02.04.2026

DFG: Schwerpunktprogramm „Greybox-Modelle zur Qualifizierung beschichteter Werkzeuge für die Hochleistungszerspanung“

Frist: 2. Juni 2026

Der Senat der Deutschen Forschungsgemeinschaft (DFG) hat im März 2022 die Einrichtung des Schwerpunktprogramms „Greybox-Modelle zur Qualifizierung beschichteter Werkzeuge für die Hochleistungszerspanung“ (SPP 2402) beschlossen. Als Laufzeit sind sechs Jahre vorgesehen. Hiermit wird zur Einreichung von Fortsetzungs- und Neuanträgen für die zweite dreijährige Förderperiode eingeladen

Der überwiegende Teil der Zerspanoperationen mit geometrisch bestimmter Schneide wird mit beschichteten Hartmetallwerkzeugen ausgeführt. Das reale, komplexe Einsatzverhalten dieser Werkzeuge kann mit rein physikalisch basierten Modell-Ansätzen (Whitebox-Modellen) nicht zufriedenstellend simuliert werden. Weder Werkstoff- noch Prozessmodelle können Versagensbeginn, Verschleißfortschritt und Restlebensdauer realitätsnah simulieren oder prognostizieren. Um ein tiefergehendes Verständnis zu erlangen, muss das tribologische System der Zerspanung umfassender und ganzheitlicher ausgewertet und analysiert werden. Fortschritte unter anderem in der Werkstoffanalytik, der Messtechnik und der Datenanalyse werden noch nicht ausreichend in die Beschreibung des Schädigungsverlaufs einbezogen. Jede einzelne Disziplin verfügt über ein hervorragendes, spezifisches Vorwissen, das in Form von Whitebox-Modellen immer detaillierter und atomistischer beschrieben wird. Dazu zählen zum Beispiel numerische Simulationen, die mit zunehmender Detaillierung jedoch immer rechen- und zeitintensiver werden. Die hochgradig nichtlinearen Wechselwirkungen der Realität können aufgrund notwendiger, vereinfachender Annahmen dennoch nie vollständig beschrieben werden.
Als Grenzen für die bisher verfolgten Whitebox-Modelle können zwei Gründe ausgemacht werden:

1. Die gewählten Systemgrenzen limitieren eine vollständige Betrachtung. Nicht alle verfügbaren Daten sind in Whitebox-Modelle integrierbar und nicht alle notwendigen Eingangsdaten messbar. Nicht alle auftretende Phänomene sind in Form von Ursache-Wirkungs-Zusammenhängen mit physikalischen Gesetzen beschreibbar.
2. Das werkstoffimmanent stochastische Versagen beschichteter Werkzeuge im realen Einsatz wird in den verfügbaren, oft idealisierten Whitebox-Modellen nicht ausreichend berücksichtigt. Bereits eine Eingrenzung dieser Unsicherheit bietet großes Potenzial zur Effizienzsteigerung.

Gleichzeitig gibt es beachtliche Fortschritte in der Werkstoffanalytik, um den Verschleißfortschritt der Werkzeuge an diskreten Zeitpunkten zu beschreiben. Zusätzlich ermöglicht die Mess- und Sensortechnik die Erfassung von Veränderungen im Zerspanprozess auch in Form von Zeitreihendaten. Beides trägt einerseits zum besseren Verständnis bei, andererseits können die gewonnenen Daten mit Methoden des maschinellen Lernens (Blackbox-Modelle) verarbeitet werden. Die damit erreichbare Prognosefähigkeit des Verschleißes bei ausreichender Datenbasis ist teilweise bereits sehr vielversprechend. Physikalische Wirkzusammenhänge bleiben bei reinen Blackbox-Modellen jedoch häufig weiterhin unverstanden und ihre Robustheit in Bezug auf veränderliche Randbedingungen ist unsicher.

Als übergeordnetes Forschungsziel sollen Ursache-Wirkungszusammenhänge in Bezug auf den Verschleißverlauf beschichteter Zerspanwerkzeuge mit Hilfe von Greybox-Modellen erarbeitet werden. Das bedeutet, deterministische Modelle (Whitebox) mit datengetriebenen Modellen (Blackbox) in Greybox-Modellen zu verknüpfen (Bild 1). Mit diesen Greybox-Modellen sollen dann die rein deterministisch nicht beschreibbaren zeitlichen Veränderungen der Werkzeuge im Einsatz bis hin zum Standzeitende erfasst werden.

Ziel aller Projekte ist der Aufbau individueller Greybox-Modelle, die eine Qualifizierung beschichteter Werkzeuge für die Hochleistungszerspanung ermöglichen. Damit soll die derzeit existierende Wissenslücke zwischen stationären Werkstoffeigenschaften vor und nach dem Einsatz, also das instationäre Systemverhalten der beschichteten Werkzeuge in der Zerspanung, erforscht und geschlossen werden.

Die Datenerfassung aus Zerspanversuchen und Werkzeuguntersuchungen stand im Fokus der ersten Förderperiode. Hierzu wurden neuartige Mess- und Analyseverfahren qualifiziert. Mit Hilfe von in situ-Messtechnik in Zerspan- oder Analogietests wird das thermomechanische Beanspruchungskollektiv auf die Werkzeuge und teilweise auch der Verschleiß als Zeitreihen erfasst. Die zeitlichen Veränderungen im Verschleißfortschritt der Werkzeuge wurden mittels Schadensanalysen erforscht und in quantifizierbare Werte für die spätere Datenanalyse überführt. Auch wurden erste Greybox-Modelle aufgebaut und erprobt. Insgesamt ist bereits erkennbar, dass dadurch die Prognosefähigkeit im Vergleich zu reinen Blackbox-Modellen ohne Vorwissen verbessert wird.

In der zweiten Förderperiode soll auf Basis neuer Erkenntnisse untersucht werden, wie der Verschleißverlauf von beschichteten Zerspanwerkzeugen während des Einsatzes besser prognostiziert werden kann. Als Ergebnis sollen wissensbasierte Entscheidungshilfen zur Verfügung stehen, die die Auswahl geeigneter Werkzeuge erleichtern und zu einer besseren Werkzeugempfehlung für die konkrete Zerspanoperation eines spezifischen Werkstoffs befähigen

Voraussetzungen für die Bearbeitung in der zweiten Förderperiode sind ein erstes erprobtes Konzept für ein Greybox-Modell sowie vorliegende Ergebnisse aus der Zerspanung von C45+N und wahlweise weiteren Stahlsorten als Werkstückstoff. Zur Dokumentation des stochastischen Versagens von beschichteten Werkzeugen wird eine hinreichende Anzahl an Wiederholungen der Experimente benötigt. Die Entwicklung neuer Messtechnik oder Werkstoffanalytik steht nicht im Vordergrund, kann aber im Einzelfall zu neuen Lösungsansätzen führen und soll daher nicht generell ausgeschlossen werden. Vorgesehen ist, (Konsortial-)Projekte zu fördern, die sich bevorzugt aus zwei bis drei der oben genannten Disziplinen zusammensetzen.

Reichen Sie Ihren Antrag bitte bis spätestens 2. Juni 2026 bei der DFG ein

Weitere Informationen:
https://www.dfg.de/de/aktuelles/neuigkeiten-themen/info-wissenschaft/2026/ifw-26-13 

Share

Back