Forschende der Washington State University (WSU) haben eine kuenstliche Intelligenz eingesetzt, um die als notorisch schwer druckbar geltende NASA-Legierung GRCop-42 endlich zuverlaessig im 3D-Druck zu verarbeiten. Statt Millionen moeglicher Maschineneinstellungen manuell durchzuprobieren, fand ein Active-Learning-Modell in nur 40 Experimenten ueber drei Monate sechs funktionierende Konfigurationen – darunter erstmals ein Druck bei rekordniedrigen 500 Watt Laserleistung. Die Arbeit wurde am 27. August 2026 in den Proceedings der AAAI-Konferenz fuer kuenstliche Intelligenz veroeffentlicht.
Von 37 Fehlschlaegen zum funktionierenden Rezept
GRCop-42 ist eine von der NASA entwickelte Kupfer-Chrom-Niob-Legierung, die Hitze hervorragend ableitet und unter extremer Belastung stabil bleibt – ideal fuer Brennkammern von Fluessigkeitsraketentriebwerken. Genau diese Eigenschaften machen sie im pulverbasierten Laserdruck aber schwierig: Der metallverarbeitende Prozess kennt weit ueber 100 Millionen Kombinationen aus Laserleistung, Geschwindigkeit und weiteren Parametern. Das Team um Informatikprofessor Jana Doppa und Erstautorin Azza Fadhel startete mit den Daten aus 37 gescheiterten Versuchen und trainierte ein Modell, das die Erfolgswahrscheinlichkeit ungetesteter Einstellungen abschaetzt.
KI als Abkuerzung durch den Parameterdschungel
Der Clou liegt im Active Learning: Der Algorithmus waehlt gezielt kleine Versuchsreihen aus, die vielversprechende Bereiche und unsichere Zonen ausbalancieren, und verbessert sich mit jedem Ergebnis. So genuegten 40 reale Drucke, um sechs brauchbare Rezepte zu finden. Weil viele der gefundenen Einstellungen mit deutlich weniger Leistung auskommen, koennte die Legierung laut den Forschenden kuenftig auf rund 90 Prozent handelsueblicher Drucker verarbeitet werden – bisher scheiterten die meisten Geraete an ihr. Doppa spricht von einer „Demokratisierung“ des Drucks dieser Legierung.
Was das bedeutet – und was noch offen ist
Fuer die Praxis heisst das: kleinere Firmen und Universitaeten koennten aerospace-taugliche Bauteile drucken, ohne teure Spezialanlagen. Vor allem aber ist der Ansatz eine Blaupause – das Framework laesst sich auf andere Legierungen und Druckverfahren uebertragen. Einschraenkend gilt: Es sind Ergebnisse aus dem Labormassstab. Ob die Konfigurationen auch in der Serienfertigung zuverlaessig und materialqualitativ ueberzeugen, muss sich erst zeigen. Ein Heilsversprechen ist die Studie nicht, wohl aber ein starkes Beispiel dafuer, wie KI die teure Suche in der Materialforschung abkuerzt.
Quellen: Washington State University (WSU Insider), ScienceDaily, phys.org, Proceedings of the AAAI Conference on Artificial Intelligence (DOI).
