Wir stellen den DGM-Nachwuchspreis 2024 vor, mit dem herausragende Doktorand*innen ausgezeichnet werden, deren Abschluss zum Zeitpunkt der Bewerbung nicht länger als zwei Jahre zurückliegt. Diese prestigeträchtige Auszeichnung ist Nachwuchswissenschaftler*innen gewidmet, die sich in der gemeinnützigen Forschung auf dem Gebiet der Materialwissenschaft und Werkstofftechnik verdient gemacht haben. Die DGM gratuliert Herrn Dr.-Ing. Ruben Wagner, GfE Fremat GmbH, zum DGM-Nachwuchspreis 2024.
1) Herr Dr. Wagner, was bedeutet Ihnen die Verleihung des DGM-Nachwuchspreises und welche Rolle hat die Deutsche Gesellschaft für Materialkunde bisher in Ihrer beruflichen Entwicklung gespielt?
Die Verleihung des DGM-Nachwuchspreises empfinde ich als große Wertschätzung meiner wissenschaftlichen Arbeit. In der Zeit mit überwiegend digitalen Konferenzen habe ich es als junger Wissenschaftler oft bedauert, dass der persönliche wissenschaftliche Austausch erschwert war. Die DGM hat mit ihren Veranstaltungen - vor Ort, digital oder hybrid - dazu beigetragen, dass ich meine Ergebnisse mit einem interessierten Fachpublikum teilen konnte.
2) Sie haben sich im Schülerlabor „Science meets school – Werkstoffe und Technologien“ engagiert und Schüler*innen für die Themen der additiven Fertigung begeistert. Was treibt Sie an, Ihre Begeisterung für die Wissenschaft an die nächste Generation weiterzugeben?
Wissenschaftliche Zusammenhänge für die Mädchen und Jungen in einfachen Worten zu erklären und im Alltag zu zeigen, machte mir im Schülerlabor am meisten Spaß. Die additive Fertigung eignete sich hier besonders gut, da die Schüler vom Design über die Herstellung bis zur Charakterisierung alles selbst bestimmen konnten. Häufig war ich von der Kreativität der Schüler*innen in den Workshops überrascht.
3) Sie haben eigenständig eine Auswerteroutine für Computer-tomographische Aufnahmen mittels künstlicher Intelligenz entwickelt. Welche Ansätze und Methoden haben Sie dabei verwendet und wie haben Sie Ihr Team in diesen Prozess eingebunden?
Ein Kollege ermunterte mich dazu, die verschiedenen Phasen und den Ermüdungsriss in einer Aluminiumlegierung durch deep-learning Algorithmen auswerten zu lassen. Bei den Methoden habe ich mir u.a. Ideen zu Auswerteroutinen aus der Biomedizin abgeschaut. Zu meiner Überraschung gelang die Übertragung auf die Materialwissenschaft besser als erwartet. Innerhalb des Instituts haben wir dann im Team die Ergebnisse auf Plausibilität überprüft und für gut befunden.