Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP 
Um den sicheren Betrieb von hochbelasteten bewegten Systemen gewährleisten zu können, werden beim Auftraggeber in regelmäßigen Abständen, oder nach Überbelastungen, zerstörungsfreie Prüfungen (ZfP) durchgeführt. Diese dienen der Detektion von Materialschäden, welche die weitere Nutzung einschränken oder schlimmstenfalls zum kompletten Ausfall eines Systems führen können. Insbesondere bei fliegenden Systemen können strukturelle Beschädigungen zu drastischen Folgen führen. Um die Sicherheitsstandards weiter zu verbessern, neu entwickelten Werkstoffen und Schadensbildern Rechnung zu tragen und die Prüfungen effizienter und zuverlässiger gestalten zu können, ist eine kontinuierliche Evaluation und Anpassung der Methoden und Prozesse unerlässlich. Durch die zunehmende Digitalisierung der Industrie, der damit verbundenen Vernetzung durch das Industrial Internet of Things (IIoT) und vieler weiterer Technologien zeichnet sich auch für die ZfP ein starker Umbruch hinsichtlich der gängigen Prozesse und der Nutzung der generierten Daten ab.
Durch die Integration von Simulationen können realistische ZfP-Szenarien modelliert werden, während KI-Algorithmen genutzt werden, um aus diesen Simulationen Daten abzuleiten, die sonst nur durch zeitaufwendige und potenziell kostenintensive experimentelle Verfahren oder aufgrund technischer Beschränkungen unter Umständen gar nicht zu erhalten wären.
Ziel ist es, durch den Einsatz fortschrittlicher Simulationstechnologien in großer Anzahl realistische ZfP-Daten in definierter und reproduzierbarer Weise in variablen Anwendungsszenarien zu erzeugen und so einen repräsentativen Datenpool erzeugen zu können. Dabei werden auch alternative Ansätze aus anderen Forschungsbereichen evaluiert und eingesetzt, um perspektivisch effizientere Algorithmen durch Spezialisierung zu implementieren.
Zukünftig hat diese innovative Verknüpfung von Simulation und ZfP das Potenzial die Zuverlässigkeit hinsichtlich Materialcharakterisierungsverfahren und insbesondere die Erkennung kritischer Defekte zu erhöhen und neue Möglichkeiten für die präventive Wartung und Lebensdauerprognose von Materialien und Strukturen zu eröffnen. Im Zusammenhang mit der Anwendung von KI-Verfahren stellt das eine Möglichkeit dar, Datenlücken für Big-Data-Ansätze zu schließen und perspektivisch (teil-)automatisierte Auswertungen von ZfP-Verfahren zu erlauben.