Forschungszentrum für Sensormaterialien und Sensorsysteme »MatBeyoNDT«

Über zwei Drittel aller technischen Innovationen gehen direkt oder indirekt auf neue Materialien zurück. Der Materialwissenschaft kommt daher aufgrund stetig höher werdender Anforderungen an die einzusetzenden Materialien eine Schlüsselrolle zu, um den steigenden Ansprüchen und Funktionen kommerziell verfügbarer Produkte in der Industrie gerecht werden zu können.

In vielen industriellen Bereichen und bei der Produktion von Konsumgütern bewegt man sich immer weiter weg von unspezifisch einsetzbaren hin zu individuellen, an spezielle Anwendungen angepassten Lösungen. Diese Entwicklung wirkt sich unmittelbar auf die Art und Komplexität der Materialien und dementsprechend auch auf den Prozess der Materialentwicklung aus. Neben den Standard-Materialeigenschaften stehen heute auf Laborebene bereits viele weitere Möglichkeiten zur Verfügung, um Einfluss auf das Materialverhalten zu nehmen. Mit steigender Komplexität der Materialien wachsen auch die Anforderungen an Charakterisierungsmethoden, um diese zu beschreiben und deren industriellen Einsatz zu ermöglichen.


Fraunhofer IZFP-Forschungszentrum »MatBeyoNDT« 

Am Fraunhofer IZFP werden die bekannten zerstörungsfreien Prüfverfahren auf die Veränderungen im Umfeld industrieller Prozesse vorbereitet. Dies geschieht zum einen durch eine ganzheitliche Betrachtung des Lebenszyklus eines Produktes und der Rolle, die zerstörungsfreie Verfahren darin spielen. Dabei werden alle Daten, die Prozesse und Zustände rund um das betrachtete Produkt als Informationsträger aufgefasst und genutzt. Des Weiteren stellt diese Betrachtungsweise neue Anforderungen an die Datenverarbeitung und an das Verständnis der Wechselwirkungsmechanismen der zerstörungsfreien Prüfverfahren mit dem Produkt und seiner Umwelt.

Um die Komplexität der Materialinnovationen abbilden zu können, müssen sich auch die Methoden für deren Charakterisierung weiterentwickeln. Um die Materialien zu verstehen, kann nicht nur ein einzelnes, sondern muss eine Kombination mehrerer Prüfverfahren zum Einsatz kommen, die zusammen mit fortgeschrittenen computerbasierten Methoden zur Datenverarbeitung Aufschluss über komplexe Materialien geben oder zur Entwicklung neuer Sensormaterialien führen.

MatBeyoNDT begleitet von ersten Laboruntersuchungen bis zur großindustriellen Qualitätssicherung die Entwicklung der zukünftigen Materialinnovationen. Auf diese Weise werden Bedürfnisse an Prüfmethoden ermittelt und so weiterentwickelt, dass sie als industrietaugliche Prüfsysteme vermarktet werden können. Dies trägt dazu bei, dass komplexere Materialien wie programmierbare Werkstoffe vermehrt in der Industrie zum Einsatz kommen können.
Während die Gruppe MatBeyoNDT sehr breit aufgestellt ist und mit der Methodenentwicklung eine Vielzahl von interessanten Projekten im Bereich der Materialien mit 3D-Architektur anstrebt, werden zwei globale Themen die Gruppe in den nächsten Jahren besonders prägen: Additive Fertigungsverfahren dominieren die Art und Weise, wie 3D-strukturierte Materialien hergestellt werden und die Digitalisierung in der Materialwissenschaft wird bestimmen, wie in Zukunft mit Daten, die Materialien und Prozesse beschreiben, umgegangen wird.

 

Fraunhofer-Förderprogramm »Attract« – Von der Idee zur Innovation

Die Forschungsgruppe MatBeyoNDT wird von der Fraunhofer-Gesellschaft innerhalb des Fraunhofer-Programm »Attract« gefördert. Dieses Programm bietet hervorragenden externen Wissenschaftlerinnen und Wissenschaftlern die Möglichkeit, ihre Ideen innerhalb eines optimal ausgestatteten Fraunhofer-Instituts marktnah in Richtung Anwendung voranzutreiben. Der Wissenschaftlerin oder dem Wissenschaftler steht über 5 Jahre ein Budget von max. 2,5 Millionen Euro zur Verfügung, um eine Gruppe aufzubauen und zu leiten. Ziel ist es, das jeweilige Forschungsthema auf Grundlage der persönlichen Expertise auch über die Förderdauer hinweg zu verstetigen und damit zur Zukunftsstrategie des entsprechenden Instituts beizutragen.

 

Datensysteme für neue Sensorsysteme

Mehrwertschaffung in konventioneller Sensorik mittels intelligenter Datenverarbeitung

 

Kodierte Ultraschallmethoden/-applikationen

Optimierung bestehender ZfP-Verfahren hinsichtlich Schnelligkeit, Störsicherheit und Genauigkeit mittels kodiertem Ultraschall

 

Programmierbare Materialien und Metamaterialien

 

Pulvercharakterisierung für AM-Bauteile

Für eine Qualitätsverbesserung und Reduzierung der Nachbehandlung von additiv gefertigten Bauteilen sowie zur Steigerung der Wirtschaftlichkeit des Herstellungsprozesses

 

Vorhersage Schädigungszustand

Entwicklung zerstörungsfreier in-situ Charakterisierungsverfahren zur Vorhersage des Schädigungszustandes

 

Dr.-Ing. Sarah Fischer

Leiterin Forschungszentrum »MatBeyoNDT«

 

Michael Becker

Oberingenieur

Michael Ganster

Wissenschaftlicher Mitarbeiter

 

Simon Herter

Doktorand

Bashar Ibrahim

Projektingenieur

Lea Sophie Kollmannsperger

Doktorandin

Rebecca Kose

Doktorandin

Marius Schäfer

Doktorand

Katharina Bollmann

Studentische Hilfskraft

Alina Ehre

Studentische Hilfskraft

Kshema George

Studentische Hilfskraft

Chinmay Joshi

Studentische Hilfskraft

Rachita Prasad

Studentische Hilfskraft

Monseej Purkayastha

Studentische Hilfskraft

Katrin Pusse

Studentische Hilfskraft

Aparnaa Santosh Bindu

Studentische Hilfskraft

Hier finden Sie bald mehr!

Hier finden Sie Publikationen der Gruppe »MatBeyoNDT« zurückreichend bis 2020.

Jahr
Year
Titel/Autor:in
Title/Author
Publikationstyp
Publication Type
2023 Influence of the Dross Formation of the Laser-Cut Edge on the Fatigue Strength of AISI 304
Bach, Julia; Zeuner, André; Wanski, Thomas; Fischer, Sarah; Herwig, Patrick; Zimmermann, Martina
Zeitschriftenaufsatz
Journal Article
2023 Soft Tactile Coil-Based Sensor for Misalignment Detection of Adhesive Fibrillary Gripping Systems
Herter, Simon; Stopp, Philipp; Fischer, Sarah
Zeitschriftenaufsatz
Journal Article
2023 Design framework for programmable mechanical metamaterial with unconventional damping properties under dynamic loading conditions
Kaal, William; Becker, Michael; Specht, Marius; Fischer, Sarah
Zeitschriftenaufsatz
Journal Article
2023 Ultraschallbasierte in situ Vorspannkraftermittlung an Schrauben ohne Referenzmessung im nicht verspannten Zustand durch Kombination von Longitudinal- und Transversalwellen
Niwinski, Thomas Jerzy; Kraemer, Frank; Klein, Marcus; Oechsner, Matthias; Herter, Simon; Becker, Michael
Zeitschriftenaufsatz
Journal Article
2023 Characterization of Filigree Additively Manufactured NiTi Structures Using Micro Tomography and Micromechanical Testing for Metamaterial Material Models
Straub, Thomas; Fell, Jonas; Zabler, Simon; Gustmann, Tobias; Korn, Hannes; Fischer, Sarah
Zeitschriftenaufsatz
Journal Article
2023 Evaluation of the bi Wave Method for Ultrasound Preload Determination in the Field with Machine Learning
Herter, Simon; Becker, Michael; Fischer, Sarah
Konferenzbeitrag
Conference Paper
2023 Influence of a Pronounced Pre-Deformation on the Attachment of Melt Droplets and the Fatigue Behavior of Laser-Cut AISI 304
Zeuner, André; Wanski, Thoma; Schettler, Sebastian; Fell, Jonas; Wetzig, Andreas; Kühne, Robert; Fischer, Sarah; Zimmermann, Martina
Zeitschriftenaufsatz
Journal Article
2022 Design and Manufacturing of a Metal-Based Mechanical Metamaterial with Tunable Damping Properties
Kappe, Konstantin; Wahl, Jan P.; Gutmann, Florian; Boyadzhieva, Silviya; Hoschke, Klaus; Fischer, Sarah
Zeitschriftenaufsatz
Journal Article
2022 Vorspannkraft-Monitoring mittels Ultraschallmethoden ohne Referenzmessung
Herter, Simon; Niwinski, Thomas; Klein, Marcus; Oechsner, Matthias; Becker, Michael
Zeitschriftenaufsatz
Journal Article
2022 Optimization of Eddy Current Sensor for Proximity and Deformation Detection
Ibrahim, Bashar
Master Thesis
2021 Machine Learning Based Preprocessing to Ensure Validity of Cross-Correlated Ultrasound Signals for Time-of-Flight Measurements
Herter, Simon; Youssef, Sargon; Becker, Michael M.; Fischer, Sarah C.L.
Zeitschriftenaufsatz
Journal Article
2021 Optimization of the Unambiguity of Cross-Correlated Ultrasonic Signals through Coded Excitation Sequences for Robust Time-of-Flight Measurements
Schäfer, Marius; Theado, Hendrik; Becker, Michael M.; Fischer, Sarah C.L.
Zeitschriftenaufsatz
Journal Article
2020 Nondestructive Characterization of Residual Stresses Using Micromagnetic and Ultrasonic Techniques
Rabung, Madalina; Amiri, Meisam; Becker, Michael M.; Kopp, Melanie; Tschuncky, Ralf; Veile, Ines; Weber, Fabian; Weikert-Müller, Miriam; Szielasko, Klaus
Aufsatz in Buch
Book Article
2020 Steigerung der Zuverlässigkeit der Laufzeitmessung mittels Machine Learning Algorithmen zur ultraschallbasierten Vorspannkraftbestimmung
Herter, Simon
Master Thesis
2020 Mechanical metamaterials on the way from laboratory scale to industrial applications: Challenges for characterization and scalability
Fischer, Sarah C.L.; Hillen, Leonie; Eberl, Chris
Zeitschriftenaufsatz
Journal Article
2020 Rückführbare Überprüfung von Ultraschall-Eigenspannungsprüfsystemen für klotzgebremste Eisenbahnräder am Beispiel des neuen UER-mobil Prüfsystems
Becker, Michael; Schuchhardt, Jörg
Konferenzbeitrag
Conference Paper
Diese Liste ist ein Auszug aus der Publikationsplattform Fraunhofer-Publica

This list has been generated from the publication platform Fraunhofer-Publica

Laufende Forschungsprojekte

 

GecKI

KI-basierte Objekterkennung und adaptive Steuerung für intelligente, bioinspirierte Robotergreifsysteme zur Einbettung in Industrie 4.0-Umgebungen

 

Rail4Future

Verlässlichkeit zerstörungsfreier Prüfverfahren zur Ermittlung der Schienenlängsspannung im Gleis unter wechselnden Jahreszeiten und veränderlichen Prüfumgebungen

 

SmartPigHome

Entwicklung eines interaktiven Sensorsystems zur Erfassung von Tieraktivität zur intelligenten, gruppenspezifischen Optimierung der Stallumgebung in der Schweinemast

Fraunhofer Cluster of Excellence Programmierbare Materialien CPM

Materialien oder Materialverbünde, deren Struktur so aufgebaut ist, dass sich ihre Eigenschaften gezielt kontrollieren und reversibel ändern lassen.

Ausgelaufene Forschungsprojekte

 

FishSenseWell

Erhöhung der Wirtschaftlichkeit von Aquakulturanlagen mittels maschinellen Lernens

 

Silviya Boyadzhieva

Cedric Mathieu