Fraunhofer-Leitprojekt »ORCHESTER«

Motivation
Angesichts begrenzter Ressourcen, steigender Materialbedarfe, volatiler Versorgungslagen und wachsender Klimabelastungen ist es unerlässlich, Wertschöpfungsketten nachhaltiger zu gestalten und die Versorgungssicherheit zu gewährleisten. Das Projekt »ORCHESTER« hat sich zum Ziel gesetzt, digitale Technologien zu entwickeln, die eine nachhaltige und resiliente Materialversorgung ermöglichen. Durch innovative Ansätze wird die Materialauswahl optimiert, was zu einem direkten Mehrwert für die Industrie führt und einen wichtigen Schritt in Richtung einer zukunftssicheren Materialversorgung darstellt. 

Projektziele

• Schaffung eines digitalen Ökosystems: Mit dieser Wissensbasis soll die Entscheidungsfindung in der Materialwirtschaft durch Integration und Analyse umfangreicher Daten verbessert werden.
• Optimierung der Werkstoffentwicklung: Hochdurchsatzscreening-Technologien ermöglichen die schnelle Identifikation geeigneter Werkstoffe. Diese Technologien helfen dabei, alternative Materialien und Legierungen effizient zu entwickeln, um die Innovationsgeschwindigkeit in der Industrie zu erhöhen.
• Erhöhung der Recyclingquote: Durch die Entwicklung nachhaltiger Recyclingstrategien, z. B. durch Erhöhung des Recyclinganteils, kann der Rohstoffverbrauch gesenkt und die Kreislaufwirtschaft gefördert werden.

Digitales Ökosystem
Ein zentrales Element von »ORCHESTER« ist das digitale Ökosystem, welches die Integration und Analyse umfangreicher Daten entlang der Wertschöpfungskette ermöglicht. Es unterstützt die digitale Transformation von Unternehmen durch:

• Vernetzung von Informationen aus verschiedenen, heterogenen Datenquellen (Experimenten, Simulationen, externe Datenbanken, Literatur).
• Hosting von Tools (bzw. digitalen Produkten) zur Unterstützung der Entscheidungsfindung und zur Ableitung von Handlungsempfehlungen.
• Förderung der Zusammenarbeit zwischen Forschung und Industrie.

Hochdurchsatzscreening
Das Hochdurchsatzscreening ist eine innovative Methode, die es ermöglicht, große Mengen von Materialien schnell zu testen und zu charakterisieren. Durch automatisierte Experimente und digitale Analysen können die Eigenschaften von Werkstoffen in kürzester Zeit ermittelt werden. Diese Technologie ist entscheidend für die effiziente Entwicklung neuer Werkstoffe, da sie die Identifikation optimaler Legierungen und deren Eigenschaften beschleunigt. Im Rahmen von ORCHESTER wird das Hochdurchsatzscreening eingesetzt, um alternative Materialien zu entdecken und die Recyclingfähigkeit bestehender Werkstoffe zu verbessern, was letztlich zu einer nachhaltigeren Ressourcennutzung beiträgt.

Demonstratoren
Das ORCHESTER-Projekt umfasst drei Demonstratoren, die darauf abzielen, die Herausforderungen in der Materialversorgung und -verwertung nachhaltig zu meistern.

1. Bipolarplatten für Brennstoffzellen
Im Fokus dieses Demonstrators steht die Entwicklung von Bipolarplatten, die für Brennstoffzellen unerlässlich sind. Ziel ist es, den Nickelgehalt in den verwendeten Materialien zu reduzieren, während die Funktionalität und mechanischen Eigenschaften konstant bleiben. Durch den Einsatz thermodynamischer Simulationen analysieren wir die Phasenstabilität und die mechanischen Eigenschaften der neuen Legierungen. Hochdurchsatzscreenings ermöglichen es uns, schnell neue Materialien zu entwickeln und ihre Eignung für den Einsatz in Brennstoffzellen zu validieren.

2. Aluminiumlegierungen
Dieser Demonstrator konzentriert sich auf die Maximierung des Anteils an Sekundärmaterialien in Aluminiumlegierungen, um den Energieverbrauch bei der Herstellung zu minimieren. Wir untersuchen die Auswirkungen von Fremdatomen, wie z.B. Eisen und Kupfer, auf die mechanischen Eigenschaften der Legierungen. Durch thermodynamische Simulationen und die Entwicklung effizienter Recyclingrouten stellen wir sicher, dass die recycelten Materialien von höchster Qualität sind und den Anforderungen der Industrie entsprechen.

3. Recycling von Permanentmagneten
Im Rahmen dieses Demonstrators nutzen wir fortschrittliche Simulationsmodelle und maschinelles Lernen, um die Recyclingprozesse für Permanentmagneten zu optimieren. Damit können wir die magnetischen Eigenschaften von NdFeB-Magneten vorherzusagen, selbst wenn Verunreinigungen vorhanden sind. Zudem setzen wir innovative Sensortechnologien, wie die Wirbelstromimpedanzanalyse, ein, um vorhandene Materialien zu identifizieren und zu separieren.