Nachrichten Nachrichten
ECS Conference Award-Gewinner: „KI wird weiterhin eine wichtige Rolle bei Farben und Beschichtungen spielen“
Mit einem auf maschinellem Lernen basierenden Verfahren zur Vorhersage von Farbveränderungen hat Gaoyuan Zhang, Forschungsstudent an der Hochschule Niederrhein, den ECS Conference Award 2025 für das herausragendste Konferenzpapier gewonnen. Er und sein Team am Institut für Beschichtungen und Oberflächenchemie zeigen das transformative Potenzial der Integration von Deep Learning in die Farbvorhersage und bieten der Beschichtungsindustrie erhebliche Vorteile in Bezug auf Effizienz und Nachhaltigkeit.
Wie haben Sie sich gefühlt, als Sie erfuhren, dass Sie den ECS Conference Award gewonnen haben?
Gaoyuan Zhang: Ich war überrascht – nicht nur darüber, dass ich den Preis gewonnen habe, sondern auch darüber, dass das Thema KI ausgezeichnet wurde. Wir wissen, dass KI ein sehr fortschrittliches Thema ist, aber bisher wurden meist Durchbrüche in der Chemie prämiert. Das zeigt, dass KI künftig wohl eine noch wichtigere Rolle in der Farben- und Beschichtungsbranche spielen wird – und dass die Branche dafür zunehmend offen wird.
Worum geht es bei dem Verfahren, das Sie und Ihr Team entwickelt haben?
Zhang: Der Farbabgleichprozess umfasst zwei Hauptschritte, die viele Ressourcen erfordern und Fehlerquellen mit sich bringen. Zunächst wird die Farbe gemischt und anschließend aufgetragen – ein komplexer Vorgang, der zu Abweichungen bei späteren Messungen führen kann. Danach muss die Farbe getrocknet werden, entweder langsam bei Raumtemperatur, was den gesamten Workflow verlangsamt, oder im Ofen – was wiederum sehr viel Energie verbraucht, ein zunehmend kritisches Thema. Genau deshalb habe ich diese Methode entwickelt: Sie ermöglicht es uns, die Schritte des Auftragens und Trocknens zu überspringen. So lassen sich Fehler reduzieren und gleichzeitig Energie sparen.
Welche konkreten Ergebnisse haben Sie mit diesem neuen Ansatz erzielt?
Zhang: Wir haben mithilfe eines Deep-Learning-Modells eine Korrelation zwischen dem nassen und dem trockenen Farbspektrum gefunden. Dadurch können wir das nasse Spektrum anhand des trockenen (und umgekehrt) vorhersagen. Je nach Anwendungsfall ergeben sich daraus unterschiedliche Einsatzmöglichkeiten. Wir können z. B. trockene Farbspektren aus Messungen im nassen Zustand präzise prognostizieren. Das reduziert den Bedarf an wiederholten Laborarbeiten und energieintensiven Trocknungsschritten erheblich – die Farbentwicklung wird dadurch schneller und kostengünstiger.
Warum verwenden Sie keine Lab- oder LCh-Werte, also Farbkoordinaten?
Zhang: Wir haben das bereits getestet, aber das Problem ist die Metamerie. Bei unterschiedlichen Lichtverhältnissen – zum Beispiel bei Sonnenlicht oder Lampenlicht – verändert sich die Farbe, wenn man mit Farbkoordinaten arbeitet. Mit dem Farbspektrum umgehen wir dieses Phänomen und erhalten zuverlässig die richtige Farbe.
Welches Team hat unter Ihrer Leitung an dem Projekt gearbeitet?
Zhang: Die Idee für das KI-Modell stammt von mir. Wir haben die Arbeit in unserem kleinen Team aus drei bis fünf Personen sehr gut aufgeteilt. Neben der Programmierung, also dem innovativen Teil, haben wir auch die Anwendung, Musterherstellung und Datenerhebung im Labor übernommen. Auf Basis dieser Daten haben wir das Modell trainiert. Es steckt viel Arbeit dahinter.
Wie geht es weiter?
Zhang: Aktuell veröffentlichen wir die Ergebnisse unseres Projekts i2DACH, das vom Bundesministerium für Bildung und Forschung (BMBF) gefördert wird. Ich hoffe, dass wir damit weitere Unternehmen von der Methode überzeugen können – und sie gemeinsam mit der Industrie weiterentwickeln.
