---
title: "KI-Framework prognostiziert die Festigkeit von 3D-gedruckten Metallteilen in Sekundenschnelle"
url: https://www.voxelmatters.com/de/ki-framework-prognostiziert-die-festigkeit-von-3d-gedruckten-metallteilen-in-sekundenschnelle/
date: 2026-04-26
modified: 2026-04-25
lang: de
author: "Joseph Caron-Dawe"
description: "Forscher der POSTECH und des Korea Institute of Materials Science (KIMS) haben ein KI-basiertes Analyseverfahren entwickelt, mit dem sich die mechanische Festigkeit von im 3D-Druck hergestellten Metallbauteilen innerhalb von Sekunden..."
categories:
  - "Additive Fertigung von Metallen"
  - "AM-Forschung"
  - "Künstliche Intelligenz"
tags:
  - "future"
image: https://www.voxelmatters.com/wp-content/uploads/2026/04/AI-framework-predicts-metal-3D-printed-part-strength-01-640x400.jpg
word_count: 381
---

# KI-Framework prognostiziert die Festigkeit von 3D-gedruckten Metallteilen in Sekundenschnelle

[Forscher der POSTECH](https://www.voxelmatters.com/postech-researchers-3d-print-human-brain-model/) und des [Korea Institute of Materials Science (KIMS)](https://www.voxelmatters.com/researchers-develop-ultra-strong-metal-3d-printing-alloy/) haben ein KI-basiertes Analyseverfahren entwickelt, mit dem sich die mechanische Festigkeit von im 3D-Druck hergestellten Metallbauteilen innerhalb von Sekunden vorhersagen lässt – selbst wenn innere Defekte vorhanden sind.

Die Arbeit wurde von Professor Kim Hyeong-seop vom Graduate Institute of Ferrous & Eco Materials Technology und dem Department of Materials Science and Engineering der POSTECH geleitet und in Zusammenarbeit mit dem leitenden Forscher Park Jung-min vom KIMS durchgeführt. Die Ergebnisse wurden in der internationalen Fachzeitschrift für Materialwissenschaften [*Acta Materialia*](https://www.sciencedirect.com/science/article/abs/pii/S1359645426002077?via%3Dihub) veröffentlicht.

## Das Problem der Fehlerbildung bei der additiven Fertigung mit Metallen

Beim LPBF-Schichtverfahren entstehen häufig kleine, blasenartige Hohlräume im Inneren, die bei Bauteilen für anspruchsvolle Anwendungen wie Flugzeugtriebwerke oder Automobilbaugruppen zu kritischen Schwachstellen werden können. Um die Auswirkungen dieser Hohlräume auf die strukturelle Festigkeit zu quantifizieren, sind jedoch umfangreiche und kostspielige Wiederholungstests erforderlich.

![AI framework predicts metal 3D printed part strength in seconds](https://www.voxelmatters.com/wp-content/uploads/2026/04/AI-framework-predicts-metal-3D-printed-part-strength-02-340x213.jpg)Park Jung-min, leitender Forscher am KIMS, Lee Jeong-ah, Studentin im integrierten Master- und Doktorandenprogramm am Fachbereich Materialwissenschaft und Werkstofftechnik der POSTECH, sowie Professor Kim Hyeong-seop (Bild: POSTECH)

Anstatt zu versuchen, Fehler zu beseitigen, trainierte das Forschungsteam die KI darauf, mit ihnen zu arbeiten. Das Modell wurde mit einem umfangreichen Datensatz gefüttert, der Fertigungsparameter – darunter Laserleistung und Abtastgeschwindigkeit – sowie Daten zur inneren Mikrostruktur und zur Größe und räumlichen Verteilung von Hohlräumen umfasste.

Anschließend wurde eine als „datenselektives Lernen“ bezeichnete Technik angewendet, um die Variablen mit dem größten Einfluss auf die Festigkeit zu identifizieren und so die Vorhersagegenauigkeit zu verbessern.

## Nachvollziehbare Ergebnisse und geprüfte Genauigkeit

Ein herausragendes Merkmal des Frameworks ist seine Fähigkeit, neben den Vorhersagen auch für Menschen lesbare Gleichungen zu generieren, anstatt als Blackbox zu fungieren.

[Validierungstests, die an einer Aluminium-Silizium-Magnesium-Legierung (Al-Si-Mg) durchgeführt wurden](https://www.voxelmatters.com/why-manufacturers-are-switching-to-pbf-specific-aluminum-alloy/), die in der Luft- und Raumfahrt sowie in der Automobilindustrie weit verbreitet ist, ergaben Festigkeitsvorhersagen mit einem mittleren Fehler von 9,51 Megapascal (MPa) – ein Ergebnis, das laut dem Team mehr als viermal genauer war als bei bestehenden Methoden.

Die Forscher wiesen darauf hin, dass das Framework zu einer defektbewussten Konstruktionskarte erweitert werden könnte, die Ingenieuren einen detaillierten Einblick darin gibt, wie sich die Leistung von Bauteilen bei Änderungen der Fertigungsbedingungen verändert.

„Diese Technologie wird die Zuverlässigkeit von 3D-gedruckten Metallteilen verbessern und deren Kommerzialisierung in Bereichen wie der Luft- und Raumfahrt sowie der Automobilindustrie erheblich beschleunigen“, sagte Kim Hyeong-seop.