsZentrum (LAZ)
• Laufzeit 
  01.07.2018 – 30.06.2019

Das Explorative Projekt 3DGRIN ist dem Impulsprojekt AddFunK angegliedert.

Simulation des 3D-Drucks hochpräziser Kunststoffteile

Ziel des Projekts HEROD ist die Entwicklung eines Simulationsmodells für den 3D-Kunststoffdruck.
3D-gedruckte Kunststoffbauteile werden schichtweise im Drucker aufgebaut. Die Verbindung der Schichten während des Druckprozesses ist eine Schwachstelle. Die mechanischen Eigenschaften des gesamten Bauteils hängen stark davon ab, wie gut sie sich ausbildet.

Das in HEROD zu entwickelnde Simulationsmodell soll die mechanischen Eigenschaften der Komponenten vorhersagen. Es beruht auf Einzelelementen, die einzelnen 3D-gedruckten Tropfen entsprechen. Das Modell wird experimentell durch Festigkeitstests überprüft. Mit dem Modell lässt sich ermitteln, ob mittels 3D-Druck Kunststoffteile hergestellt werden können, die ähnliche mechanische Eigenschaften und identische Belastbarkeit wie die derzeit in der Industrie verwendeten Spritzgussteile aufweisen. Im Erfolgsfall können z.B. Ersatzteile aus Kunststoff in kleinen Stückzahlen schnell, einfach und hochpräzise mittels 3D-Druck gefertigt werden.

• Projektleitung
  Prof. Dr. Rainer Börret, Zentrum für optische Technologien (ZOT)
• Projektpartner
  Dr. Wolfgang Rimkus, Technologiezentrum Leichtbau (TZL)
• Laufzeit
  01.01.2019 – 29.02.2020

Das Explorative Projekt HEROD ist dem Impulsprojekt AddFunK angegliedert.

Künstliche Intelligenz und Maschinelles Lernen als Wegbereiter zur Verbesserung der Prozessqualität in der Batterie-Massenproduktion

Hochqualitative Lithium-Ionen Batterien mit langer Lebensdauer werden zukünftig in vielen Industrieprodukten benötigt, z. B. in E-Autos, Smartphones oder Elektrowerkzeugen. Im Projekt PreMo-LiB untersucht die Hochschule Aalen in Kooperation mit der Varta Microbattery GmbH innovative produktionsbegleitende Verfahren zur Lebensdauerprognose und -verbesserung mittels moderner selbstlernender Softwarealgorithmen (Maschinelles Lernen, Künstliche Intelligenz).

Derzeit zeigt sich erst im späteren Einsatz, ob eine Lithium-Ionen Batterie den Kundenanforderungen genügt. Denn eine produktionsbegleitende Qualitätsprognose ist aufgrund der komplexen physikalischen Wirkzusammenhänge innerhalb der Batterie nur sehr eingeschränkt möglich und nicht tauglich für die Massenproduktion.

Im Projekt PreMo-LiB werden nun maschinelle Lernverfahren eingesetzt, mit denen kostengünstig und praktikabel die Qualität und Lebensdauer der Batterie produktionsbegleitend prognostiziert werden können. Das qualitätssichernde Verfahren arbeitet zerstörungsfrei und ist für die Massenproduktion hochqualitativer Lithium-Ionen Batterien skalierbar.

• Projektleitung
  Prof. Dr. Ricardo Büttner, Wirtschaftsinformatik
• Projektpartner
  VARTA Microbattery GmbH
• Laufzeit
  01.03.2019 – 31.08.2020

Das Explorative Projekt PreMo-LiB ist dem Impulsprojekt LiMaProMet angegliedert.

Laserstrukturierte Oberflächen für trennmittelfreies Druckgießen

Aluminium-Druckguss gewinnt für Leichtbauanwendungen immer mehr an Bedeutung. Um beim Gießvorgang ein Anhaften des Bauteils an der Oberfläche des Druckgusswerkzeuges zu verhindern, sind bisher Trennmittel erforderlich. Ihr Einsatz ist jedoch kostenintensiv und kann zu Rissbildung und erhöhtem Verschleiß führen.

Im Projekt SurfPlus wird ein innovatives trennmittelfreies Verfahren erarbeitet, das ein Anhaften des Aluminiumbauteils an das Werkzeug verhindert. Die Werkzeugoberfläche wird vor dem Gießvorgang mittels Ultrakurzpuls-Laserstrahlung definiert strukturiert. Die Pulse mit einer Dauer im Femto- und Pikosekundenbereich senken gezielt die Benetzungsfähigkeit des Druckgusswerkzeugs, so dass seine Oberfläche nicht durch die Schmelze benetzt werden kann. Ein Anhaften des Bauteils während des Gussprozesses wird verhindert.

Erfolgreiche laserbasierte Oberflächenfunktionalisierung ermöglicht Aluminium-Druckgussverfahren ohne Trennmittel und steigert dadurch Wirtschaftlichkeit und Qualität. SurfPlus eröffnet neue Anwendungsfelder, die insbesondere für die Automotive-Branche von großem Interesse sind.

• Projektleitung 
  Prof. Dr. Harald Riegel, LaserApplikationsZentrum (LAZ)
• Projektpartner
  Prof. D. Lothar Kallien, Gießereitechnologie Aalen (GTA)
• Laufzeit
  01.04.2019 – 31.03.2020

Das Explorative Projekt SurfPlus ist dem Impulsprojekt InDiMat angegliedert.

Topologieoptimierung hybrider Bauteile für den Automobilbau

Leichtere Bauteile mit hoher Stabilität und Sicherheit sind für den Automobilbau von großem Interesse. Zahlreiche Strukturbauteile in Autos, die bruchanfällig und bei einem Aufprall relevant sind, bestehen aus unterschiedlichen, miteinander kombinierten Materialien. Für solche sog. hybriden Bauteile lassen sich die gängigen Methoden zur Auslegung von (nicht hybriden) Bauteilen derzeit nicht geeignet einsetzen und verknüpfen.

Ziel des Projektes TRICLA ist daher die Entwicklung eines effizienten Workflows zur kraftflussgerechten Auslegung hybrider Strukturbauteile. Unterschiedliche Strukturoptimierungsmethoden und Simulationen werden darin kombiniert. Zentraler Bestandteil ist die dynamische Topologieoptimierung. Mit dieser Methode werden Bauteile nach bionischen Grundsätzen (nach dem Vorbild der Natur) und unter dynamischen Lasten, wie sie z. B. bei einem Aufprall auftreten, konstruiert. Materialeigenschaften und weitere Parameter werden berücksichtigt. Ziel ist eine signifikante Materialreduktion bei gleichbleibender Performance des bruchanfälligen Bauteils.

• Projektleitung 
  Dr. Wolfgang Rimkus, Technologiezentrum Leichtbau (TZL)
• Projektpartner 
  Prof. Dr. Volker Knoblauch, Institut für Materialforschung Aalen (IMFAA)
• Laufzeit
  01.03.2019 – 31.08.2020

Das Explorative Projekt TRICLA ist dem Impulsprojekt InDiMat angegliedert.

Künstliche Intelligenz und Machine Learning als Wegbereiter zur Verbesserung der Prozessqualität in der Batterie-Massenproduktion

In der Zukunft werden in vielen Industrieprodukten hochqualitative Lithium-Ionen-Batterien mit langer Lebensdauer benötigt: E-Fahrzeuge, Smartphones, Elektrowerkzeuge, etc. Hier setzt das Explorative Projekt „PreMo-LiB“ (Prädiktive Modellierung der Lebenszyklen von Lithium-Ionen Batterien) der SmartPro – Partnerschaft an. Im Projekt PreMo-LiB untersucht die Hochschule Aalen, in Kooperation mit der Varta Microbattery GmbH, innovative produktionsbegleitende Verfahren zur Lebensdauerprognose und -verbesserung mittels moderner selbstlernender Software-Algorithmen (Machine Learning, Künstliche Intelligenz).

Die Beurteilung der Qualität von Lithium-Ionen-Batterien mittels Deep Learning – Methoden in der Mikroskopie wurde auch auf der Hannover Messe 2019 und der make Ostwürttemberg 2019 vorgestellt. Links: Olatomiwa Badmos vom Institut für Materialforschung beim Forum tech transfer.