KI‐gestützte Optimierung von Metakaolin‐Calciumcarbonat‐Systemen: Entwicklung CO ₂ ‐minimierter Bindemittel für bauchemische Anwendungen

Abstract

Diese Arbeit untersucht die Potenziale einer KI‐gestützten Optimierung von Metakaolin‐Calciumcarbonat‐Systemen zur Entwicklung CO ₂ ‐minimierter Bindemittel für die Bauchemie. Angesichts der schwindenden Verfügbarkeit klassischer Klinkerersatzstoffe wie Hüttensand oder Flugasche fokussiert sich die Untersuchung auf die synergistischen mineralogischen Wechselwirkungen zwischen hochreaktivem kalziniertem Ton und Kalkstein. Methodisch wird ein Paradigmenwechsel von sequenziellen Forschungszyklen hin zu einer datengetriebenen Materialforschung vollzogen, bei der ein Random‐Forest‐Modell auf Basis kalorimetrischer Daten zur Vorhersage der mechanischen Festigkeitsentwicklung trainiert wird. Die Ergebnisse belegen eine exzellente Modellgüte mit Bestimmtheitsmaßen von bis zu 0,89 für die Frühfestigkeit und einer maximalen Abweichung von lediglich 2,2 % zwischen Prognose und Realwert. Es zeigt sich, dass gezielte Carbonat‐Zugaben den hohen Wasseranspruch von Metakaolin effektiv kompensieren, ohne die Endfestigkeit signifikant zu beeinträchtigen. Die ökologische Bilanzierung der optimierten Rezepturen weist eine CO ₂ ‐Reduktion von bis zu 46,2 % gegenüber herkömmlichen Referenzsystemen aus. Damit demonstriert die Arbeit, dass die Integration von Machine Learning die Entwicklungszeiten in der Bauchemie massiv verkürzen kann und einen entscheidenden Beitrag zur industriellen Dekarbonisierung sowie zur Ressourceneffizienz durch die Nutzung lokal verfügbarer Rohstoffe leistet.