Hier zu sehen ist die Elektronenmikroskop-Aufnahme einer Nickellegierung, die von US-Forschern speziell für den 3D-Druck optimiert wurde. Denn nicht jede Metallmischung ist gleichermaßen geeignet.
Der 3D-Druck ist in vielen Bereichen der Technik, Forschung und Industrie längst Alltag geworden. Mit seiner Hilfe können spezielle Bauteile maßgeschneidert und mit geringem Aufwand gefertigt werden. Einer der dabei gängigen Methoden ist das Laserschmelzen. Dabei wird zunächst eine Schicht Metallpulver auf der Druckfläche ausgebracht, dann fährt ein Laserstrahl den vom Design vorgegebenen Weg ab und schmilzt das Pulver an den gewünschten Stellen. Dieses erkaltet und Schicht für Schicht wächst so der metallene Gegenstand heran.
Gerade für Metallteile, die später starken Belastungen ausgesetzt sind, ist dabei jedoch die richtige Zusammensetzung des Metallpulvers entscheidend: Stimmt die Mischung nicht, kann das fertige Material Hohlräume und Fehlstellen in der Metallstruktur enthalten. Die Ursache dafür sind die verschiedenen Abkühlungsraten von Metallen wie Nickel, Aluminium oder Magnesium. Wenn das Gebilde zu unregelmäßig aushärtet, kommt es zu Spannungen und Fehlern in der Struktur, die die Festigkeit mindern.
Diese mit einem Elektronenmikroskope stellte Aufnahme zeigt eine Nickellegierung, die von Raiyan Seede und seinen Kollegen von der Texas A&M University speziell für den 3D-Druck optimiert wurde. “Unser erstes Ziel war es sicherzustellen, dass es keine Poren in den gedruckten Metallteilen gibt, denn das ist der offensichtliche Killer, wenn man Objekte mit guten mechanischen Eigenschaften herstellen möchte”, erklärt Seede. “Davon ausgehend sind wir nun tief in das Fine-Tuning der Mikrostruktur der Legierungen eingestiegen, damit wir noch bessere Kontrolle über die Eigenschaften des fertigen Bauteils haben.”
Die Forscher nutzten dafür zunächst 3D-Druck-Tests, um nach und nach die optimale Metallmischung und die beste Kombination aus der Laserintensität und der Geschwindigkeit des Laserstrahls herauszufinden. Dann setzten sie lernfähige Algorithmen ein, um die optimale Parameter auch auf andere Metalle und Legierungen übertragen zu können. “Unsere Ergebnisse könnten von großem Vorteil für die Luftfahrt, den Fahrzeugbau und andere Bereiche sein, in denen maßgeschneiderte Metallbauteile nötig sind”, sagt Seedes Kollege Ibrahim Karaman.
