Technikforum Industrial IoT

Material­datenraum vernetzt Lieferketten digital

Wie lassen sich Materialdaten effizient, sicher und über Unternehmensgrenzen hinweg nutzen? Dieser Frage widmen sich das Fraunhofer-Institut für Experimentelles Software Engineering IESE und das Fraunhofer-Institut für Werkstoffmechanik IWM gemeinsam mit Partnern aus der Industrie in einem Forschungsprojekt. Ziel ist laut den Partnern, werkstoffbezogene Informationen – von Eigenschaften über Prozessparameter bis zu Prüfdaten – strukturiert und maschinenlesbar bereitzustellen, sodass sie entlang der gesamten Lieferkette automatisiert genutzt und ausgetauscht werden können.

Das vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) geförderte Projekt ‚Unternehmensübergreifende Materialdaten und Materialsimulation in der Produktion‘ (PMD-X-Mapro) adressiert dazu ein zentrales Problem industrieller Wertschöpfung: Materialdaten liegen häufig in nicht-strukturierten Formaten wie PDFs vor und sind nur eingeschränkt weiterverarbeitbar. Dies führt zu manuellen Aufwänden, Medienbrüchen und Fehleranfälligkeit, etwa bei Simulationen, Prozessparametrierung oder Qualitätsnachweisen.

Digitale Materialzwillinge als Datenträger

Kernansatz von PMD-X-Mapro ist nach Angaben der Partner die Abbildung von Werkstoffen als digitale Zwillinge. Diese enthalten neben Materialeigenschaften auch Kontextinformationen zu Herstellung, Verarbeitung und Prüfung. Die Zwillinge werden in datenraumfähige Architekturen integriert, um einen sicheren und kontrollierten Datenaustausch zwischen Unternehmen zu ermöglichen. Ein wesentliches Merkmal ist die bidirektionale Datenintegration: Produktions- und Messdaten können kontinuierlich in die digitalen Zwillinge zurückgeführt werden. Dadurch entsteht eine Datenbasis, die sowohl für Simulationen als auch für datengetriebene Optimierungs- und KI-Anwendungen genutzt werden kann.

Ein digitales Gesamtbild

Für die Interoperabilität der Daten setzt das Projekt auf Ontologien. Diese beschreiben Materialklassen, Eigenschaften, Prozessschritte und Prüfverfahren in formaler, maschineninterpretierbarer Form. Dadurch lassen sich Daten aus unterschiedlichen Quellen – etwa ERP-Systemen, Laboren oder Simulationstools – zusammenführen und in einen gemeinsamen Kontext überführen.

Die semantische Modellierung ermöglicht es, Materialdaten nicht nur syntaktisch auszutauschen, sondern auch inhaltlich korrekt zu interpretieren, erklären die Partner den neuen Ansatz. Dies ist Voraussetzung für automatisierte Workflows, etwa bei der Verifikation von Materialeigenschaften, der Bereitstellung von Daten für digitale Produktpässe oder der Berechnung von CO₂-Fußabdrücken.

Integration in bestehende Industrie-4.0-Ökosysteme

Technologisch soll PMD-X-Mapro auf etablierten Standards und Plattformen aufbauen. Das Fraunhofer IESE bringt nach eigenen Angaben unter anderem die Middleware Eclipse BaSyx sowie Erfahrungen mit föderierten Datenräumen ein. Das Fraunhofer IWM entwickelt die zugrunde liegenden Ontologien zur Abbildung materialwissenschaftlicher Zusammenhänge.

Weitere Projektpartner – darunter Siemens, SHS – Stahl-Holding Saar, Deutz sowie spezialisierte IT-Dienstleister – integrieren Schnittstellen zu bestehenden Unternehmenssystemen wie ERP- und PLM-Lösungen und erweitern die Datenmodelle um Aspekte wie Nachhaltigkeit und Recycling. Durch die Nutzung offener Standards soll die Anschlussfähigkeit an Initiativen wie Catena-X und Manufacturing-X sichergestellt werden.

Anwendungsszenario aus der Praxis

Die Machbarkeit wurde den Partner zufolge exemplarisch an mehrstufig gefertigten Stahlbauteilen demonstriert. Am Beispiel einer Nockenwelle wurden Material-, Prüf- und Simulationsdaten in einem semantischen Modell zusammengeführt und für unterschiedliche Anwendungsfälle nutzbar gemacht – von der unternehmensübergreifenden Qualitätsverifikation bis zur automatisierten Bereitstellung regulatorischer Nachweise. PMD-X-Mapro läuft bis Ende Juni 2026 im Rahmen der Förderinitiative MaterialDigital des BMFTR.

 

Quelle: www.iwm.fraunhofer.de

Bild: Fraunhofer IWM, iStock.xom/Jian Fan