Der digitale Materialwissenschaftler: KI macht komplexe Legierungen zugänglicher
Thun, 17.11.2026 — Materialinformatiker erstellen Modelle und Simulationen, die für die Entwicklung von komplexen Materialien wie Hoch-Entropie-Legierungen unabdingbar sind. Forschende an der Empa in Thun haben nun ein auf KI basierendes «Hilfsmittel» entwickelt, das es Materialwissenschaftlerinnen und -wissenschaftlern erlaubt, die komplexen Tools über einen einfachen Sprach-Chat zu bedienen – eine Art ChatGPT für Materialien, der jedoch auf wissenschaftlichen Erkenntnissen beruht und auf dem Computer des Nutzers läuft.

Man nehme Kupfer und füge etwas Zinn hinzu: Fertig ist die Bronze, eine der ältesten bekannten Legierungen. Ähnlich funktionieren viele andere Legierungen: Ein bis zwei Metalle als Hauptkomponenten und ein paar Zusätze, um die Eigenschaften des Materials zu optimieren. Ganz anders sieht es bei den sogenannten Hoch-Entropie-Legierungen aus. Diese neuartigen Materialien bestehen aus vier oder mehr Metallen, die in mehr oder weniger gleichen Verhältnissen zusammengemischt werden.
Hoch-Entropie-Legierungen haben vielversprechende mechanische, thermische und elektromagnetische Eigenschaften, die sie für Anwendungen von Konstruktions- und Hochtemperaturwerkstoffen bis hin zu funktionalen Beschichtungen, Katalyse sowie elektronischen oder magnetischen Bauteilen interessant machen. Ihre Entwicklung ist jedoch komplex. «Es gibt extrem viele mögliche Kombinationen», erklärt Empa-Forscherin Yang Hu aus dem Empa-Labor «Advanced Metallurgy & Manufacturing of Metals» in Thun. «Die traditionellen Methoden der Materialentwicklung, bei denen man verschiedene Varianten des Materials herstellt und untersucht, stossen hier schnell an ihre Grenzen.»
Ein «virtueller» Wissenschaftler
Die Entwicklung von Hoch-Entropie-Legierungen und anderen komplexen Materialien ist deshalb zunehmend auf ein aufstrebendes Teilgebiet der Materialwissenschaft angewiesen: die Materialinformatik oder die computergestützte Materialwissenschaft. Mit Berechnungen, Simulationen und Modellen können Forschende physikalische Zusammenhänge in komplexen Materialien verstehen und aufzeigen, welche Experimente am ehesten zum Erfolg führen. Nur: Um die Werkzeuge der Materialinformatik richtig anzuwenden, braucht es viel Fachwissen. «Experimentelle Materialforschende haben kaum Zeit, sich den Umgang mit unseren Tools anzueignen», erklärt Materialinformatiker Vladyslav Turlo, der im «Computational Engineering»-Labor der Empa arbeitet.
Um ihren Kolleginnen und Kollegen im Labor den Zugang zu diesen Computer-Werkzeugen zu erleichtern, haben Turlo und Hu gemeinsam die Plattform «OptiMat Chat» entwickelt. Sie erlaubt Forschenden, einen «KI-Materialwissenschaftler» auf ihren Computer herunterzuladen. Der erste dieser virtuellen Wissenschaftler namens «OptiMat Alloys» wählt geeignete fachspezifische Tools aus, führt vordefinierte Arbeitsabläufe durch und fasst die Ergebnisse in Form von Abbildungen, Tabellen und Texten im Publikationsstil zusammen, die von Experten überprüft werden können. Um «OptiMat Alloys» zu verwenden, müssen die Forschenden weder programmieren noch komplizierte Einstellungen vornehmen. Sie können ihre Anliegen in ganz normaler Sprache formulieren – wie bei einem «echten» Materialinformatiker oder bei ChatGPT.
Der Vergleich mit ChatGPT ist stichhaltig: «OptiMat Alloys» setzt auf ein vergleichbares «Large Language Model» (LLM) als Schnittstelle, das natürliche Sprache versteht und Antworten generieren kann. Doch ist das lange nicht die einzige Grundlage des innovativen Forschungsinstruments. Im Herzen von «OptiMat Alloys» steckt ein sogenannter KI-Agent. Diese digitalen Assistenten sind in der Lage, komplexe Aufgaben zu übernehmen und unterschiedliche In- und Outputs zu verarbeiten. Ihre Hauptfähigkeit ist die Interaktion mit unterschiedlichen domänenspezifischen digitalen Werkzeugen – beispielsweise denjenigen der Materialinformatik.
Rigoros – aber kein Ersatz für den Mensch
«Wir haben unseren Agenten so designt, dass er unsere Simulationstools für Hoch-Entropie-Legierungen nach den Best-Practice-Richtlinien verwendet», erklärt Turlo. Der «OptiMat Alloys»-Agent kann über die «OptiMat Chat»-Plattform aufgerufen werden und beauftragt werden, bestimmte Arten von Legierungen zu simulieren und so theoretische Grundlagen für künftige Experimente zu liefern. Anders als bei vergleichbaren KI-Tools, werden die Ergebnisse der Berechnungen in einer Datenbank gespeichert, um die Rückverfolgbarkeit, die Wiederverwendung sowie künftige Vergleichsanalysen oder Optimierungen zu gewährleisten. In Zukunft wollen die Forschenden noch weitere Agenten zu «OptiMat Chat» hinzufügen, etwa solche für Keramiken und Metalloxide oder für amorphe Materialien. So sollen die leistungsstarken Werkzeuge der Materialinformatik auch in diesen Bereichen einfacher zugänglich werden.
Dass ihnen dieser «künstliche Materialinformatiker» die Arbeit wegnimmt, befürchten Vladyslav Turlo und Yang Hu nicht. «Unsere Agenten übernehmen Routineberechnungen. Dadurch haben wir mehr Zeit, uns den wirklich interessanten Forschungsfragen zu widmen», sagt Hu. Turlo ergänzt: «Die Materialinformatik ist ein relativ junges Feld, und es gibt noch ausserordentlich viel zu erforschen.»
Bei der Entwicklung der Plattform und des «OptiMat Alloys» haben die Forschenden grossen Wert auf Zuverlässigkeit, Rückverfolgbarkeit und menschliche Beaufsichtigung gelegt. Strukturierte Tool-Aufrufe, vordefinierte Workflows und gespeicherte Berechnungsprotokolle sorgen dafür, dass der Agent nicht halluziniert. Die wissenschaftlichen Ergebnisse stammen aus miteinander vernetzten Rechenwerkzeugen, Datenbanken und validierten Verfahren und nicht allein aus dem LLM. Die Ergebnisse werden in Form von Abbildungen, Tabellen und Zusammenfassungen im Publikationsstil aufbereitet. «Wir empfehlen aber keineswegs, wissenschaftliche Publikationen nur auf Basis dieser Daten zu erstellen», ermahnt Turlo. «Die Daten sind eher als Ausgangspunkt für fachliche Interpretationen und die Planung von Experimenten gedacht und nicht als eigenständige, veröffentlichungsreife wissenschaftliche Ergebnisse.»
Hier sehen die Forschenden auch die Zukunft der KI-gestützten Forschung: KI könne bei Literaturstudien helfen, Experimente gestalten und Daten generieren. Es werde aber nach wie vor menschliche Expertinnen und Experten brauchen, um diese Daten zu interpretieren und zu validieren. «Die KI kann vielleicht voraussagen, ob Material A oder Material B bei Eigenschaft C besser ist, aber nur Fachleute können die Ergebnisse hinterfragen, validieren und erklären», so Turlo.
Literatur
Y. Hu, V. Turlo: OptiMat Alloys: a FAIR-aligned living database of multi-principal element alloys enabled by a conversational agent; npj Computational Materials (2026); doi: 10.1038/s41524-026-02377-3
Informationen
Dr. Vladyslav Turlo
Computational Engineering
Tel. +41 58 765 63 18
vladyslav.turlo@empa.ch
Dr. Yang Hu
Advanced Metallurgy & Manufacturing of Metals
Tel. +41 58 765 63 68
yang.hu@empa.ch
