AICE-LAB: KI für Tribologie auf Schnee und Eis

Wie lassen sich Reibung und Verschleiß unter Schnee- und Eisbedingungen zuverlässig messen und vorhersagen? Dieser Frage widmet sich das Forschungsprojekt AICE-LAB, ein ACR-Kooperationsprojekt von V-Research, dem OFI (Österreichisches Forschungsinstitut für Chemie und Technik) und dem ÖGI (Österreichisches Gießerei-Institut).

Ziel des Projekts ist die Entwicklung neuer KI-gestützter Labormethoden, die tribologische Prozesse in kalten Umgebungen besser beschreiben, analysieren und künftig vorhersagbar machen. Die Herausforderung dabei: Bereits kleinste Änderungen von Temperatur, Feuchtigkeit, Eisstruktur oder Oberflächenbeschaffenheit können das Reibungsverhalten erheblich beeinflussen. Gleichzeitig fehlen bislang verlässliche Methoden, um die komplexen Zusammenhänge zwischen Material, Oberfläche und Umgebungsbedingungen systematisch zu erfassen und für industrielle Entscheidungen nutzbar zu machen.

Von reproduzierbaren Laborversuchen zu belastbaren Daten
Unter der Leitung von Igor Velkavrh, Researcher und Projektleiter bei V-Research, wurden in den ersten Projektmonaten umfangreiche Versuchsreihen durchgeführt. Die Untersuchungen erfolgten in enger Zusammenarbeit mit der Technischen Universität Riga, die ihre langjährige Expertise im Bereich Schnee- und Eistribologie in das Projekt einbringt.

Im Zentrum von AICE-LAB steht die Entwicklung einer modularen Testmethodik im Labormaßstab, mit der Reibung und Verschleiß anhand standardisierter Proben unter kontrollierten Sub-Zero-Bedingungen reproduzierbar untersucht werden können. Dadurch lassen sich die komplexen Wechselwirkungen zwischen Materialeigenschaften, Oberflächenstruktur und Umgebungsbedingungen systematisch erfassen, vergleichen und bewerten.

Die ersten Ergebnisse zeigen bereits, dass identische Oberflächengeometrien unter unterschiedlichen Eisbedingungen zu deutlich verändertem Reibungsverhalten führen können. Diese Erkenntnisse verdeutlichen die hohe Komplexität tribologischer Systeme in winterlichen Einsatzumgebungen und unterstreichen die Notwendigkeit neuer datengetriebener Analyseansätze.

„Unsere bisherigen Untersuchungen zeigen, wie stark das Reibungsverhalten von den jeweiligen Eisbedingungen beeinflusst wird. Schon geringfügige Veränderungen können zu deutlich unterschiedlichen Ergebnissen führen.
Mit AICE-LAB schaffen wir die Datengrundlage, um diese komplexen Zusammenhänge künftig mithilfe von
Künstlicher Intelligenz besser zu verstehen und vorherzusagen.“
Dr. Igor Velkavrh, Researcher und Projektleiter, V-Research GmbH

KI als Bindeglied zwischen Experiment und Anwendung
Ein zentrales Alleinstellungsmerkmal von AICE-LAB ist die Verbindung klassischer Tribologie mit modernen Methoden der Künstlichen Intelligenz. Parallel zu den experimentellen Untersuchungen entwickelt das Projektteam unter Leitung von Dr. Igor Velkavrh ein automatisiertes Analyse- und Auswertungssystem zur Verarbeitung der Messdaten.

Dabei werden Reibungsdaten automatisiert erfasst, strukturiert ausgewertet und mithilfe von Machine-Learning-Verfahren analysiert. Ziel ist es, nichtlineare Zusammenhänge, Clustering-Muster und Korrelationsmodelle zwischen Materialeigenschaften, Oberflächentopografie und Reibungsverhalten zu identifizieren. Die kontinuierlich wachsende Datenbasis bildet das Fundament für zukünftige KI-basierte Prognosemodelle.

Durch die Verknüpfung experimenteller Daten mit KI-gestützter Analyse entstehen neue Möglichkeiten, komplexe tribologische Zusammenhänge sichtbar zu machen und bislang verborgene Muster in den Messdaten zu erkennen.

Die Brücke zwischen Laborversuch und industrieller Entscheidungsgrundlage
Über die reine Analyse von Versuchsdaten hinaus verfolgt AICE-LAB einen weiteren entscheidenden Ansatz: die Entwicklung von Übertragungsmodellen zwischen Labormaßstab und realen Anwendungen.

Damit schafft das Projekt die Verbindung zwischen kontrollierten Laborversuchen und realen Einsatzbedingungen. Die Kombination aus reproduzierbaren Testmethoden, umfangreichen Messdaten und KI-gestützten Analysen ermöglicht es, Erkenntnisse aus dem Labor auf industrielle Anwendungen zu übertragen.

So entsteht eine wissenschaftlich fundierte Brücke zwischen experimenteller Forschung und industrieller Praxis. Langfristig sollen Unternehmen auf Basis belastbarer Daten und intelligenter Prognosemodelle fundiertere Entscheidungen bei der Entwicklung und Optimierung von Materialien, Oberflächen und tribologischen Systemen treffen können. Gleichzeitig bietet der datenbasierte Ansatz das Potenzial, Entwicklungszeiten zu verkürzen, Testaufwände zu reduzieren und Innovationsprozesse effizienter zu gestalten.

Aktueller Projektstand und nächste Schritte
Die ersten Versuchsreihen wurden erfolgreich abgeschlossen und liefern bereits wertvolle Erkenntnisse über das Zusammenspiel von Oberflächenstruktur, Eisbedingungen und Reibungsverhalten. Parallel dazu werden die Analysewerkzeuge sowie die zugrunde liegende Datenbank kontinuierlich erweitert.

In den kommenden Projektphasen stehen weitere Testreihen, die Erweiterung der Datengrundlage sowie die Entwicklung und Validierung erster KI-Modelle im Fokus. Ziel ist es, die Vorhersagegenauigkeit kontinuierlich zu steigern und die Übertragbarkeit der Ergebnisse auf industrielle Anwendungen weiter auszubauen.

👉 Ein wichtiger Meilenstein steht bereits bevor: Die ersten Projektergebnisse werden beim ÖTG-Symposium 2026 vom 17. bis 19. November 2026 in Wien der Fachöffentlichkeit präsentiert.

👉 Zum Artikel: Über dieses innovative Projekt wurde kürzlich auch im Kurier sowie auf www.futurezone.at berichtet.

Bildcredits: © Igor Velkavrh, V-Research GmbH