KI-gestützte zerstörungsfreie Prüfung für die intelligente Fertigung kohlenstoffnegativer, biopolymergebundener Bodenverbundstoffe

Intelligentere Bausteine für eine sich erwärmende Welt

Gebäude sind für einen großen Anteil der weltweiten CO2-Emissionen verantwortlich, vor allem wegen zementbasierter Betone. Diese Studie untersucht eine ganz andere Art von Baustein: Ziegel, die aus Boden bestehen und durch natürliche Polymere zusammengehalten werden und tatsächlich mehr Kohlenstoff speichern können, als sie ausstoßen. Die Forschenden zeigen, wie künstliche Intelligenz und einfache Vibrationstests verborgene Mängel in diesen „grünen“ Ziegeln erkennen können, solange sie noch weich sind, und wie sich deren Trocknung und Aushärtung verfolgen lässt — ein Weg zu sichererem, weniger verschwenderischem und klimafreundlicherem Bauen.

Ziegel aus der Natur statt aus Zement

Das Material im Mittelpunkt dieser Arbeit nennt sich biopolymergebundener Bodenverbundstoff. Anstelle von Zement werden Polymere aus biologischen Quellen, etwa Proteine, verwendet, um Sandkörner zusammenzukleben. Nach dem Trocknen können diese Ziegel genauso fest wie Beton sein und dennoch eine negative CO2-Bilanz aufweisen, weil sie Kohlenstoff binden, der sonst in die Atmosphäre zurückgekehrt wäre. Damit solche Materialien vom Labor in den Alltag gelangen, brauchen Hersteller verlässliche Methoden, um sicherzustellen, dass jeder Ziegel stark, gleichmäßig und frei von gefährlichen Defekten ist. Traditionelle Qualitätsprüfungen für Beton und andere Baustoffe sind oft langsam, zerstörend oder greifen erst, wenn das Material vollständig ausgehärtet ist — zu spät, um Fehler zu beheben, ohne Material zu verschwenden.

Vibrationen hören statt Ziegel zu zerstören

Das Team entwickelte ein zerstörungsfreies Prüfsystem, das „zuhört“, wie ein frischer, weicher Ziegel vibriert, wenn er sanft angetippt wird. In ihren Experimenten mischten sie Sand, Wasser und einen binder aus Blutprotein zu einem feuchten Verbund, pressten ihn in rechteckige Formen und testeten ihn sofort. Ein Impulshammer lieferte kurze Schläge auf die Oberfläche, während ein kleiner Beschleunigungssensor am Ziegel die resultierenden Schwingungswellen aufzeichnete. Diese Signale enthalten Informationen über die innere Struktur des Materials: Ein glatter, gleichmäßiger Ziegel vibriert anders als einer mit Hohlräumen, dichten Einsprengseln oder inneren Trennungen, die Risse nachahmen. Da die Hardware einfach und handelsüblich ist, lässt sich der Sensor schnell von einem Ziegel zum nächsten bewegen, ähnlich wie ein Arzt ein Stethoskop verwendet.

KI beibringen, verborgene Mängel zu erkennen

Um die komplexen Vibrationsmuster zu interpretieren, entwickelten die Forschenden zwei Familien von KI-Modellen, genannt Mini-ft und Mega-ft. Beide beginnen damit, die kontinuierlichen Sensordaten in kurze Ausschnitte zu zerlegen, die jeweils die Antwort auf einen einzelnen Hammerschlag enthalten. Mini-ft konzentriert sich auf 171 Schlüsselpunkte aus jedem Ausschnitt und komprimiert diese Informationen auf nur zwei Merkmale, die erfassen, wie das Signal ansteigt und abklingt. Anschließend verwendet es eine einfache k-Nächste-Nachbarn-Methode, um zu entscheiden, ob ein Prüfmuster normal oder defekt ist, und ein statistisches Modell, um zu schätzen, wie viel Feuchtigkeit es beim Trocknen verloren hat. Mega-ft geht leistungsfähiger vor: Es wendet tausende zufällig geformte Filter auf jeden Ausschnitt an, um eine reichhaltige, 20.000-dimensionale Beschreibung der Vibration zu erzeugen. Ein schneller linearer Klassifikator nutzt diesen detaillierten Fingerabdruck, um nicht nur zu erkennen, ob ein Ziegel defekt ist, sondern auch, um welche Art von Defekt es sich handelt.

Wie gut funktioniert das System?

Das Team testete seinen Ansatz an zwanzig laborgefertigten Ziegeln, darunter elf ohne Defekte und acht mit gezielt eingebrachten Fehlern. Einige enthielten Stahlteile, um ungewöhnlich dichte Bereiche zu simulieren; andere verbargen hohle Kunststoffformen, um Hohlräume nachzubilden; wieder andere hatten dünne Kunststofffolien, die interne Risse verschiedener Größen nachstellten. Mit dem einfacheren Mini-ft-Modell unterschied das System defekte von normalen Ziegeln in etwa 96 % der Fälle korrekt und konnte neun verschiedene Klassen — eine normale plus acht Defekttypen — mit einer Genauigkeit von rund 82 % trennen. Das detailliertere Mega-ft-Modell steigerte diese Werte noch auf etwa 99 % für die Basis-Fehlererkennung und 97 % zur Unterscheidung der Defekttypen. Die KI konnte außerdem abschätzen, wie weit ein Ziegel bereits getrocknet war und damit wie viel Festigkeit er gewonnen hatte, mit nur wenigen Prozentpunkten Fehler, wodurch sie geeignet ist, den Aushärtungsprozess über die Zeit zu verfolgen.

Von der Pilotstudie zur realen Baupraxis

Obwohl diese Arbeit an ziegelförmigen Proben mit absichtlich überzeichneten Defekten durchgeführt wurde, deuten die Ergebnisse auf ein praktisches Werkzeug für die Fabrikhalle hin, mit dem sich neue kohlenstoffnegative Baustoffe kontrollieren lassen. Da die Methode bereits im feuchten Zustand funktioniert, könnten fehlerhafte Chargen früh erkannt und die Mischung recycelt statt weggeworfen werden, was Abfall und Kosten reduziert. Dasselbe Vibrations- und KI-System ließe sich an unterschiedliche Mischungen, Temperaturen und Produktformen anpassen, von kleinen Ziegeln bis zu größeren Bauteilen oder sogar 3D-gedruckten Formen. Kurz gesagt zeigt die Studie, dass Hersteller durch Abklopfen und „Zuhören“ mit KI sicherstellen können, dass naturbasierte Ziegel sowohl ökologisch als auch verlässlich sind und damit nachhaltiges Bauen skaliert, ohne Sicherheit zu opfern.

Zitation: Miao, B.H., Dong, Y., Theissler, A. et al. AI-powered non-destructive testing for smart manufacturing of carbon-negative biopolymer-bound soil composite. Commun Eng 5, 64 (2026). https://doi.org/10.1038/s44172-026-00621-8

Schlüsselwörter: biopolymergebundener Bodenverbundstoff, zerstörungsfreie Prüfung, Vibrationssensorik, KI-Qualitätskontrolle, nachhaltiges Bauen