Nur Schrott, kein frisches Metall: KI macht Eisen bis zu 15 % fester

Rund 2 Mrd. t Metall produziert die Welt jedes Jahr für Autos, Maschinen, Gebäude und Stromnetze. Der größte Teil entsteht nach wie vor aus frisch gefördertem Erz. Laut dem Max-Planck-Institut für Nachhaltige Materialien (MPI SusMat) in Düsseldorf ist die Metallproduktion damit für geschätzt 40 % der industriellen Treibhausgasemissionen und 10 % des weltweiten Energieverbrauchs verantwortlich.

Ein Teil davon ließe sich einsparen, wenn mehr Schrott zum Einsatz käme. Der hat aber ein Problem: Seine Zusammensetzung schwankt von Charge zu Charge, und unerwünschte Begleitelemente verschlechtern die mechanischen Eigenschaften recycelter Legierungen.

Ein internationales Forschungsteam um das MPI SusMat und die Shanghai Jiao Tong University macht aus der Not jetzt eine Tugend. Eine eigens entwickelte KI nutzt die Verunreinigungen als Legierungselemente. 14 neue Eisenlegierungen entstanden so komplett aus Schrott, ohne Zugabe von Neumetall. Im Vergleich mit den Bestwerten in einem Datensatz für recyceltes Eisen stieg die Zugfestigkeit um bis zu 15,2 % oder die Bruchdehnung um bis zu 73,2 %. Die Herstellung war um 8,1 % günstiger. Die Ergebnisse erschienen am 14. Oktober im Fachjournal Science Advances. Wie funktioniert das?

Die Tücken beim Schrott-Recycling

In Stahlschrott stecken zahlreiche Fremdelemente wie Kupfer aus Elektrogeräten und Autos, Zinn aus Konservendosen oder Chrom und Nickel, und zwar in jeder Charge in anderer Menge. Beim klassischen Metallrecycling wird der Schrott eingeschmolzen. Viele Begleitelemente lassen sich aus der Schmelze dann kaum noch entfernen. Dabei können sie die Werkstoffe bei der Weiterverarbeitung spröde machen und ihre Verformbarkeit verringern.

In der Industrie verdünnt man das Altmetall deshalb. Dem Schrott wird dabei vor dem Einschmelzen frisch erzeugtes, reines Metall beigemischt. Und zwar so viel, dass die Störelemente im Rezyklat unter den Grenzwerten liegen. „Das untergräbt jedoch die Umweltvorteile des Recyclings, da die Herstellung von Primärmetallen große Mengen Energie erfordert und erhebliche CO2-Emissionen verursacht”, gibt Liuliu Han zu bedenken. Er ist Projektgruppenleiter am MPI SusMat und einer der Korrespondenzautoren der Studie.

KI-Rezepte statt langwieriger Schmelzversuche

Das Team um Han und Institutsdirektor Dierk Raabe hat den Spieß umgedreht: Statt die Störelemente herauszurechnen, behandelt ihr KI-System sie als Zutaten bei der Berechnung neuer Legierungen.

• Ausgangspunkt der Suche sind bestehende Rezepte für Legierungen.
• Ein Suchalgorithmus variiert auf dieser Grundlage innerhalb vorgegebener Grenzen die Zusammensetzung und einzelne Prozessparameter wie Temperatur oder Behandlungsdauer.
• Neuronale Netze treffen Vorhersagen über die Zugfestigkeit und Dehnung jedes neuen Legierungskandidaten. Dann lenken sie den Suchalgorithmus auf die Kombinationen, die das bekannte Verhältnis aus Festigkeit und Verformbarkeit übertreffen könnten.
• Ein zweites Modell, das auf einem größeren Datensatz aus Zusammensetzungen und Eigenschaften trainiert ist, siebt die so ermittelte Vorauswahl noch einmal durch.
• Erst dann geht es in den Ofen: Die vielversprechendsten Rezepte werden gegossen und geprüft, die Messwerte fließen zurück in die Datenbank und verbessern die nächste Vorhersagerunde.

Der Clou: Das KI-Modell verknüpft laut dem MPI die Zusammensetzung des Metalls und seinen Entstehungsprozess direkt mit den Zieleigenschaften. Die innere Struktur des Metalls, die Werkstoffforscher üblicherweise in zeitintensiven Prozessen unter dem Mikroskop analysieren (sog. Gefügeanalysen), muss es dafür kaum kennen. Das beschleunigt den Entwicklungsprozess.

14 von 17 Rezepten schlagen die Bestmarken

Für den Praxistest ließen die Forschenden ihr KI-Verfahren Rezepte für eine konkrete Werkstoffklasse entwerfen: Gusseisen mit Kugelgraphit, das etwa in Kurbelwellen, Windkraft-Naben und Trinkwasserrohren steckt. Der Werkstoff gilt als vergleichsweise tolerant gegenüber Verunreinigungen. Zudem ist er industriell durchaus relevant: Laut dem Branchenzensus Census of World Casting Production wurden 2018 weltweit rund 28 Mio. t davon gegossen.

17 Rezepte schlug die KI vor. Das Team goss alle aus Schrott und überprüfte die entstandenen Legierungen im Zugversuch.

14 davon übertrafen laut dem MPI die bislang bekannten besten Kombinationen aus Festigkeit und Dehnung, die im Datensatz für recyceltes Eisen verfügbar waren.

Die Zugfestigkeit lag bis zu 15,2 % höher bei vergleichbarer Dehnung, oder die Bruchdehnung stieg um bis zu 73,2 % bei vergleichbarer Festigkeit.

Nach Angaben der Max-Planck-Forschenden können Legierungen komplett aus Schrott damit sogar die Eigenschaften von Werkstoffen aus Primärproduktion übertreffen. Auch ökonomisch soll sich das Nutzen der Fremdstoffe mehr lohnen als das Verdünnen: Die Herstellung war laut der Studie 8,1 % günstiger als auf dem üblichen Weg, also dem Mischen von Schrott mit frischem Eisen.

Die richtige Technik zur richtigen Zeit?

Die EU setzt derzeit in mehreren Regelwerken stärker auf Recycling, bei Verpackungen ebenso wie bei Metallen. So soll die im August in Kraft getretene Altfahrzeugverordnung mehr Stahl und Aluminium im Kreislauf halten. Die meisten Vorgaben greifen allerdings erst ab 2028. In der EU werden jährlich über 6 Mio. Fahrzeuge ausgemustert; im Fachjargon spricht man vom „Erreichen des Lebensendes“.

Eine EU-Studie aus dem Projekt FutuRaM hat kürzlich errechnet, welches Potenzial die Wiederverwertung von Europas Abfällen bietet. Bis 2050 könnten Sekundärrohstoffe demnach im günstigsten Szenario bis zu 56 % des Bedarfs an kritischen Rohstoffen wie Lithium, Kobalt oder Seltenen Erden decken. In vielen Fällen mangelt es allerdings noch an Verfahren, die aus Materialmischungen von der Müllhalde oder dem Schrottplatz zuverlässig hochwertige Werkstoffe machen.

Die Düsseldorfer Studie könnte hierfür einen weiteren Baustein liefern. Dabei sind die MPI-Forscher nicht die einzigen, die beim Recycling auf KI setzen. Im Bauschutt-Recycling soll KI etwa die Qualität der Stoffströme sichern.

Was die Rechnung noch nicht zeigt

Die Max-Planck-Forschenden wollen ihr Framework als Nächstes von Gusseisen auf recycelte Stähle sowie Aluminium- und Kupferlegierungen übertragen. Langfristig schwebt ihnen ein weitgehend autonomer Kreislauf vor, in dem spezialisierte KI-Agenten das Design der Legierungen, die Planung der Versuche sowie die Prozesssteuerung untereinander koordinieren. Das Ziel ist, sich laufend an schwankende Schrottqualitäten anpassen zu können. Denn in der Realität sind keine zwei Chargen gleich.

Das dürfte auch die größte Hürde für das neue Metall-Recycling sein. Die ermittelten 8,1 % Kostenersparnis müssen sich allerdings erst im industriellen Alltag bewähren. In einer echten Gießerei mit täglich wechselnden Schrottchargen könnte es schwieriger werden, diese Ersparnis konstant zu erzielen.

Auch in puncto Güte vergleichen sich die neuen Rezepte mit den Bestwerten eines Datensatzes für recyceltes Gusseisen. Ob sie jede hochwertige Sorte am Markt übertreffen, sagt das nicht. Und das Verfahren steht und fällt mit der Datenlage. Für Gusseisen konnte das Team auf Daten aus einer laufenden Recycling- und Fertigungskette zurückgreifen, für andere Werkstoffklassen müsste eine solche Datenbasis erst entstehen.

Wenn Verunreinigungen im Altmetall kein Ausschlusskriterium mehr sind, sondern eine „Zutat“ für das Legierungsrezept, fiele eines der größten Argumente gegen den Einsatz von Schrott weg. Er könnte dann in einem deutlich größeren Teil der rund 2 Mrd. t Metall stecken, die jährlich produziert werden.