Session (T4) - KI-Methoden in der Materialographie · 60. Metallographie Tagung 2026

13:50–14:10

Verbesserung der Werkstoffwissenschaftlichen Analyse mit generischen Deep-Learning-Segmentierungsmodellen in ZEN core

Martin Kuttge (Carl Zeiss Microscopy GmbH), Amit-Kumar Choudhary (Matworks GmbH), Andreas Jansche (Hochschule Aalen, Institut für Materialforschung), Gerhard Schneider (Hochschule Aalen, Institut für Materialforschung), Jati Kastanja (Carl Zeiss Microscopy GmbH), Kishansinh Rathod (Hochschule Aalen, Institut für Materialforschung), Marion Lang (Carl Zeiss Microscopy GmbH), Matias Volman-Stern (Matworks GmbH), Timo Bernthaler (Matworks GmbH)

14:10–14:30

Maschinelles Lernen zur lichtmikroskopischen Qualitätsbewertung von Gefügen recycelter FeNdB-Magnete

Andreas Jansche (Hochschule Aalen), Dagmar Goll (Hochschule Aalen, Institut für Materialforschung), Dominic Hohs (Matworks GmbH, Aalen), Gaby Ketzer-Raichle (Hochschule Aalen, Institut für Materialforschung), Gerhard Schneider (Hochschule Aalen, Institut für Materialforschung), Jean Damascene Nirere (Hochschule Aalen, Institut für Materialforschung), Judith Laukart (Hochschule Aalen), Timo Bernthaler (Aalen University)

14:30–14:50

KI-gestütztes Segmentierungsmodell zur Detektion Fe-reicher intermetallischer Phasen in sekundären Aluminiumlegierungen

Nicole Wechner (Montanuniversität Leoben), Phillip Dumitraschkewitz (Montanuniversität Leoben), Sebastian Samberger (Montanuniversität Leoben), Stefan Pogatscher (Montanuniversität Leoben)

Session (T4) - KI-Methoden in der Materialographie

Talks (3)

Verbesserung der Werkstoffwissenschaftlichen Analyse mit generischen Deep-Learning-Segmentierungsmodellen in ZEN core

Maschinelles Lernen zur lichtmikroskopischen Qualitätsbewertung von Gefügen recycelter FeNdB-Magnete

KI-gestütztes Segmentierungsmodell zur Detektion Fe-reicher intermetallischer Phasen in sekundären Aluminiumlegierungen