Digitalisierung & Künstliche Intelligenz

Digitalisierung in der Materialwissenschaft

Machine Learning in Werkstofftechnik

Digitalisierung & Künstliche Intelligenz

Die Digitalisierung und Künstliche Intelligenz in der Materialwissenschaft ermöglichen eine datenbasierte Analyse und Optimierung von Entwicklungsprozessen. Sie unterstützen die automatisierte Materialauswertung, Simulationen und Vorhersagen von Werkstoffeigenschaften.

Verwandte Tags

Neues

Fort- & Weiterbildung

Mit eigenen Daten chatten – mit KI zum technologischen Wissensvorsprung

26. - 30.10.2026

Tagung & Ausstellung

29.09. - 01.10.2026

Darmstadt & online

Tagung & Ausstellung

23. - 25.06.2026

Kassel & online

Fort- & Weiterbildung

Werkstoffdesign für die additive Fertigung

19. - 20.05.2026

Fort- & Weiterbildung

Digital Image Correlation in Materials Testing

Fort- & Weiterbildung

Materialanalyse im Wandel: Tradition trifft KI

10. - 12.03.2026

Saarbrücken & online

Fort- & Weiterbildung

23. - 27.02.2026

Fort- & Weiterbildung

Mit eigenen Daten chatten – mit KI zum technologischen Wissensvorsprung

02. - 06.02.2026

Intelligent search engine for finding optimised rubber compounds (InSuKa)

Bardehle, A. (Speaker)¹

MaterialDigital General Assembly 2025

Unsupervised deep learning approaches for defect detection in light optical microscopy images of Li-ion batteries

Jansche, A. (Speaker)¹; Bernthaler, T.¹; Schneider, G.¹

Beliebt

Tagung & Ausstellung

29.09. - 01.10.2026

Darmstadt & online

Poster pitch presentation

Data-Driven Discovery of Coordination Compounds for Nonlinear Optical Terahertz Generation

Siwiak, A. (Speaker)¹; Forte, G.²; Gorczyński, A.¹

Machine learning-assisted equivalent circuit identification for dielectric spectroscopy of polymers

Albakri, B. (Speaker)¹; Diniz, A.²; Benner, P.¹; Muth, T.³; Nakajima, S.⁴; Favaro, M.²; Kister, A.¹

Predicting mechanical properties in aluminum alloys: A data-driven framework leveraging LLM-based data extraction and physics-based feature engineering

Pichlmann, L. (Speaker)¹; Österreicher, J.¹

Universal Representation of Chemical Processes for Property Prediction

Nakao, A.¹; Tsitsvero, M.¹; Gracheva, E. (Speaker)¹; Ikebata, H.¹

Keynote Lecture

Materials Engineering: A Key to Plant Safety and Reliability in the Chemical Process Industry

Treppmann, D. (Speaker)¹

MaterialsWeek 2025

Maschinelles Lernen statt energiedisperser Röntgenspektroskopie: Vorhersage der chemischen Zusammensetzung von Stahl-Einschlüssen nur über Bildinformationen

Britz, D. (V)¹; Müller, M. (V)²; Mücklich, F.²; Scholl, S.³; Staudt, T.³

55. Metallographie-Tagung 2021 - Materialographie

Image Characterization and Analysis By Machine Learning Algorithms

Wissel, S. (Speaker)¹; Dextre, A.¹; Helbrecht, C.¹; Schabel, S.¹; Scheunert, J.²; Volz, K.²; Xu, B.-X.¹

Seamless Science: Navigating Daily Lab Life through Semantic Data Integration, Electronic Lab Notebooks, and Knowledge Graphs in the Era of MSE Digitalization

Schilling, M. (Speaker)¹; Bayerlein, B.¹; Bruns, S.²; von Hartrott, P.³; Waitelonis, J.⁴; Schaarschmidt, J.⁵; Kryeziu, J.⁵; Skrotzki, B.¹

Building Knowledge Graphs with the ELN Herbie

Kirchner, F. (Speaker)¹; Eschke, C.¹; Held, M.¹; Nafissi, A.¹; Mensah, A.¹

MaterialDigital General Assembly 2025

Verbesserung der Nutzbarkeit von Deep Learning Modellen zur Erkennung von Defekten in Li-Ionen Batterien

Bäuml, J. (V)¹; Bernthaler, T.¹; Fuchs, K.¹; Jansche, A.¹; Schneider, G.¹

59. Metallographie-Tagung 2025 - Materialographie

Digital Workflows within the Innovation Platform MaterialDigital

Schaarschmidt, J. (Speaker)¹; Caldeira Rego, C.R.¹; Fliegl, H.¹; Hassani, M.²; Hickel, T.²; Wenzel, W.¹

PolymerNexus - Polymer Knowledge Graphs: Workflow for Semantification of Polymer Datasets

Karanth, P. (Speaker)¹; Vogt, L.¹; Goegelein, C.²; Gross, T.³; Kheirandish, S.³

MaterialDigital General Assembly 2025

Deep Learning Rekonstruktion ehemaliger Austenitkorngrenzen niedrig legierter Stähle aus Nital-geätzten Lichtmikroskopaufnahmen

Bachmann, B. (V)¹; Staudt, T.²; Müller, M.³; Britz, D.³; Mücklich, F.¹

56. Metallographie-Tagung 2022 - Materialographie

AI for Estimating Multiple Irradiation Conditions from Temperature Distribution

Nakaone, M. (Speaker)¹; Goto, K.²; Kagawa, Y.¹; Ohkubo, T.¹; Ueno, Y.¹

Laser Precision Microfabrication (LPM) 2022

Harnessing the power of automation and machine learning with a modular material acceleration platform – an illustrating example

Popp, M.A. (Speaker)¹; Bandesha, S.T.¹; Stier, S.¹

Keynote Lecture

Human or machine? Will AI decide what I learn?

Schmidt, T. (Speaker)¹

MaterialsWeek 2025

Master in Materialinformatik (Materials Data Science)

Groß, A. (Speaker)¹; Wehrspohn, R. (Speaker)²

Advancing Material Discovery and Upscaling via Material Acceleration Platforms (MAPs): Achieving Critical Mass in the Research Landscape

Özcan Sandikcioglu, Ö. (Speaker)¹; Bandesha, S.T.²; Fabrizio, M.³; Friedrich, P.⁴; Hauch, J.⁵; Ihssen, H.⁶; Konchakova, N.A.⁷; Malek, K.⁵; Nakamae, S.⁸; Popp, M.²; Rühle, B.¹; Stier, S.²; Szawiola, A.⁹

MaterialsWeek 2025

NeuraCell: a neural-network-based tool for the structural characterization of polymeric porous materials

Torre, J. (Speaker)¹; Barroso-Solares, S.²; Pinto, J.²; Rodríguez-Pérez, M.Á.²

8th International Conference on Cellular Materials - CellMAT 2024

Digital transformation in materials science: implementing NFDI-MatWerk solutions for collaborative research and data management

Tsybenko, H. (Speaker)¹; Menon, S.²; Guzmán, A.A.¹; Chen, F.³; Grünwald, K.⁴; Brinckmann, S.¹; Hickel, T.²; Dahmen, T.³; Hofmann, V.¹; Chmielowski, M.⁵; Mohrbacher, J.⁶; Schwaiger, R.¹

Ontology development by domain experts using an entry-level example

Norouzi, E. (Speaker)¹; Bayerlein, B.²; Birkholz, H.³; Bjarsch, T.⁴; Hanke, T.⁵; Huschle, T.⁵; Niebel, M.⁵; Sack, H.¹; Waitelonis, J.¹

Toward Hierarchical Modeling: Machine Learning for Describing Elastic-Plastic Behavior in Nanoporous Metals

Dyckhoff, L. (Speaker)¹; Huber, N.¹

Seamless Science in Platform MaterialDigital (PMD): Demonstration of Semantic Data Integration as Good Practices

Schilling, M. (Speaker)¹; Bayerlein, B.¹; Schaarschmidt, J.²; von Hartrott, P.³; Bruns, M.⁴; Birkholz, H.⁵; Waitelonis, J.⁶; Hickel, T.¹

Generisches Deep Learning Modell zur Korngrößenanalyse in der Materialmikroskopie

Bernthaler, T. (V)¹; Rathod, K.¹; Choudhary, A.-K.²; Jansche, A.¹; Ketzer-Raichle, G.¹; Schneider, G.¹

59. Metallographie-Tagung 2025 - Materialographie

Collecting FAIR data as a base for machine learning in tribology

Garabedian, N.¹; Flachmann, M. (Speaker)¹; Bagov, I.¹; Biesinger, J.¹; Gorenflo, M.²; Ye, N.¹; Bresser, F.¹; Meller, M.³; Greiner, C.¹

Conference on Artificial Intelligence in Materials Science and Engineering - AI MSE 2023

A common workflow description for experimental and computational materials science

Brinckmann, S. (Speaker)¹; Chen, F.²; Dahmen, T.²; Hickel, T.³; Huber, L.⁴; Menon, S.⁴; Murugan, J.¹; Neugebauer, J.⁴; Schwaiger, R.¹; Tsybenko, H.¹; Waseda, O.⁴

Revealing Single-Polymer Unbinding in Hydrogels via Dimensionality Reduction of Serial AFM Force-Distance Curves

Fett, Y. (Speaker)¹; Bennewitz, R.¹

Bayesian inference framework for prediction of material properties from microstructure images based on generative models

Noguchi, S. (Speaker)¹; Inoue, J.²

Encompassing materials modelling for industry 4.0

Roscioni, O.M. (Speaker)¹; Calzolari, A.²; Goldbeck, G.¹

© 2025