Masterarbeit »KI-gestützte Rezepturentwicklung für einen PLA-basierten Kunststoff«

Wir wollen eine Erde, auf der es sich zu leben lohnt. Unsere angewandte Forschung in Circular Economy, Carbon Management, Green Hydrogen und Local Energy Systems leistet konkrete Beiträge zur Erreichung der 17 Sustainable Development Goals der Vereinten Nationen. Als ein Institut der Fraunhofer-Gesellschaft zeigen wir, wie man Herausforderungen nicht nur meistert, sondern an ihnen wächst. Wir verschieben Grenzen, denken weiter und gestalten die Zukunft mit angewandter Forschung. Vielfältige Perspektiven und Denkansätze stärken die Kreativität und Innovation in unserer wissenschaftlichen Arbeit.

Du möchtest mit uns eine nachhaltige Welt gestalten? Wir suchen Verstärkung!

In der Abteilung »Circular and Bio-based Plastics« entwickeln wir maßgeschneiderte biobasierte Kunststoffe für eine Vielzahl von Anwendungen. Polylactid (PLA) ist einer der vielversprechendsten biobasierten und bioabbaubaren Thermoplaste für technische Anwendungen und Verpackungen. Die gezielte Einstellung des Eigenschaftsprofils erfordert eine sorgfältige Abstimmung der Compound-Rezeptur und der Verarbeitungsbedingungen. Datengetriebene Ansätze der Künstlichen Intelligenz bieten die Möglichkeit, aus vorhandenen experimentellen Daten gezielt optimale Rezeptur-Prozess-Kombinationen abzuleiten und so den Entwicklungsaufwand erheblich zu reduzieren.

Was Du bei uns tust

- Literaturrecherche und Stand der Technik: Einarbeitung in den Stand der Technik zu PLA-Compounds, Materials Informatics und Bayesian Optimization für Formulierungsprobleme

- Datenaufbereitung und Analyse: Sichtung, Bereinigung und Strukturierung der vorhandenen Datensätze (Rezepturkomponenten, Prozessparameter, Werkstoffkennwerte) inklusive Identifikation relevanter Einflussgrößen

- Modellbildung als Surrogate-Modell: Aufbau von ML-Modellen (z. B. Gaussian-Process-Regression) zur Vorhersage der Werkstoffeigenschaften als Funktion von Rezeptur und Prozessparametern

- Multi-kriterielle Optimierung: Implementierung einer Bayesian-Optimization-Strategie unter Nutzung eines Open-Source-Frameworks inklusive Definition von Zielwerten und Randbedingungen zur Ableitung konkreter, verbesserter Rezeptur- und Prozessvorschläge

- Experimentelle Validierung und Bewertung: Herstellung ausgewählter, vom Modell vorgeschlagener Compounds, werkstofftechnische Charakterisierung, Vergleich der gemessenen Eigenschaften mit den Modellvorhersagen sowie kritische Bewertung und Ableitung von Empfehlungen für den weiteren Einsatz