In den Brennkammern moderner Raketentriebwerke herrschen Bedingungen, die gewöhnliche Metalle binnen Sekunden zerstören. Die NASA-Legierung GRCop-42 hält ihnen stand, ließ sich im 3D-Druck bislang aber nur auf teuren Spezialanlagen verarbeiten. Forscher der Washington State University haben nun eine KI auf das Problem angesetzt: Statt mehr als 100 Millionen mögliche Druckeinstellungen durchzuprobieren, fand der Algorithmus mit nur 40 realen Experimenten sechs funktionierende Konfigurationen, darunter eine mit rekordniedriger Laserleistung.
GRCop-42 ist eine Legierung aus Kupfer, Chrom und Niob, die am Glenn Research Center der NASA entwickelt wurde und Temperaturen aushält, die rund 40 Prozent über der Belastungsgrenze herkömmlicher Kupferlegierungen liegen. Ursprünglich für langlebigere Brennkammern konzipiert, hat sich das Material längst in der kommerziellen Raumfahrt etabliert. Als das Unternehmen Relativity Space im März 2023 mit der Terran 1 die erste fast vollständig im 3D-Druck gefertigte Großrakete startete, bestanden alle neun Triebwerke der ersten Stufe aus genau dieser Legierung. Der Haken liegt in der Verarbeitung: Etwa 90 Prozent der kommerziell verfügbaren Metalldrucker konnten das anspruchsvolle Material bislang nicht verarbeiten, weil Kupferlegierungen das Laserlicht stark reflektieren und nur in einem schmalen Prozessfenster sauber verschmelzen.
Wer dieses Fenster finden will, steht vor einer erdrückenden Rechenaufgabe. Beim eingesetzten Verfahren, einer Variante des Laserauftragschweißens, bestimmen Laserleistung, Verfahrgeschwindigkeit und Materialzufuhr gemeinsam das Ergebnis, und aus ihren Abstufungen ergeben sich mehr als 100 Millionen mögliche Kombinationen. Jeder einzelne Druckversuch kostet Hunderte Dollar, dauert mit Auswertung mehrere Tage und endet in den allermeisten Fällen als unbrauchbarer Metallklumpen. Ein systematisches Durchprobieren scheidet damit aus. Das Team aus den Fakultäten für Elektrotechnik und Informatik sowie Maschinenbau und Werkstofftechnik der Washington State University übersetzte das Problem deshalb in eine Aufgabe für maschinelles Lernen: Wie findet man mit einem winzigen Versuchsbudget die wenigen Nadeln in einem gigantischen Heuhaufen?
Als Ausgangspunkt diente ausgerechnet eine Sammlung von Misserfolgen. Die Forscher trainierten ihren Algorithmus mit den Daten von 37 zuvor gescheiterten Druckversuchen, wie die Washington State University berichtet, und ließen ihn daraus lernen, welche Regionen des riesigen Parameterraums aussichtsreich sein könnten. Nach jedem neuen Experiment erhielt das System lediglich die Rückmeldung Erfolg oder Fehlschlag und passte seine Vorhersagen entsprechend an. Diese Form des adaptiven Versuchsdesigns gilt als besonders schwierig, weil ein binäres Signal nur wenig Information trägt und erfolgreiche Einstellungen extrem selten sind. Der Algorithmus musste also mit möglichst wenigen Versuchen möglichst viel über die verborgene Landschaft aus Erfolg und Misserfolg erfahren.
Das Ergebnis übertraf die Erwartungen. Innerhalb von drei Monaten und einem fest gedeckelten Budget von 40 Experimenten identifizierte das System sechs funktionierende Konfigurationen über verschiedene Leistungsstufen hinweg. Der größte Erfolg gelang am unteren Ende der Skala: Erstmals ließ sich GRCop-42 mit einer Laserleistung von nur 500 Watt drucken, einem Wert, den zuvor niemand für praktikabel gehalten hatte. Die technischen Details beschreibt das Team in einem Fachartikel zur Studie, die im Konferenzband der AAAI-Konferenz für Künstliche Intelligenz erschien und dort mit dem Preis für innovative praktische Anwendungen ausgezeichnet wurde. Gerade die niedrige Laserleistung ist entscheidend, denn sie öffnet das Material für die breite Masse gängiger kommerzieller Anlagen.
Bislang blieb der Druck des Raketenmetalls einer kleinen Zahl hochgerüsteter Spezialbetriebe vorbehalten, was Bauteile teuer und Lieferketten verwundbar machte. Können künftig auch Standarddrucker die Legierung verarbeiten, sinken die Kosten für Brennkammern, Düsen und andere thermisch extrem belastete Komponenten spürbar, und kleinere Unternehmen erhalten Zugang zu einem Werkstoff, der bislang Großkonzernen und Raumfahrtagenturen vorbehalten war. Die Forscher sprechen deshalb davon, den 3D-Druck des Materials zu demokratisieren. Zugleich zeigt die Arbeit exemplarisch, wie sich die additive Fertigung insgesamt weiterentwickelt: weg vom teuren Ausprobieren erfahrener Ingenieure, hin zu lernenden Systemen, die aus wenigen gezielten Experimenten die physikalischen Grenzen eines Prozesses ausloten.
Die eigentliche Reichweite der Studie liegt nach Einschätzung der Autoren jenseits der Raumfahrt. Ihr KI-Rahmen lässt sich auf andere Legierungen und Fertigungsanlagen übertragen und grundsätzlich auf jedes Problem, bei dem Erfolge selten, die Zahl möglicher Experimente astronomisch und einzelne Versuche teuer sind. Als naheliegende Kandidaten nennen die Forscher die Suche nach neuen Industriewerkstoffen und die Wirkstoffentwicklung in der Pharmaforschung, wo Labore ebenfalls Milliarden denkbarer Molekülvarianten gegen knappe Versuchskapazitäten abwägen müssen. Sollte sich der Ansatz dort bewähren, hätte das Raketenmetall aus dem 3D-Drucker den Weg zu einer viel allgemeineren Erkenntnis gewiesen: Die knappste Ressource der experimentellen Forschung ist nicht Rechenleistung, sondern der einzelne reale Versuch, und genau dort spart eine gut trainierte KI am meisten.