Beschleunigtes Materialdesign durch künstliche Intelligenz im Forschungsdatenmanagement
Abstract
Am Beispiel von Polyurethanschaumstrukturen entwickelt diese Arbeit einen modularen, FAIRen Workflow für datengetriebene Materialentwicklung. Über KI-basierte Segmentierung, generative 3D-Modelle und Simulationen werden mikrostrukturelle Eigenschaften automatisiert analysiert und mechanische Kennwerte zuverlässig vorhergesagt. Die generischen Workflows und eine transparente Datenverwaltung beschleunigen den Entwicklungsprozess und lassen sich flexibel auf andere Materialien übertragen.
Fields of Study & Subjects
Machine Learning in Materials Science
Research Data Management Practices
Libraries and Information Services
Publication details
- Publication date
- 1 January 2026
- Language
- DE
- Document type
- Thesis