KI-Roboterlabor ebnet Weg zu hitzefesten Beschichtungen
Forschende am Center of Excellence in Coating and Surface Engineering der University of Nottingham haben eine KI-gesteuerte robotische Laborumgebung vorgestellt, die die Entwicklung von Wärmeschutzbeschichtungen für extreme Umgebungen beschleunigen soll. Das selbstfahrende Labor verbindet zwei Roboterarme, einen speziell entwickelten Flüssigkeitsdispenser, Laborgeräte und eigene Software zu einem durchgängigen Arbeitsablauf, der von der präzisen Dosierung und Mischung chemischer Inhaltsstoffe über die Hochtemperatur-Ofenprozessierung bis zur kontrollierten Abkühlung und Probenentnahme reicht. Durch aktives Lernen, ein KI-Verfahren, das Ergebnisse früherer Experimente für die Auswahl nächster Materialzusammensetzungen nutzt, identifizierte und bereitete das Team mehrere Kandidaten mit Pyrochlor-Kristallstruktur für potenzielle thermische Barriereschichten vor. Solche Beschichtungen dienen in der Luft- und Raumfahrt, Energietechnik und allgemeinen Hochtemperaturtechnik als Schutz vor intensiver Hitze und können die thermische Belastung nachgelagerter Bauteile reduzieren. Die Entwickler betonten, dass Robotik in Laboren häufig nur repetitive Aufgaben übernehme; die zuverlässige Integration von Flüssigkeitshandhabung und Hochtemperaturprozessierung in einem Workflow sei dagegen technisch anspruchsvoll. Kalibrierungsexperimente bestätigten eine genaue Dispensierung unterschiedlicher Flüssigkeiten. Anschließend demonstrierte das System die automatisierte Herstellung einer Vorläuferlösung, den Materialtransfer in den Ofen, die kontrollierte Abkühlung und die Rückgabe der behandelten Probe. Laut Tanvir Hussain, Professor für Beschichtungs- und Oberflächentechnik, schafft das System eine Grundlage für stärker autonome Materialienforschung, indem es Laborprozesse koordiniert, manuelle Eingriffe reduziert und experimentelle Konsistenz verbessert. Mohammadreza Lalegani Dezaki ergänzte, dass die Integration getrennter Arbeitsschritte in einem robotischen Workflow die automatisierte und reproduzierbare Materialvorbereitung von Anfang bis Ende ermöglicht. Die Ergebnisse wurden in Engineering Applications of Artificial Intelligence sowie als Arbeitspapier auf ChemRxiv veröffentlicht.
