PORTAL: Prediction of mechanical properties of additively manufactured parts by means of Machine Learning

Im Rahmen des Projekts PORTAL wird an KI-basierten Optimierungsstrategien zur laseradditiven Fertigung von Endoprothesen geforscht. Dabei soll ein Vorwärtsmodell entwickelt werden, um Aussagen über Eigenschaften wie Schwingfestigkeit des gefertigten Bauteils entsprechend des Einsatzzwecks zu treffen. Ein weiteres Ziel ist die Entwicklung eines Rückwärtsmodells, um den Fertigungsprozess passgenau auf den Einsatzzweck zu parametrisieren.

Das Projekt PORTAL erforscht laseradditive Fertigungsverfahren (LPBF), die mit Hilfe von maschinellem Lernen (ML) bidirektional modelliert und optimiert werden sollen. Ziel ist es, die hohen Materialanforderungen im Bereich der Prothetik zu erfüllen und somit eine große, bei Bedarf patientenindividuelle, Variantenvielfalt an Prothesen zu ermöglichen.

Durch die Kombination von experimentellen Fertigungsverfahren und theoretischen Modellierungen werden Prothesen wie Hüft- oder Kniegelenke hergestellt und optimiert. Hierbei kommen fortschrittliche KI-Methoden wie neuronale Netze und Regressionsbäume zum Einsatz, um die Fertigungsprozesse zu verbessern und die Eigenschaften der Werkstücke präzise vorherzusagen.

Ein wesentlicher Aspekt des Vorhabens ist der Übergang von statistischen Belegen hin zu modellbasierten Vorhersagen von Bauteileigenschaften in der LPBF. Die bidirektionalen Modelle optimieren sowohl die Fertigungsparameter als auch die Bauteileigenschaften, was einen Paradigmenwechsel in der Herstellung von Prothesen darstellt.

Für Patient:innen bedeutet dies eine verbesserte und individuell angepasste Prothetik, die höchsten qualitativen und regulatorischen Anforderungen gerecht wird. Dies könnte zu komfortableren, langlebigeren und passgenaueren Prothesen führen, die die Lebensqualität erheblich verbessern.