Die Produktion von Baustoffen ist energieintensiv. Allein die Herstellung von Zement ist für rund acht Prozent des weltweiten CO2-Ausstoßes verantwortlich. Der Einsatz von Künstlicher Intelligenz (KI) könnte zur Entwicklung alternativer und klimafreundlicher Materialien beitragen. Ein Team der Bundesanstalt für Materialforschung und -prüfung (BAM) hat eine App entwickelt, um eine Prognose von Materialeigenschaften zu treffen und damit für mehr Transparenz bei der Bewertung der teils sehr komplexen Baustoffe zu sorgen. Eigenschaften von Materialproben oder Simulationen werden durch ein KI-Modell erlernt, um so neue und potenziell bessere Endprodukte vorherzusagen. Allerdings benötigen die Modelle große Menge an empirischen Informationen, die in oft wochenlanger Laborarbeit erforscht werden müssen.
Sequenzielles Lernen als Chance
Einen Durchbruch verspricht der Einsatz des Sequenziellen Lernens (SL). SL sucht Endprodukte auch jenseits der bereits empirisch bekannten Materialien und kommt mit weniger Daten aus als die bisherige KI. Wege, die nicht zum Ziel führen, werden frühzeitig verworfen und erfolgversprechende Varianten schneller identifiziert. Diese Methode, die u.a. bei der Entwicklung von Pharmazeutika angewandt wird, wurde nun auf Baumaterialien übertragen. Um ihren Ansatz allgemein nutzbar zu machen, haben die Forscher eine App programmiert, die der Materialcommunity die Erkundung von SL-Methoden erleichtern soll. Die „Sequential Learning App for Materials Discovery“ (SLAMD) bietet einen niedrigschwelligen Zugang zu SL. Damit können Wissenschaftler schneller als bisher über intuitive und interaktive Benutzeroberflächen SL-Methoden zur Entwicklung klimafreundlicher Materialien erarbeiten.
Die BAM bietet die App zum kostenfreien Download an.
