Automatisiertes Labor beschleunigt Materialentwicklung
Tausende Materialvarianten systematisch untersuchen, bewerten und gezielt weiterentwickeln – das ermöglicht die neue Energy Materials Acceleration Platform (E-MAP) am Karlsruher Institut für Technologie (KIT). Sie verbindet automatisierte Experimente mit präziser Materialcharakterisierung und schafft damit die Grundlage für eine beschleunigte Entwicklung von Energiematerialien.
Für neue Funktionsmaterialien müssen häufig zahlreiche Materialkombinationen getestet werden. Herkömmliche Experimente stoßen dabei schnell an Grenzen, wenn viele Varianten miteinander verglichen werden sollen. Die neue Energy Materials Acceleration Platform (E-MAP) am KIT automatisiert deshalb zentrale Arbeitsschritte im Labor und verbindet diese mit modernen Methoden der Künstlichen Intelligenz.
„Robotersysteme übernehmen unter anderem die Vorbereitung von Materialien, die Handhabung von Proben, die Abscheidung von Dünnschichten und deren Charakterisierung“, sagt Dr. Holger Röhm vom Lichttechnischen Institut (LTI) des KIT, dessen Forschungsteam die Plattform aufgebaut hat. „Dadurch lassen sich Experimente mit hoher Präzision und Reproduzierbarkeit durchführen. Mit der E-MAP können wir schneller erkennen, welche Materialzusammensetzungen und Herstellungsbedingungen für eine bestimmte Anwendung besonders vielversprechend sind.“
Modular aufgebaut und flexibel erweiterbar
Die E-MAP ist als geschlossenes System aufgebaut und ermöglicht die automatisierte Herstellung und Untersuchung von Materialien unter kontrollierten Bedingungen. Dank ihres modularen Konzepts kann die Plattform kontinuierlich um neue Experimente und Analysemethoden erweitert werden. „Ein wesentlicher Vorteil der E-MAP ist ihr modularer Aufbau“, so Professor Alexander Colsmann vom LTI des KIT. „Wir können neue Experimente und Charakterisierungsmethoden integrieren und die Plattform so an unterschiedliche wissenschaftliche Fragestellungen anpassen. Auch Kooperationspartner aus Wissenschaft und Industrie können eigene Methoden und Geräte einbringen.“
Von automatisierten Experimenten zu KI-gestützter Materialentwicklung
Mit der Automatisierung entstehen große Mengen experimenteller Daten. Um daraus neue Materialien schneller und gezielter zu entwickeln, erforschen Wissenschaftlerinnen und Wissenschaftler um Professor Pascal Friederich KI-Methoden, mit deren Hilfe die Plattform aus Vorwissen lernt und eigenständig vielversprechende nächste Versuchsschritte vorschlagen kann.
„Bei modernen Materialsystemen ist der Suchraum häufig so groß, dass nicht jede Variante experimentell untersucht werden kann. Deshalb entwickeln wir Verfahren, die mithilfe Künstlicher Intelligenz aus bisherigen Ergebnissen lernen und gezielt die informativsten nächsten Experimente auswählen. So können wir die Zahl notwendiger Versuche reduzieren und den Weg zu neuen Materialien erheblich verkürzen“, sagt Pascal Friederich, Leiter der Gruppe Artificial Intelligence for Materials Science an der KIT-Fakultät für Informatik.
Die KI verknüpft Daten aus dem automatisierten Labor mit wissenschaftlichem Vorwissen und Erkenntnissen aus der Fachliteratur. Auf dieser Grundlage kann sie besonders aussichtsreiche Materialkombinationen identifizieren und neue Experimente gezielt steuern. Dadurch lassen sich große Materialräume deutlich effizienter erschließen und vielversprechende Kandidaten schneller für praktische Anwendungen weiterentwickeln.
Über E-MAP
Die Energy Materials Acceleration Platform (E-MAP) ist ein Self-Driving Lab (SDL), also eine weitgehend autonom arbeitende Forschungsplattform. Solche SDLs sind ein zentraler Bestandteil der deutschen HighTech Agenda. Der Aufbau der E-MAP begann 2023. Für die technische Ausstattung der Plattform stellte das KIT bislang rund 600 000 Euro bereit. Die Carl-Zeiss-Stiftung unterstützte die Entwicklung in den vergangenen Jahren innerhalb des Forschungsprojekts KeraSolar. Die E-MAP ist in die geplante Helmholtz Acceleration Alliance (HELMA) eingebunden, die autonome Forschungsplattformen in den Material- und Lebenswissenschaften über mehrere Helmholtz-Zentren hinweg vernetzen soll.