Wenn Algorithmen alternative Materialien finden

Knappe Ressourcen, explodierende Preise, Lieferunsicherheiten oder neue regulatorische Vorgaben – es gibt viele Gründe, weshalb Unternehmen Rohstoffe oder Materialien ersetzen müssen. Doch die Suche nach geeigneten Alternativen ist oft ein aufwendiger Prozess mit ungewissem Ausgang. Ein Forschungsteam des Fraunhofer IPA hat deshalb ein KI-gestütztes Tool entwickelt, das diese Herausforderung systematisch angeht. Es kombiniert maschinelles Lernen mit semantischer Recherche, um passende Substitute für kritische Materialien wie Kobalt zu identifizieren. Dabei berücksichtigt es nicht nur technische Eigenschaften, sondern auch rechtliche, ökologische und soziale Faktoren. Das Ziel: Unternehmen eine fundierte Entscheidungsgrundlage für zukunftsfähige Materialstrategien zu bieten – ohne dabei die Produktqualität oder Nachhaltigkeitsziele aus dem Blick zu verlieren.