Unternehmen einer Automobil-Lieferkette können standardisierte Materialdaten automatisiert austauschen und behalten dabei die volle Kontrolle über ihre Daten, wie das Forschungsprojekt EDCar demonstriert hat. Rohstoffhersteller, Komponenten- und Fahrzeughersteller sowie Recyclingbetriebe können damit schneller über Entwicklungen entscheiden, Material einsparen oder neue digitale Geschäftsmodelle erschließen.
Grundlage ist die Kombination der PMD-Materialdateninfrastruktur mit dem Datenökosystem Catena-X. Neun Partner aus Industrie und Forschung haben den Ansatz unter Koordination des Fraunhofer IWM an zwei Anwendungsfällen erprobt: an einem Assistenzsystem für Recyclingbetriebe und an einem automatisierten Rückfluss von End-of-Life-Daten in die Bauteilentwicklung. Gefördert wurde das Projekt vom deutschen Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR).
Neun Partner koppeln Wissensgraphen und Catena-X für Materialdaten
Kern von EDCar ist die technische Verknüpfung der PMD-Materialdateninfrastruktur, die zur BMFTR-Plattform MaterialDigital gehört, mit Catena-X, dem industriellen Datenraum der Automobilbranche. In der PMD-Infrastruktur werden Materialien mit ihren technischen, ökologischen und ökonomischen Informationen in sogenannten Wissensgraphen digital abgebildet, die unternehmensspezifisch angelegt und für die Akteure der Wertschöpfungskette standardisiert sind. Catena-X verbindet Fahrzeughersteller (OEMs), Zulieferer, Händler und Recyclingbetriebe in einem dezentralen Netzwerk.
Gemeinsam ermöglichen beide Systeme, Materialdaten aus den Wissensgraphen der einzelnen Unternehmen, die dort als „Single Source of Truth“ dienen, automatisiert an Partner zu übertragen. Dazu zählen etwa mechanische Eigenschaften, Rezyklat-Qualitäten oder Fahrzeug-Nutzungsdaten. Die Kontrolle über die Weitergabe bleibt dabei vollständig beim jeweiligen Datenbesitzer. Das Projekt hat damit demonstriert, wie Unternehmen über den Austausch ihre Innovationsgeschwindigkeit im globalen Wettbewerb erhöhen können, ohne ihre Datensouveränität aufzugeben.
Das Fraunhofer IWM hat neben der Koordination die technische Umsetzung und die semantische Datenintegration übernommen. Gemeinsam mit dem Fraunhofer IPK hat es eine beispielhafte Infrastruktur für den Austausch von Materialdaten aufgebaut und validiert. Dazu gehören die Anpassung von Gaia-X- und Catena-X-Lösungen an die PMD, die Entwicklung von Ontologien und Datenmodellen sowie eine zentrale PMD-X-Schnittstelle, über die sich die PMD an Datenräume von Manufacturing-X anbinden lässt.
Das Projekt lief von Juli 2025 bis Juni 2026 und wurde vom BMFTR mit rund 1,06 Millionen Euro gefördert. Neben dem Fraunhofer IWM als Koordinator gehörten dem Konsortium das Fraunhofer IPK, die BASF SE als Materialhersteller, die BMW Group, die Robert Bosch GmbH und die Schaeffler Technologies AG & Co. KG als Fahrzeug- beziehungsweise Komponentenhersteller, die LRP-Autorecycling Leipzig GmbH als Fahrzeugverwerter sowie die Softwareunternehmen light ds GmbH und tec4U-Solutions GmbH an. Als assoziierte Partner waren die Cofinity-X GmbH, die Industrial Digital Twin Association (IDTA), die Bundesanstalt für Materialforschung und -prüfung (BAM), der Catena-X Automotive Network e.V., der Verband der Automobilindustrie e.V. (VDA) und die Fachgruppe Autorückmontage (FAR) der BDSV eingebunden.
„Aktuell liegen bei kritischen Entscheidungen entlang der Lieferkette schlicht zu wenig belastbare Informationen über Materialien, Bauteile und Produkte vor“, sagt Prof. Chris Eberl, stellvertretender Institutsleiter des Fraunhofer IWM. „Wenn wir es schaffen, diese Informationen durchgängig verfügbar zu machen, sichern wir nicht nur Ressourcen, sondern schaffen auch neue Gestaltungsräume für Innovation und Wettbewerbsfähigkeit in der europäischen Industrie.“
Assistenzsystem und Feedback to Design verbinden Recycling und Konstruktion
Die beiden Anwendungsfälle von EDCar setzen am Ende des Fahrzeuglebens an und führen von dort zurück in die Entwicklung. Im ersten unterstützt ein datenbasiertes Assistenzsystem, im Projekt als Circular-Economy-Assistant demonstriert, Recyclingunternehmen bei der Frage, ob ein demontiertes Bauteil wiederverwendet, wiederaufbereitet oder recycelt werden sollte. Es greift dafür auf tatsächliche Zustands- und Nutzungsdaten sowie auf Restlebensdauer-Modelle zurück statt auf Schätzungen. Im zweiten Fall gelangen diese End-of-Life-Erkenntnisse automatisiert in die Entwicklungsabteilungen von Verarbeitern und Herstellern, damit künftige Systeme von Beginn an kreislauffähiger konstruiert werden können. Die Projektpartner bezeichnen dieses Prinzip als „Feedback to Design“.
Für Recyclingbetriebe ändert sich damit die Entscheidungsgrundlage. Kommt ein Altfahrzeug in den Verwertungsbetrieb, bestimmt bisher oft Erfahrungswissen, was mit einem Bauteil geschieht. Materialzusammensetzung und Demontageinformationen werden weitgehend erfahrungsbasiert eingeschätzt, die Restlebensdauer über visuelle Inspektion mit hoher Unsicherheit beurteilt. Wertvolle technische Komponenten landen deshalb meist im Schredder, weil in der Kette niemand genau weiß, aus welchem Material sie bestehen, welchen Belastungen sie im Fahrzeugleben ausgesetzt waren und welche Qualität sie noch besitzen. Einen strukturierten Rückkanal zu den Herstellern gab es bislang nicht, das Praxiswissen der Verwerter blieb ungenutzt. Mit Zugriff auf digitale Bauteil- und Materialdaten der Hersteller lässt sich nun präzise und automatisiert entscheiden, statt Bauteile pauschal dem Downcycling zuzuführen. Die Recyclingunternehmen werden damit selbst zu Datenlieferanten für OEMs und Zulieferer.
Rohstoffhersteller haben ihre Kennwerte zu Rheologie oder Mechanik bislang über manuell gepflegte, individuell formatierte Datenblätter weitergegeben, Compliance-Informationen mussten sie für jeden Abnehmer separat aufbereiten. Im EDCar-Ansatz werden diese Angaben semantisch modelliert und über Aspect Models automatisiert an Partner im Datenraum verteilt. Auch Rezyklat-Qualitäten, die bisher kaum systematisch erfasst wurden, lassen sich so nachvollziehbar und belastbar dokumentieren. Rohstoffhersteller können sich auf diesem Weg vom Materiallieferanten zum Anbieter strukturierter Datenprodukte entwickeln.
Komponentenhersteller mussten die heterogenen Werkstoffdaten ihrer Zulieferer bisher manuell in die eigenen Systeme übernehmen, Ergebnisse aus Struktur- und Spritzgusssimulationen lagen verteilt in Datenbanken, und Rückmeldungen aus dem Feldeinsatz fehlten. EDCar führt diese Quellen in einem Wissensgraphen zusammen. Materialkarten werden dadurch unternehmensübergreifend nutzbar, Nutzungsdaten fließen digital zurück, Freigabeprozesse werden schneller und Vorhersagen zur Restlebensdauer stärker datengetrieben.
Bei den Fahrzeugherstellern waren die Materialzusammensetzungen von Fahrzeugteilen bislang über Stücklisten, PDF-Dokumente der Zulieferer und Werksdaten verstreut, eine durchgängige Sicht über den gesamten Lebenszyklus fehlte. Nachhaltigkeits- und CO2-Angaben beruhten auf groben Schätzwerten statt auf belastbaren, bauteilbezogenen Werten, und Erkenntnisse aus Demontage oder Recycling flossen praktisch nicht in die Entwicklung zurück. Sind die Materialdaten durchgängig verfügbar, lassen sich Material-, Compliance- und Nachhaltigkeitsangaben für jedes Bauteil bereitstellen, also genau jene Informationen, die ein digitaler Produktpass erfordert. Über den Feedback-to-Design-Kreislauf kommen reale Ergebnisse aus Demontage und Recycling nun automatisiert bei den Konstrukteuren an, die künftige Systeme damit kreislaufgerecht auslegen können.
Produktpass und Wettbewerb als Treiber für durchgängige Materialdaten
Die Projektergebnisse unterstützen Unternehmen auch bei regulatorischen Anforderungen. Der digitale Produktpass, der ab 2027 für viele Produktkategorien in der EU verpflichtend wird, und die EU-Kreislaufwirtschaftsstrategie verlangen genau die durchgängige und nachvollziehbare Verfügbarkeit von Materialinformationen, die EDCar demonstriert hat.
Den wirtschaftlichen Hintergrund beschreibt Projektleiter Dr. Thomas Straub vom Fraunhofer IWM: „Wer seine Materialdaten unternehmensübergreifend nutzbar macht, kann schneller Kosten beurteilen und digitale Geschäftsmodelle erschließen, genau das, was wir brauchen, um mit internationalen, insbesondere chinesischen Wettbewerbern Schritt zu halten.“ Und weiter: „Es geht nicht nur darum, günstiger zu produzieren, sondern mit besseren Daten schneller und fundierter zu entscheiden.“
Aus den Projektergebnissen sollen beim Fraunhofer IWM mehrere Forschungs- und Dienstleistungsangebote entstehen. Dazu zählen Referenzarchitekturen für materialbezogene Datenökosysteme, die sich auch über die Automobilbranche hinaus anpassen lassen, interoperable PMD-X-Schnittstellen zur Anbindung materialbezogener Daten an Catena-X, semantische Datenmodelle und Ontologien für den maschinenlesbaren Datenaustausch, Demonstratoren für Recyclingoptimierung und Feedback to Design sowie die Synchronisierung von Datenökosystemen für weitere Kooperationsprojekte.
Wie ein solcher Datenkreislauf bei einem Kunststoffverarbeiter aussehen kann, beschreibt ein Szenario für das Jahr 2032. Ein mittelständischer Verarbeiter erhält darin von seinem OEM-Kunden eine Anfrage für ein neues Strukturbauteil samt digitalem Profil, das Werkstoffkennwerte, Nachhaltigkeitsdaten und End-of-Life-Kenngrößen in einem maschinenlesbaren Datenpaket bündelt. Die Entwicklungsingenieurin ruft die passenden Angaben direkt aus dem eigenen Wissensgraphen ab, der automatisiert mit den Datenräumen von Rohstofflieferant, Prüflabor und Kunde synchronisiert ist. Die erste virtuelle Auslegung einschließlich Spritzguss- und Struktursimulation liegt binnen weniger Minuten vor.
Parallel meldet ein Recyclingbetrieb laufend an OEM und Rohstoffhersteller zurück, welche Bauteile aus welchen Fahrzeugmodellen sich mit welcher Restqualität wiederverwenden lassen. Über standardisierte, souveräne Datenräume erreichen diese Informationen automatisch die Konstrukteure beim OEM und gehen in die nächste Fahrzeuggeneration ein. Der Rohstoffhersteller kann seine Rezyklate anhand belastbarer Qualitätsdaten differenziert vermarkten, statt sie unter Wert im Massenmarkt zu verkaufen.
Im Szenario arbeitet die Wertschöpfungskette nicht mehr sequenziell, sondern als vernetztes Datenökosystem, in dem jeder Akteur die Souveränität über seine Daten behält. Entwicklungszeiten verkürzen sich um Wochen, der Materialeinsatz sinkt durch bessere Kreislaufentscheidungen, und Compliance-Nachweise wie der digitale Produktpass entstehen als Nebenprodukt eines gut organisierten Datenflusses. Für die deutsche und europäische Industrie sichert diese dezentrale, souveräne und zugleich interoperable Zusammenarbeit auf Basis gemeinsamer Standards Entwicklungstempo, Resilienz und regulatorische Zukunftsfähigkeit. Die Akteure können schneller auf Marktveränderungen reagieren und neue Geschäftsmodelle rund um Daten und Kreislaufwirtschaft erschließen.
Projektleiter Thomas Straub zu Einführung, Datensouveränität und Simulation
Das Fraunhofer IWM hat zu EDCar zehn Fragen an Projektleiter Dr. Thomas Straub veröffentlicht. Fragen und Antworten im Wortlaut:
Was bedeutet EDCar konkret für die Wettbewerbsfähigkeit eines KMU gegenüber internationalen, insbesondere chinesischen Wettbewerbern?
EDCar zeigt, dass Unternehmen Materialentscheidungen künftig in Stunden statt Wochen treffen können, weil Daten nicht mehr manuell zwischen Systemen und Unternehmen zusammengetragen werden müssen. Wir haben im Projekt die technische Infrastruktur entwickelt und demonstriert, mit der Werkstoffdaten automatisiert, standardisiert und rechtssicher fließen. Genau diese Geschwindigkeit braucht es, um mit internationalen Wettbewerbern Schritt zu halten, nicht durch niedrigere Kosten, sondern durch bessere, schnellere Entscheidungen.
Welchen wirtschaftlichen Nutzen versprechen die Projektergebnisse?
Der Nutzen liegt in drei Bereichen: weniger Primärrohstoffeinsatz durch bessere Recyclingentscheidungen, schnellere Entwicklungszyklen durch wiederverwendbare Materialdaten und neue Geschäftsmodelle, etwa durch den Verkauf veredelter Materialinformationen an Partner. Wir liefern dafür keine fertige Software, sondern die semantische und technische Grundlage, d.h. Ontologien und Schnittstellen, mit denen Unternehmen eigene digitale Geschäftsmodelle aufbauen können.
Wie hoch ist der Investitions- und Zeitaufwand, um diesen Ansatz in einem Unternehmen einzuführen?
Der Einstieg ist bewusst niedrigschwellig gestaltet: Unternehmen bringen ihre vorhandenen Daten in einen internen Knowledge Graph ein und nutzen offene, bereits erprobte Werkzeuge wie OntoDocker. Mit Referenzarchitekturen ist keine IT-Neuentwicklung nötig. Erste Effekte, z.B. schnellere Materialfreigaben, zeigen sich oft schon nach wenigen Monaten.
Wie sicher sind Unternehmensdaten, und wer kontrolliert den Zugriff, wenn sensible Werkstoff- oder Produktionsdaten mit Partnern geteilt werden?
Datensouveränität stand im Zentrum der technischen Konzeption. Jedes Unternehmen bleibt alleiniger Eigentümer seiner Daten und entscheidet, welche Information über den Eclipse Dataspace Connector aus Catena-X zur Verfügung steht. Es entsteht kein zentraler Datenpool, sondern ein föderiertes System.
Welche regulatorischen Anforderungen können erfüllt werden?
EDCar liefert die technische Grundlage, um Anforderungen wie den Digitalen Produktpass oder die EU-Kreislaufwirtschaftsstrategie nicht als Belastung, sondern als Nebeneffekt eines ohnehin sinnvollen Datenmanagements zu erfüllen. Im Projekt haben wir die Datenmodelle so entwickelt, dass Compliance-relevante Informationen automatisch mitgeführt werden. Unternehmen, die früh einsteigen, vermeiden kostspielige Nachrüstungen und profitieren, wenn Regulatorik verbindlich wird.
Wie lässt sich die entwickelte Ontologie technisch an bestehende PLM-, ERP- und Simulationssysteme anbinden?
Die PMD Core Ontologie bzw. die im Projekt entwickelte AUTOMATCE-Applikationsontologie bindet sich nicht direkt an ein PLM-System, sondern fungiert als semantische Zwischenschicht: Vorhandene Systeme liefern Daten in einen zentralen Wissengraphen, aus dem standardisierte Aspect Models für Catena-X erzeugt werden. Das Fraunhofer IWM hat dafür Mapping-Werkzeuge entwickelt, die diese Übersetzung automatisieren, sodass bestehende IT-Landschaften ergänzt werden.
Welcher Aufwand entsteht, um interne Materialdaten in einen Wissensgraph zu überführen und aktuell zu halten?
Der Aufwand hängt vom Digitalisierungsgrad der internen Datenquellen ab. Im Projekt wurden Spezifikationen, Daten und Simulationsergebnisse über offene Mapping-Tools (u. a. YARRRML, SPARQL) in den Knowledge Graph überführt. Dafür gibt es Vorlagen und die Open-Source-Infrastruktur OntoDocker, wodurch der Ersteinrichtungsaufwand reduziert wird. Unternehmen müssen keine Ontologie von Grund auf entwickeln.
Wie wird sichergestellt, dass Daten aus unterschiedlichen Aspect Models/Datenmodellen konsistent und interoperabel bleiben?
Interoperabilität wird durch definierte Design-Patterns sichergestellt, die Semantic Aspect Meta Models mit PMD Core Ontologie-Strukturen verknüpfen, etwa bei Einheiten, Merkmalen und Messwerten. Wir haben diese Mapping-Logik dokumentiert, sodass neue Aspect Models konsistent eingebunden werden können. So bleibt gewährleistet, dass Daten, die ein Partner sendet, beim Empfänger exakt gleich interpretiert werden.
Können Unternehmen die entwickelten Werkzeuge auch für andere Werkstoffklassen, Bauteile oder Branchen nutzen?
Das war ein zentrales Projektziel. Die Ontologiebausteine und Mapping-Pipelines sind werkstoffklassen-unabhängig aufgebaut und lassen sich auf Metalle, Keramiken oder Verbundwerkstoffe ebenso anwenden wie auf andere Branchen mit vergleichbaren Datenraum-Strukturen. Wir haben hierzu Referenzarchitekturen, die Unternehmen als Ausgangspunkt für eigene Erweiterungen nutzen können.
Wie unterstützt der Ansatz konkret Simulationsprozesse (z. B. Struktur- oder Spritzguss-Simulation) und den Feedback-to-Design-Regelkreis?
Über standardisierte Aspect Models für Spritzguss-Simulationskarten, Lastkollektive und Restlebensdauer stehen Simulationsexpert*innen konsistente, unternehmens-übergreifend gültige Eingangsdaten zur Verfügung. Wir haben im Projekt gezeigt, wie End-of-Life-Daten aus dem Recycling automatisiert zurück in Konstruktions- und Simulationsprozesse fließen. Damit lassen sich künftige Bauteilgenerationen von Beginn an kreislaufgerecht und mit realitätsnahen Belastungsdaten auslegen.
