Materialbearbeitung mit Laser und KI: Hochauflösende Bilder auf Metall — und mehr

• Ein neuartiger Ansatz aus Saarbrücken verspricht, eine ganze Reihe von Verfahren der Materialbearbeitung mit Laser zu verbessern.
• Denn Forscher des Max-Planck-Instituts für Informatik haben dazu eine Methode auf Basis künstlicher Intelligenz entwickelt, die einige Zwischenschritte in der Produktion erheblich beschleunigt.
• Es gibt eine Industriekooperation mit Trumpf, einem Unternehmen, das Fertigungslösungen in den Bereichen Werkzeugmaschinen und Lasertechnik entwickelt .
• Zudem erhält das Team nun im Rahmen des Exist-Gründerprogramms des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK) rund 800’000 Euro, damit es die Entwicklung zur Marktreife bringen kann.

Der neuartige Ansatz für die Materialbearbeitung basiert auf einem so genannten evolutionären Algorithmus in Kombination mit einem maßgeschneiderten Sortierverfahren. „Damit haben wir die erste computergestützte, automatisierte Lösung für eine ganze Reihe von hochkomplexen Problemen der Lasermaterialbearbeitung entwickelt, die bisher noch ‚manuell‘ durch Ausprobieren gelöst werden mussten“, erklärt Vahid Babaei, Leiter der Forschungsgruppe „Artificial Intelligence aided Design and Manufacturing“ am Saarbrücker Max-Planck-Institut für Informatik am Saarland Informatics Campus.

Ein Beispiel für eine solche Produktionsmethode für die Materialbearbeitung ist das so genannte „Color Laser Marking“, ein Verfahren, bei dem metallische Oberflächen durch Erhitzen mit einem Laser eingefärbt werden. Durch Hitze erzeugte Farben lassen sich nur schwer vorhersagen, da sie von zahlreichen Prozessparametern abhängen – beispielsweise von der Art des erhitzten Metalls, der Geschwindigkeit, mit der es erhitzt wird, der Heizleistung oder der Dauer eines einzelnen Laserpulses.

„Wollte man bisher Metall auf einen bestimmten Farbton erhitzen, bestand die einzige Lösung darin, die entsprechenden Parameter einzeln zu bearbeiten, bis das gewünschte Ergebnis erreicht war. Dieser sehr ungenaue und ineffiziente Ansatz sorgte dafür, dass das ‚Color Laser Marking‘ und ähnliche Produktionsverfahren, die von dem optimierten Zusammenspiel einer Vielzahl von Laser-Parametern abhängen, von der Industrie bisher weitgehend außen vorgelassen wurden“, fügt Vahid Babaei hinzu. 

Algorithmus macht Methoden der Materialbearbeitung via Laser für den industriellen Einsatz praktikabel

Zusammen mit seinen Kollegen Sebastian Cucerca (Max-Planck-Institut für Informatik), Piotr Didyk (Professor an der Universität Lugano) und Hans-Peter Seidel (Wissenschaftlicher Direktor am Max-Planck-Institut für Informatik) hat Vahid Babaei einen Algorithmus entwickelt, der diesen Prozess der „Parameterexploration“ soweit automatisiert und beschleunigt, dass eine ganze Reihe von Methoden der Materialbearbeitung via Laser für den industriellen Einsatz praktikabel werden. Im Hinblick auf das „Color Laser Marking“ lassen sich mithilfe der neuartigen Methode zum Beispiel gesättigte, hochauflösende, farbige Bilder auf Metall „drucken“ – ohne Farbstoffe zu verwenden, nur durch Erhitzen des Materials.

Die Methode verwendet einen sogenannten evolutionären Explorationsalgorithmus in Kombination mit einer angepassten Sortiermethode. Der Explorationsalgorithmus wiederholt dabei dieselben Schritte, bis er das bestmögliche Ergebnis gefunden hat: Zunächst beginnt er damit, dass der Laser auf der Grundlage zufällig ausgewählter Parameter Markierungen anbringt. Der Algorithmus misst dann die Eigenschaften (hier Farbe und Auflösung) dieser Markierungen und berechnet auf dieser Grundlage den nächsten Satz von Parametern, die der Laser zum Markieren verwenden soll. Dabei kommt der maßgeschneiderte Sortier-Algorithmus zum Einsatz: Dieser sortiert die leistungsstärksten Prozessparameter der zuvor markierten Farben auf Grundlage verschiedener Metriken, wie zum Beispiel Auflösung oder Farbsättigung.

Der evolutionäre Algorithmus wiederum erzeugt aus diesen Sortierergebnissen eine neue Generation von Farben, die die besten Eigenschaften der „Elterngeneration“ enthält. Dieser iterative Prozess wird so lange fortgesetzt, bis keine nennenswerte Verbesserung des Ergebnisses mehr eintritt und somit das bestmögliche Resultat gefunden wurde.

Ansatz ermöglicht mehr als nur Farbmarkierung

Dieser neue Ansatz für diese Arten von Optimierungsproblemen ist derzeit weltweit einzigartig und lässt sich auf verschiedene Arten von Lasern und Substraten, und auch auf andere Eigenschaften als die Farbe übertragen. „Wir sind der festen Überzeugung, dass die Farbmarkierung nur die Spitze des Eisbergs ist und unser Algorithmus viele verschiedene Prozesse beschleunigen kann, die mit der Oberflächenaktivierung durch Laser zu tun haben, wie zum Beispiel die Veränderung der Haptik eines Materials“, sagt Vahid Babei.

Um die Entwicklung zur Marktreife zu bringen, wird ein Team unter der Leitung von Vahid Babaei, bestehend aus Azadeh Asadi, Sebastian Cucerca und Mojtaba Bemana (alle Max-Planck-Institut für Informatik), nun durch das Exist-Gründerprogramm des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK) mit rund 800’000 Euro gefördert. 

Zusammenarbeit mit führendem Entwicklung von Werkzeugmaschinen und Lasertechnologie

Darüber hinaus konnten die Forschenden bereits einen der weltweit führenden Anbieter von Werkzeugmaschinen für die flexible Blechbearbeitung und für industrielle Laser, Trumpf, mit Sitz in Ditzingen bei Stuttgart, als Industriepartner gewinnen. Paul Stumpf, Business Development Manager bei Trumpf, sagt: „Wir glauben, dass diese Technologie einen großen Einfluss auf die Lasermarkierungsindustrie und darüber hinaus haben kann. Die Technologie behandelt das physische Zusammenspiel zwischen Laser und Material als Blackbox und nutzt die Leistungsfähigkeit von Daten und Algorithmen der künstlichen Intelligenz.“

Bild oben: Dr. Vahid Babaei, Leiter der Forschungsgruppe „Artificial Intelligence aided Design and Manufacturing“, präsentiert eine farbige Metallplatte, die mithilfe der neuen Methode für die Materialbearbeitung entstanden ist. Foto: Saarland Informatics Campus / Philipp Zapf-Schramm

Weitere Informationen: https://aidam.mpi-inf.mpg.de/?view=home