Industrie + Technik

In Deutschland wurden im Jahr 2023 zirka 1,47 Mio. Tonnen Lacke, Farben und Druckfarben verkauft, 3 % weniger als im Vorjahr. Für das laufende Jahr erwartet der Verband der deutschen Lack- und Druckfarbenindustrie (VdL) 2 % weniger. Der Umsatz der in Deutschland verkauften Lacke, Farben und Druckfarben stieg 2023 gegenüber 2022 inflationsbedingt um knapp 2 % auf 6,1 Mrd. Euro. Für das Jahr 2024 wird ein Anstieg um 1 % auf 6,2 Mrd. Euro erwartet.<img alt="image" src="https://media.graphassets.com/m3l2Xqg7T7qoVqg4xIvy">Foto: SameGuy13 / Adobe Stock

Lack- und Farbenindustrie

Umsatz stagniert

In Deutschland wurden im Jahr 2023 zirka 1,47 Mio. Tonnen Lacke, Farben und Druckfarben verkauft, 3 % weniger als im Vorjahr. Für das laufende Jahr erwartet der Verband der deutschen Lack- und Druckfarbenindustrie (VdL) 2 % weniger. Der Umsatz der in Deutschland verkauften Lacke, Farben und Druck...

Weiterentwicklungen rund um Glas verbessern Autobatterien und Windschutzscheiben. Laborglas, das weniger bruchanfällig ist als bisher, erhöht den Arbeitsschutz, und Glasstrukturen für die Nanophotonik lassen sich jetzt einfach auf Chips drucken.Welche chemische Zusammensetzung und welche Schmelztemperatur führen zu einem Glas, das die gewünschten <link href="#nadc20244140289-fig-0001">Eigenschaften hat? Das wird über langwierige und experimentell aufwendige Optimierungsprozesse ermittelt. Mit Verfahren, die denen der Bioinformatik ähneln, lassen sich nun diese „Glas-Gene“ schneller bestimmen und der Werkstoff für die jeweilige Anwendung maßschneidern. Nanostrukturen lassen sich 3-D-drucken und direkt auf Halbleiterchips abscheiden. Sogar die Bruchfestigkeit von <link href="#nadc20244140289-fig-0002">Glas lässt sich steigern.<figure xml:id="nadc20244140289-fig-0001"><figure><img alt="image" src="https://media.graphassets.com/1HCF5oMJR22Ny8HFqMIp"><figcaption><label>Abb.1: </label>Klassischer Schritt bei der Herstellung: die Glasschmelze. Neuerdings wird 3-D-Druck als Verfahrensschritt immer interessanter. Foto: aetb / Adobe Stock</figcaption></figure></figure><figure xml:id="nadc20244140289-fig-0002"><figure><img alt="image" src="https://media.graphassets.com/u07Pxk2PT1ygOsd23e49"><figcaption><label>Abb.2: </label>Eine Medaille weist hin auf das Material Glas als Goldstandard in vielen Bereichen. Foto: C. Ehrensberger</figcaption></figure></figure>Die Schwierigkeit, Gläser zu optimieren, rührt von deren Zwitternatur her. Anders als ein Kristall weisen sie keine Fernordnung auf, wohl aber eine Nahordnung. So ist Glas keine Flüssigkeit, aber auch kein Kristall, sondern etwas dazwischen – am ehesten eine schockgefrorene Flüssigkeit. Darum können die Überlegungen, den Werkstoff zu modifizieren, weder bei einer ungeordneten Molekülbewegung ansetzen noch bei einer streng vorgegebenen Anordnung der kleinsten Teilchen auf Gitterplätzen.Obwohl es sich also um eine Gratwanderung handelt, bleiben bei der Einstellung der makroskopischen Glaseigenschaften die klassischen Parameter entscheidend: chemische Zusammensetzung und räumliche Atomanordnung. Allerdings scheinen die genauen Zusammenhänge oft unklar zu bleiben, und es bedarf vieler Experimente, um zu optimieren.Der Anteil einzelner chemischer Elemente im Glas (zum Beispiel Natrium) lässt sich in der Regel nicht mit einer Eigenschaft wie der Ionenleitfähigkeit korrelieren – die Zusammenhänge sind zu schwach.<h2 type="main">Computerchemie: glasgerechtes Modellieren</h2>Forscher der Universität Jena nutzen in <link href="#nadc20244140289-fig-0003">Modellen Elementensembles mit einer definierten Stöchiometrie statt einzelner Elemente (Abbildung S. 36).1) Sie nehmen zum Beispiel drei Elemente – A, B und C – in der Stöchiometrie ABC2. Nichts gesagt ist damit über die räumliche Anordnung der Atome oder über Ladungen. A, B und C sind nicht einmal zwingend miteinander verknüpft, und ein Ladungsausgleich ist auch nicht erforderlich.<figure xml:id="nadc20244140289-fig-0003"><figure><img alt="image" src="https://media.graphassets.com/IVZfzDCcR4KqtmlhG4z9"><figcaption><label>Abb.3: </label>Zhiwen Pan von der Uni Jena ordnet seinen Berechnungen chemische Strukturen zu, ohne ins Labor zu gehen. Die Jenaer Forschenden nutzen in Modellen Elementensembles (rechts) mit einer definierten Stöchiometrie statt einzelner Elemente.1) Foto: Anne Günther, Universität Jena</figcaption></figure></figure>Diese Ensembles lassen sich als Kandidaten für chemische Prädikatoren bestimmter Glaseigenschaften auffassen. Weitere Prädikatoren können hinzutreten, etwa die Temperatur. Mit allen zusammen erfolgt nun eine Hauptkomponentenanalyse, ein statistisches Verfahren der linearen Regression, mit dem sich aus den Kandidaten die in der Praxis wirksamen Prädikatoren herauslesen lassen. Mathematisch gesehen wird dabei – als Maß für den Grad des linearen Zusammenhangs – das Quadrat des Korrelationskoeffizienten (r2) maximiert (mit einem höchstmöglichen Wert von 1).Mit Tests lässt sich herausfinden, wie viele Prädikatoren mindestens nötig sind, um eine bestimmte Glaseigenschaft zu modellieren. Man beginnt mit zwei Kandidaten und nimmt sukzessive weitere hinzu. Solange die Korrelation steigt, ist anzunehmen: Der jeweils neu hinzugenommene Kandidat steuert weitere Informationen bei.Ist bereits eine gute Korrelation erreicht (zum Beispiel r2 = 0,98) und verbessert sie sich durch Hinzunahme eines weiteren Prädikator-Kandidaten nicht (also: steigt r2 nicht weiter), ist das System überbestimmt. Das heißt, der neue Kandidat ist überflüssig. Dieses Vorgehen filtert das Essenzielle des Glases heraus.1)Als die Jenaer Wissenschaftler die Temperatur als weiteren Prädikator hinzunahmen, stießen sie auf dieses Phänomen: Die Korrelation zur Zieleigenschaft „Ionenleitfähigkeit“ sank mit steigender Temperatur. Bei höheren Temperaturen müsste die Ionenleitfähigkeit also weniger stark von der Zusammensetzung des Glases abhängen.<h2 type="main">Maschinelles Lernen</h2>Die experimentellen Daten nahmen die Jenaer Wissenschaftler von 56 polyionischen Gläsern – Kombinationen aus Oxiden, Fluoriden, Sulfaten, Phosphaten und Chloriden (Na2O-P2O5-AlF3-SO3) – mit bekanntem Herstellprotokoll und vorliegenden Ionenleitfähigkeitsmesswerten. Dieses Trainingsdatenset lässt sich grundsätzlich erweitern; damit ist die Untersuchung eine Basis für Verfahren des maschinellen Lernens (ML). Hier testen nicht Menschen mit Versuch und Irrtum einzelne Kandidaten, sondern das erledigt der Rechner. Die Ergebnisse mit chemischem und kristallographischem Hintergrund zu interpretieren, ist dann wieder die Aufgabe der Wissenschaftler.Bei den Untersuchungen in Jena ließen sich die herausgefilterten Prädikatoren chemischen Strukturen zuordnen, obwohl Informationen darüber dem Rechenmodell nicht als Input vorgegeben waren. Eine solche Strukturinterpretation betrifft beispielsweise Sulfattetraeder mit zwei Natriumteilchen zum Ladungsausgleich. Wie die Wissenschaftler zudem nachwiesen, passen die Ergebnisse und ihre Interpretationen zu spektroskopischen Untersuchungen der Struktur von Gläsern.Dass in den Jenaer Arbeiten die Ionenleitfähigkeit in den Vordergrund rückt, passt in die Forschung rund um Festkörperbatterien. Für diese ließen sich neue polyionische Gläser mit ML-Unterstützung schneller entwickeln als mit experimentellen Trial-and-Error-Verfahren. Sie ließen sich auf viele Ladezyklen und kurze Ladezeiten maßschneidern – ideal für den Einsatz im Elektroauto.Und das Glas der Windschutzscheibe wird auf selbstreinigende Eigenschaften getrimmt. Zum Beispiel wird es mit einer nanostrukturierten Schicht aus fluoriertem Glas überzogen. Solche superhydrophoben Oberflächen lassen Öle, Wasser, Seifen- und Proteinlösungen samt Schmutz abperlen.2,3)Für beide Produkte – Glas für Batterien und für die Windschutzscheibe – eignet sich das ML-Modell, nur rechnet es je nach Aufgabe mit anderen Prädikatoren. Wieder andere werden es für chemisch und mechanisch beständiges Laborglas sein.<h2 type="main">Es bricht nicht so leicht</h2>Dass sich Glassorten herstellen lassen, die höhere Bruchfestigkeitswerte haben als heute bekannt, haben Wissenschaftler am Bayerischen Geoinstitut (BGI) der Universität Bayreuth gezeigt.4) Dazu kombinierten sie Drücke zwischen 10 und 15 GPa mit Temperaturen um 1000 °C. Unter diesen Bedingungen bilden sich parakristalline Strukturen: Gegenüber dem reinen Glas gibt es räumlich abgegrenzte Bezirke mit kristallähnlichen Strukturen. Es entsteht jedoch keine völlig regelmäßige Kristallstruktur.Die Wissenschaftler verwendeten für ihre Arbeit borhaltige Aluminosilikatgläser. Nach einer Parakristallisation ist die Bruchfestigkeit um ein Vielfaches höher als bei bisher bekannten Gläsern. Der Grund könnte sein: Das parakristalline Glas fängt von außen zugeführte Energie, die in herkömmlichem Glas einen Riss induzieren würde, in den kristallinen Bezirken auf und verbraucht sie dort, um Kristall- in amorphe Strukturen umzuwandeln.Es ist zum Beispiel vorstellbar, dass eine Parakristallisation die Bruchfestigkeit typischer Borsilikatgläser fürs Labor erhöhen könnte. Kommt es dadurch zu weniger Glasbruch, sinkt zudem das Risiko von Arbeitsunfällen.<h2 type="main">Gedruckt, nicht gesintert</h2>Ein anderes neueres Herstellungsverfahren löst Probleme der Mikroelektronik:5) Bisher war es unmöglich, Glasstrukturen direkt auf Chips abzuscheiden. Sintern verbietet sich hier, weil die Temperaturen mit 1100 °C dafür zu hoch sind. Nun ist es mit einer halb so hohen Temperatur im 3-D-Druck möglich.Wissenschaftler des Instituts für Nanotechnologie am Karlsruher Institut für Technologie haben das mit einem kombiniert organisch-anorganischen Polymerharz getestet (polyedrisches oligomeres Silsesquioxan, POSS). Hierin sind Glas-Käfige mit organischen Gruppen funktionalisiert. Während des Herstellungsprozesses verflüchtigen sich die organischen Komponenten, und es bleiben gläserne Mikro- oder Nanostrukturen.Diese sind in großer Vielfalt zugänglich: Nanobalken, parabolische Mikrolinsen oder ein mehrlinsiges Mikroobjektiv. Alles lässt sich sogar mit einer Auflösung herstellen, die Nanophotonik mit sichtbarem Licht ermöglicht. Diese wiederum ist unter anderem wichtig, um elektronische Bauteile für Computerchips oder Leuchtdioden zu miniaturisieren.<h2 type="main">AUF EINEN BLICK</h2>Welche Faktoren für bestimmte Glaseigenschaften wichtig sind, lässt sich ohne Experimente ermitteln.Für Festkörperbatterien ließen sich polyionische Gläser mit maschinellem Lernen schneller entwickeln als mit experimentellen Trial-and-Error-Verfahren.Glasstrukturen lassen sich mit einem kombiniert organisch-anorganischen Polymerharz auf Chips 3-D-drucken.<h2 type="main">Der Autor</h2>Der promovierte Chemiker Christian Ehrensberger ist freier Mitarbeiter der Nachrichten aus der Chemie.<ul class="references" cited="no" style="numbered" xml:id="nadc20244140289-bibl-0001"><li xml:id="nadc20244140289-bib-0001">1 Z. Pan, J. Dellith, L. Wondraczek, Adv. Sci. 2023, 2301435</li><li xml:id="nadc20244140289-bib-0002">2 D. Vollmer, Forschungsbericht 2012 des Max-Planck-Instituts für Polymerforschung, <a href="https://t1p.de/j4il2" target="_blank">t1p.de/j4il2</a>, Stand 17.3.2024</li><li xml:id="nadc20244140289-bib-0003">3 X. Deng, L. Mammen, H-J. Butt, D. Vollmer, Science 2012, 335, 67</li><li xml:id="nadc20244140289-bib-0004">4 H. Tang, Y. Cheng, X. Yuan et al., Nat. Mater. 2023, 22, 1189</li><li xml:id="nadc20244140289-bib-0005">5 J. Bauer, C. Crook, T. Baldacchini, Science 2023, doi: 10.1126/science.abq3037</li></ul>

Lack- und Farbenindustrie

Umsatz stagniert

Überprüfung Ihres Anmeldestatus ...