Integration von maschinellem Lernen und mikrostruktureller Charakterisierung zur Festigkeitsvorhersage mit Silikastaub und Herstellersand für nachhaltigen Beton

Stärkerer, umweltfreundlicherer Beton für die Städte von morgen

Beton ist das Rückgrat moderner Gebäude, Brücken und Straßen – doch seine Herstellung hat hohe Umweltkosten, insbesondere durch Zementproduktion und den Abbau von Flusssand. Diese Studie untersucht, wie sich Beton zugleich widerstandsfähiger und nachhaltiger gestalten lässt, indem industrielle Nebenprodukte in die Mischung eingebracht und fortgeschrittene Computer­modelle zur Leistungsprognose eingesetzt werden. Das Ergebnis ist ein Rezept, das nicht nur den Einsatz traditioneller Materialien reduziert, sondern auch stärkeren, langlebigeren Beton für künftige Bauwerke liefert.

Neu denken, was in Beton kommt

Anstatt sich ausschließlich auf herkömmlichen Zement und natürlichen Flusssand zu stützen, entwarfen die Forschenden sechs unterschiedliche Betonrezepte. Jede Mischung enthielt 10 % Flugasche (ein feines Pulver aus Kohlekraftwerken), unterschiedliche Anteile an Silikastaub (ein sehr feines Nebenprodukt der Siliziumherstellung) und ersetzte den Flusssand vollständig durch hergestellten Sand – gebrochenes Gestein, das so aufbereitet wurde, dass es natürlichem Sand ähnelt. Diese Bestandteile wurden in kontrollierten Verhältnissen kombiniert und zu Würfeln, Zylindern und Balken vergossen. Das Team prüfte, wie gut jede Mischung nach 7, 28 und 90 Tagen Aushärtung Druck-, Zug- und Biegebeanspruchungen widersteht, um nachzuahmen, wie Beton auf einer Baustelle mit der Zeit an Festigkeit gewinnt.

Das optimale Verhältnis für Festigkeit finden

Alle modifizierten Betone schnitten mindestens so gut ab wie die Referenzmischung, einige zeigten deutlich bessere Werte. Das herausragende Rezept enthielt 10 % Flugasche, 12 % Silikastaub und 100 % Herstellersand. Im Vergleich zur Referenzmischung ergab diese Kombination Druckfestigkeitssteigerungen von etwa 17 % nach 28 Tagen und 20 % nach 90 Tagen, mit ähnlichen Verbesserungen bei Zug- und Biegefestigkeit. Nichtinvasive Ultraschalltests zeigten, dass dieser Beton nicht nur stärker, sondern auch von ausgezeichneter innerer Qualität war, wobei Schallwellen schneller durch die dichtere Struktur liefen. Die Forschenden stellten jedoch auch fest, dass eine zu hohe Zugabe von Silikastaub (18–24 %) die Vorteile zu schmälern begann, was zeigt, dass es ein optimales Fenster gibt und kein „mehr ist immer besser“-Prinzip.

Ein Blick in den Beton im Mikromaßstab

Um zu verstehen, warum die beste Mischung so gut funktionierte, untersuchten die Forschenden den gehärteten Beton mittels Elektronenmikroskopie und thermischer Analyse. Bilder der inneren Mikrostruktur zeigten, dass Flugasche und Silikastaub helfen, ein dichtes, klebstoffähnliches Netzwerk zu bilden, das Sand und Gesteinskörnung fester zusammenbindet und weniger Poren und Risse aufweist. Chemische Scans bestätigten, dass sich das Verhältnis von Calcium zu Silizium in Richtung einer Zusammensetzung verschob, die dafür bekannt ist, besonders stabile Bindegels zu bilden. Thermische Tests, bei denen winzige Proben langsam erhitzt wurden, zeigten, wie Wasser und andere Komponenten freigesetzt werden, und verbanden Massenänderungen mit dem Zerfall wichtiger innerer Phasen. Insgesamt zeigten diese Untersuchungen, dass die optimale Mischung ein kompaktes, gut verknüpftes inneres Gerüst erzeugt, das Schäden widersteht und den Durchtritt von Wasser und anderen Agenzien verlangsamt, die Beton im Laufe der Zeit üblicherweise schwächen.

Maschinen lernen das beste Rezept

Da Labortests vieler Betonmischungen zeitaufwendig und teuer sind, griffen die Forschenden zudem auf maschinelles Lernen zurück, um die Festigkeit aus den Mischungsbestandteilen und der Aushärtezeit vorherzusagen. Mit nur 54 sorgfältig gemessenen Datenpunkten aus ihren Experimenten trainierten sie mehrere Algorithmentypen, um vorherzusagen, wie stark eine gegebene Mischung sein würde. Der leistungsstärkste Ansatz, ein Verfahren namens Gradient Boosting, reproduzierte die gemessenen Festigkeiten mit sehr hoher Genauigkeit und kam den Testergebnissen für 7, 28 und 90 Tage nahe. Andere Ensemble-Modelle schnitten ebenfalls gut ab, während eine einfache lineare Methode Schwierigkeiten hatte, was die Bedeutung der Erfassung komplexer, nichtlinearer Zusammenhänge zwischen Materialien und Festigkeit unterstreicht. Eine Analyse der Merkmalsbedeutung zeigte, dass die Aushärtezeit der wichtigste einzelne Einflussfaktor auf die Festigkeit war, aber auch Silikastaub, Flugasche und Herstellersand bedeutende unterstützende Rollen spielten.

Was das für zukünftiges Bauen bedeutet

Für Nichtfachleute ist die zentrale Erkenntnis, dass es möglich ist, Beton zu entwerfen, der sowohl umweltfreundlicher als auch leistungsfähiger ist, indem industrielle Nebenprodukte und technische Sande intelligent kombiniert und computergestützte Modelle genutzt werden, um Versuch-und-Irrtum-Prüfungen zu steuern und zu reduzieren. Die Studie identifiziert ein praxisnahes Rezept – 10 % Flugasche, 12 % Silikastaub und vollständiger Ersatz von Flusssand durch Herstellersand –, das stärkeren, dichteren und widerstandsfähigeren Beton liefert, ohne den Zementgehalt zu erhöhen. In Verbindung mit verlässlichen Werkzeugen des maschinellen Lernens kann dieser Ansatz Bauherren und Ingenieure dabei unterstützen, schneller auf nachhaltiges Bauen umzustellen und gleichzeitig die Sicherheit und Lebensdauer unserer gebauten Umwelt zu erhalten oder sogar zu verbessern.

Zitation: Chaitanya, B.K., Sri Durga, C.S., Thatikonda, N. et al. Integration of machine learning and microstructural characterization for strength forecasting with silica fume and M-sand for sustainable concrete. Sci Rep 16, 8858 (2026). https://doi.org/10.1038/s41598-026-43410-1

Schlüsselwörter: nachhaltiger Beton, Flugasche, Silikastaub, hergestellter Sand, maschinelles Lernen