Stahlkonstruktionen wie Brücken, die gemäß ZTV-ING Teil 4 oder der Richtlinie der Deutschen Bahn DBS 918002-02 errichtet werden, erfordern neben dem Tragfähigkeitsnachweis im Grenzzustand der Tragfähigkeit auch die Zertifizierung des Werkstoffes hinsichtlich eines ausreichenden Rissauffangvermögens, um ein bruchsicheres Verhalten in sicherheitskritischen Anwendungen zu gewährleisten. Zur Qualifizierung schreibt das SEP 1390 den ABV vor. Dabei wird ein Stahlblech (Blechdicke ≥ 30 mm) mit einer rissinitiierenden Schweißung versehen und einer Dreipunktbiegung unterzogen. Wird ein Mindestbiegewinkel von 60° ohne Bruch erreicht, gilt der Versuch als bestanden. Ein früherer Bruch wird als nicht bestanden bewertet, während Proben ohne Rissausbreitung in den Grundwerkstoff als ungültig gelten. Im vorgestellten Projekt soll eine Prognose des Versuchsausgangs eines ABVs auf Basis werkstofftechnischer Parameter, z.B. Kennwerten aus Kerbschlagbiege- und Zugprüfung formuliert werden. Hierfür wurde in Zusammenarbeit mit der Chemnitzer Werkstoff- und Oberflächentechnik GmbH (CEWUS) eine Datenbasis aufgebaut. Verschiedene ML-Modelle wurden dabei auf ihre Eignung untersucht, darunter Decision-Tree Classifier, Random-Forest Classifier und KNN. Der Bagging-Classifier erwies sich mit einer Vorhersagegenauigkeit von ca. 94 % als besonders leistungsfähig. Durch eine gezielte Datensatz-Erweiterung reduziert dieses Ensemble-Verfahren die Modellvarianz und verbessert so die Prognosegenauigkeit. Zusätzlich ermöglichten mikrostrukturelle Analysen neue Erkenntnisse zu den Ursachen eines frühzeitigen Versagens. Insbesondere wurden Korrelationen zwischen einer unzureichenden Wärmebehandlung nach der Stahlherstellung und der Bildung von Widmannstättenferrit festgestellt.