Kunststofftypen für neue Anwendungen systematisch vergleichen
Statt Materialdaten aus dem Kopf oder per ChatGPT: Wie Materialdatenbanken wie CAMPUS und UL Prospector die Werkstoffauswahl für PA6, PA66, POM und ABS dokumentierbar machen.
Mit KI-Agenten recherchiert und geschrieben, verantwortlich: Redaktion KI-Syndikat. So arbeiten wir Fehler melden
- Problem
- Materialentscheidungen beruhen auf Erfahrungswerten einzelner Personen, unkritisch übernommenen LLM-Ausgaben oder nicht-vergleichbaren Herstellerdatenblättern, mit Folgen in der Produkthaftung.
- KI-Lösung
- Ein LLM strukturiert das Anforderungsprofil, die Datenbankfilterung in CAMPUS, UL Prospector und Granta MI machst du danach selbst, ohne dass das LLM auf die Datenbank zugreift: CAMPUS stützt seine Prüfverfahren auf ISO 10350 und ISO 11403, die REACH/RoHS-Vorabprüfung und die Auswahlbegründung dokumentierst du selbst.
- Typischer Nutzen
- Materialauswahl in 1–2 statt 5–15 Arbeitstagen (Annahme dieser Seite, kein Messwert); Fehlauswahlen durch inkonsistente Daten reduziert; belastbare Dokumentation für Produkthaftung und Bauteilfreigabe.
- Setup-Zeit
- CAMPUS und UL Prospector: kostenloser Zugang für qualifizierte Nutzer bzw. Fachleute
- Kosteneinschätzung
- Einstieg 0 € (kostenlose Zugänge); Granta MI hier ohne Preis
Es ist Donnerstag, 14:47 Uhr.
Entwicklungsingenieurin Petra Schindler tippt ihre Frage in ChatGPT: „Welchen Kunststoff soll ich für ein Getriebeteil nehmen, das dauerhaft 110 Grad verträgt, gute Medienbeständigkeit gegen Getriebeöl hat und im Spritzguss verarbeitbar ist?” ChatGPT antwortet selbstbewusst: PA66 GF30 sei die ideale Wahl, mit einer Dauergebrauchstemperatur von 120 Grad und sehr guter Ölbeständigkeit.
Petra bestellt Muster. Drei Wochen später liegt der Prototypentest vor: Maßhaltigkeit nach 48-stündiger Lagerung bei 80 % relativer Luftfeuchtigkeit, Ausschuss. Das Bauteil ist aufgequollen. PA66 ist hygroskopisch; es nimmt Feuchtigkeit aus der Umgebung auf und quillt dabei messbar. Für ein Zahnrad mit Passungstoleranzen von ±0,05 mm ist das ein K.O.-Kriterium.
ChatGPT hatte das nicht erwähnt. Warum auch, es hat keine Ahnung, welche Toleranzen das Bauteil hat, welche Luftfeuchtigkeit in der Zielanwendung herrscht und dass POM für genau diese Kombination die deutlich zuverlässigere Wahl gewesen wäre.
Drei Wochen Entwicklungszeit. Zwei Musterbestellungen. Eine Neukonstruktion des Toleranzkonzepts. Das alles hätte 20 Minuten in einer normgerechten Materialdatenbank verhindert.
Für Unternehmen
Nicht nur lesen, umsetzen.
Wir setzen Anwendungsfälle wie diesen mit euch um oder trainieren euer Team darauf. Das Erstgespräch kostet nichts.
Das echte Ausmaß des Problems
Die Materialauswahl ist einer der folgenreichsten Entschlüsse in der Bauteilentwicklung, und gleichzeitig einer der am schlechtesten dokumentierten. In den meisten mittelständischen Kunststoffverarbeitern läuft es so: Der Konstrukteur fragt den erfahrenen Kollegen, schaut ins letzte Projekt mit ähnlichen Anforderungen oder verlässt sich auf das Datenblatt des bevorzugten Herstellers.
Das Problem: Diese drei Quellen sind keine verlässlichen Grundlagen für einen normenkonformen Vergleich.
Herstellerdatenblätter sind keine Grundlage für Vergleiche. Zugfestigkeit 65 MPa bei BASF PA6 nach ISO 527 und Zugfestigkeit 65 MPa bei Lieferant X, nach welcher Norm gemessen, bei welcher Konditionierung? Ohne einheitliche Prüfnorm sagen die Zahlen nichts übereinander aus. CAMPUS Plastics setzt bei diesem Problem an: Die Prüfverfahren in CAMPUS beruhen laut About-Seite auf internationalen Normen (ISO 10350 und ISO 11403).
Generative KI gibt selbstbewusste, faktisch falsche Antworten. LLM-Systeme können bei materialwissenschaftlichen Anfragen halluzinieren, nicht weil das Modell lügt, sondern weil es Zusammenhänge wie Feuchtigkeitsaufnahme-Maßänderung-Toleranzanforderung nicht herstellen kann, wenn du ihm dein Anwendungsprofil nicht vollständig beschreibst. Und selbst wenn du es beschreibst: Es fehlt der Zugriff auf normierte Messdaten.
Die Konsequenzen sind teuer. Eine Fehlauswahl, die erst im Prototypentest oder noch später auffällt, zieht nach sich:
- Neue Musterbestellungen
- Wiederholung von Prüfungen
- Konstruktionsänderungen
- Bei serienmäßigen Fehlern: Rückruf- und Produkthaftungskosten
Und: REACH und RoHS kommen dazu. Wer Materialauswahl ohne parallele Compliance-Prüfung betreibt, riskiert, Komponenten zu spezifizieren, die vor dem Serienanlauf nicht mehr lieferbar sind, oder die Abnehmer ablehnen.
Mit vs. ohne KI, ein ehrlicher Vergleich
| Kennzahl | Ohne systematische Datenbank | Mit Materialdatenbank |
|---|---|---|
| Dauer Materialselektion (Neuentwicklung, Annahme dieser Seite) | 5–15 Arbeitstage | 1–2 Arbeitstage |
| Vergleichbarkeit der Kennwerte | Variabel (unterschiedliche Prüfnormen) | Bei CAMPUS einheitlich (ISO 10350, ISO 11403) |
| REACH/RoHS-Vorabprüfung | Manuell, häufig vergessen | Als fester Prüfschritt im Prozess |
| Dokumentation der Auswahlbegründung | Informal oder fehlend | Auswahlbegründung festhalten, bei UL Prospector Plus Kennwerte exportierbar |
Einschätzung auf einen Blick
Zeitersparnis, hoch (4/5) Ein normgerechter Datenbankvergleich von fünf bis zehn Materialien dauert zwei bis drei Stunden. Dieselbe Arbeit mit manuell zusammengesuchten Datenblättern dauert Tage, und ist dabei methodisch schlechter, weil die Daten nicht vergleichbar sind. Materialauswahl ist selten der einzige Zeitfresser in der Entwicklung, aber bei häufig wechselnden Projekten ist der Effekt kumulativ und real. In dieser Branche gehört dieser Use Case zu den deutlichsten Zeitgewinnern.
Kosteneinsparung, niedrig (2/5) Die Kosteneinsparung ist real, aber indirekt: Sie entsteht durch vermiedene Prototypeniterationen, nicht durch direkte Kostensenkung in der Produktion. Das macht sie schwerer zu messen als etwa die Einsparung durch Chargendokumentation oder Energieoptimierung an Extrudern. Dazu kommt: CAMPUS und der kostenlose Account von UL Prospector kosten keine Lizenz, die Einführung kostet wenig, aber die Vermeidung von Iterationskosten lässt sich erst im Rückblick messen. Bewusst niedrig bewertet.
Schnelle Umsetzung, hoch (4/5) CAMPUS Plastics ist für qualifizierte Nutzer kostenlos zugänglich, du kannst in einer Stunde die erste normgerechte Materialauswahl durchführen. Das ist der stärkste Einstiegsvorteil dieses Use Cases. Einzige Voraussetzung: ein strukturiertes Anforderungsprofil. Den schreibst du in 20 Minuten. Höher als die meisten anderen Use Cases in dieser Branche, weil keine IT-Infrastruktur und keine Datenmigration nötig sind.
ROI-Sicherheit, mittel (3/5) Der Nutzen ist klar, aber er hängt davon ab, wie viele neue Materialentscheidungen pro Jahr anfallen. Wer ein bis zwei Neuentwicklungen pro Jahr macht, hat wenig zu gewinnen. Wer acht bis fünfzehn Projekte pro Jahr fährt, bei denen Materialeigenschaften eine zentrale Rolle spielen, merkt den Unterschied deutlich. Die ROI-Messung selbst ist schwierig: Wie beweist du, dass eine Fehlauswahl vermieden wurde?
Skalierbarkeit, mittel (3/5) Der Prozess skaliert mit der Anzahl der Projekte, nicht mit dem Wachstum des Teams. Eine größere Belegschaft bedeutet nicht automatisch mehr Materialentscheidungen. Für sehr schnell wachsende Entwicklungsabteilungen ist das ein Vorteil; für Unternehmen mit stabiler Projektfrequenz ist der Skalierungseffekt begrenzt. Minimum für diese Branche, aber ehrlich.
Richtwerte, stark abhängig von der Anzahl jährlicher Neuentwicklungen und der Materialvielfalt im Produktportfolio.
Warum generative KI bei Materialdaten versagt
Das muss explizit gesagt werden: ChatGPT, Claude, Gemini und andere LLM-basierte Werkzeuge sind für die Materialauswahl im Engineering kein Ersatz für Fachdatenbanken.
Das ist kein prinzipielles KI-Problem, es ist ein Datenproblem. Normierte Materialkennwerte stammen aus Messungen nach Norm, nicht aus der Textgenerierung eines Sprachmodells. Was das Modell generiert, ist ein Mix aus Marketingtexten, Wikipedia-Einträgen und allgemeinen Ingenieursquellen, kein Ersatz für ISO-527-Zugversuchsdaten unter definierter Konditionierung.
Drei konkrete Versagensmuster:
1. Fehlende Anwendungsspezifik bei Hygroskopie. PA66 ist eine hervorragende Wahl, in vielen Anwendungen. Aber PA66 absorbiert bis zu 2,5 Gewichtsprozent Feuchtigkeit, was zu Maßänderungen von 0,1–0,2 mm je 100 mm Bauteilabmessung führen kann. Ein LLM nennt diese Eigenschaft nur, wenn du explizit danach fragst und die Toleranzanforderung beschreibst. Für Präzisionsbauteile ist das K.O.-Kriterium, und ein erfahrener Ingenieur fragt danach, ein LLM nicht.
2. Schleichende Eigenschaftsverwechslung bei ähnlichen Polymernamen. PA6 und PA66 klingen ähnlich, unterscheiden sich aber messbar in Schmelzpunkt (220 vs. 265 °C), Wärmeformbeständigkeit und Feuchtigkeitsaufnahme. POM-C und POM-H haben unterschiedliche Schweißbarkeit. ABS-Typen variieren stark je Schlagzähigkeitsmodifikation. LLMs verwechseln und mitteln hier, ohne es zu signalisieren.
3. Veraltete oder nicht-normierte Eigenschaftswerte. Wenn ein Modell Zugfestigkeit 70 MPa für PA66 GF30 nennt, bleibt unklar: Welcher Hersteller? Welche Konditionierung? Trocken oder konditioniert? Nach ISO 527 oder ASTM D638? Diese Unterschiede können 10–30 Prozent in den Messwerten ausmachen. In CAMPUS sind sie definiert, im LLM nicht.
Was LLMs gut können: das Anforderungsprofil strukturieren, die richtigen Datenbankfilter formulieren, Auswahlbegründungen in Ingenieursprache schreiben, also die Meta-Arbeit rund um die Datenbankrecherche. Nicht die Recherche selbst.
Was Materialdatenbanken konkret machen
Der Kern ist einfach: Du definierst ein Anforderungsprofil (mechanisch, thermisch, elektrisch, chemisch, prozesstechnisch) und die Datenbank zeigt dir alle Materialien, die es erfüllen.
Die entscheidende Qualität: Die Prüfverfahren in CAMPUS beruhen auf denselben Normen. Laut About-Seite sind das ISO 10350 für Einpunktdaten und ISO 11403-1 und -2 für Mehrpunktdaten. Wenn du Werkstoffe verschiedener Hersteller vergleichst, vergleichst du deshalb Daten, die nach demselben Verfahren erfasst wurden.
Was du in einer Materialdatenbank konkret machen kannst:
- Eigenschaftsfilterung: Mindestzugfestigkeit 60 MPa + HDT/A ≥ 120 °C + V0 nach UL 94 → Zeigt alle Materialien im Kandidatenraum. Bei UL Prospector nennt die Preisseite die Suche über mehr als 600 Materialeigenschaften im Plus-Plan
- Side-by-Side-Vergleich: Bei UL Prospector nennt die Preisseite den Vergleich von fünf Materialien nebeneinander und führt den Side-by-Side-Vergleich im Basic-Plan
- Mehrpunktdaten: CAMPUS nennt dafür ISO 11403-1 und -2
- UL Yellow Cards: Prospector bindet nach eigener Angabe mehr als 45.000 UL-Yellow-Cards ein, relevant für E/E-Bauteile
Und was passiert danach: Die Datenbankauswahl ist Vorauswahl, nicht Endentscheidung. Nach der Filterung auf 3–5 Kandidaten kommen Musterbestellungen, Verarbeitungsversuche im Spritzguss und bauteilspezifische Tests. Datenbank ersetzt keine Prüfung, sie macht die Prüfung zielgerichteter.
REACH/RoHS-Screening: der unterschätzte Engpass
Materialauswahl ohne Compliance-Prüfung ist unvollständig. Das gilt für Kunststoffe in der EU besonders, weil:
- REACH SVHC-Liste (Substances of Very High Concern) wird von der ECHA laufend aktualisiert. Bestimmte Flammschutzmittel, Weichmacher und Prozesshilfsmittel, die in Standard-Kunststoffrezepturen enthalten sein können, stehen auf dieser Liste.
- RoHS gilt für Kunststoffteile, die in Elektro- und Elektronikgeräten verbaut werden, auch für reine Gehäuseteile. Grenzwerte beziehen sich auf das homogene Material, nicht auf das Endprodukt.
Wie das Screening konkret aussieht:
Ohne spezielle Unterstützung: Manuell die ECHA-Kandidatenliste prüfen, Konformitätserklärungen beim Hersteller anfordern, per E-Mail nachverfolgen. Je nach Materialportfolio: 2–5 Tage je Neuspezifikation.
Die ECHA betreibt die SCIP-Datenbank.
Wichtige Grenze: Datenbank-Compliance-Hinweise ersetzen keine offizielle Konformitätserklärung des Materiallieferanten. Die Datenbank zeigt dir, ob du nachfragen musst, die Erklärung lieferst du als Teil der Bauteilfreigabe.
Ein separater Use Case auf diesem Portal beschäftigt sich ausführlich mit der automatisierten REACH-Konformitätsprüfung für Kunststoffrezepturen.
Produkthaftung: Wenn die Werkstoffwahl vor Gericht geht
Das Produkthaftungsgesetz (ProdHaftG) macht den Hersteller eines Produkts für Schäden verantwortlich, die durch Konstruktionsfehler entstehen, und eine falsche Materialwahl ist ein Konstruktionsfehler im Sinne des Gesetzes.
Was das konkret bedeutet:
- Dokumentation. Halte fest, warum du PA66 statt POM gewählt hast: Anforderungsprofil, Kandidatenliste und Begründung des gewählten Materials.
- Produktbeobachtungspflicht. Wenn sich nach Serienstart herausstellt, dass ein Material unter Betriebsbedingungen Eigenschaften zeigt, die nicht im Anforderungsprofil berücksichtigt wurden (z. B. Versprödung durch UV-Einwirkung, Quellen durch Medienexposition), musst du handeln, und das erfordert, dass du das Material ursprünglich vollständig spezifiziert hast.
Ein reales Beispiel aus der Produkthaftungspraxis: Ein Lebensmittelbetrieb bestellte Kunststoffverpackungen, die als “lebensmittelecht” zugesichert waren. Das Material war nicht korrekt spezifiziert, der Kunststoff gab Geruchs- und Geschmackstoffe ab, die Ware musste vernichtet werden. Schadensersatz fiel dem Verpackungshersteller zu. Der Schaden hätte sich mit einer normgerechten Materialspezifikation inklusive Lebensmittelkontaktnachweisen vermeiden lassen (Haufe/IHK-Rechtsdatenbank, Produkthaftung §9 ProdHaftG).
Die Datenbank ist kein Rechtsschutz. Aber eine dokumentierte, nachvollziehbare Auswahlentscheidung ist ein Schutzfaktor, den Unternehmen unterschätzen.
Konkrete Werkzeuge, was wann passt
CAMPUS Plastics , Datenbank für normgerechte Vergleiche. Kostenlos für qualifizierte Nutzer. Laut Startseite die einzige Datenbank, die ausschließlich hochwertige, vergleichbare Materialinformationen nach einheitlichen Normen anbietet, das erleichtert den Vergleich von Materialien verschiedener Hersteller. Schwäche: Nur Materialien der teilnehmenden Hersteller. CAMPUS ist für die persönliche Recherche qualifizierter Besucher gedacht und bietet nach eigener Angabe keine Maschinenschnittstellen, ein LLM kann die Datenbank deshalb nicht abfragen.
UL Prospector , Kostenloser Zugang für qualifizierte Fachleute nach Registrierung, die kostenpflichtigen Pläne mit erweiterter Suche stehen mit Preis auf der Preisseite des Anbieters. Stärke: Daten zu mehr als 100.000 Harz- und Kunststoffmaterialien, Suche nach UL Yellow Card Performance. Relevant, wenn du für E/E-Anwendungen UL-Brandschutzeinstufungen brauchst (UL 94 V0, HB etc.). Schwäche: Daten nicht nach einheitlichen Normen, Vergleichswerte müssen mit Vorsicht interpretiert werden. Gut kombinierbar mit CAMPUS: UL Prospector für UL Yellow Cards und die Breite der Lieferanten, CAMPUS für den Eigenschaftsvergleich.
Ansys Granta MI , Materialdatenmanagement für das ganze Unternehmen, laut Ansys auf Basis der Referenzdaten von Granta, mit einer Risikobewertung für beschränkte Stoffe („Assess Restricted Substance Risk“). Beträge nennt die archivierte Produktseite nicht, der Einstieg läuft über „Request an Assessment“.
Was LLMs sinnvoll ergänzen: ChatGPT oder Claude sind nützlich für die Vorstufe, das Anforderungsprofil strukturieren, die Suchparameter formulieren, die Auswahlbegründung in verständliche Ingenieursprache übersetzen. Nicht für die Materialauswahl selbst.
Zusammenfassung: Wann welches Tool
- Normierter Eigenschaftsvergleich → CAMPUS Plastics
- UL-Brandschutzklassifikation / E/E-Anwendungen → UL Prospector
- Risikobewertung für beschränkte Stoffe + eigenes Materialwissen → Ansys Granta MI
- Anforderungsprofil formulieren / Begründung schreiben → ChatGPT oder Claude
Klingt das nach eurem Alltag? Ob sich dieser Use Case bei euch rechnet, klären wir im Erstgespräch: 30 Minuten, kostenlos.
Erstgespräch anfragenDatenschutz und Datenhaltung
Materialkennwerte selbst sind keine personenbezogenen Daten. Bei UL Prospector erfasst die Registrierung aber unter anderem deinen Namen und deine geschäftliche E-Mail-Adresse.
Relevant wird die DSGVO außerdem, wenn firmeneigene Daten in Datenbanken eingespeist werden:
- CAMPUS Plastics (kostenlos für qualifizierte Nutzer): Laut Datenschutzerklärung werden alle von den Systemen erfassten Daten auf Servern in Deutschland gespeichert.
- UL Prospector : Laut Datenschutzhinweis wird die Seite von UL aus den USA gehostet. Außerdem verkauft UL laut Datenschutzhinweis Mitglieds- und Abonnentendaten an Unternehmen, deren Produkte oder Dienste die Mitglieder interessieren.
Die kritischere Datenschutzfrage stellt sich, wenn Materialformulierungen in KI-Systeme eingespeist werden: Wer mit ChatGPT über interne Rezepturen oder proprietäre Materialspezifikationen spricht, gibt potenziell Geschäftsgeheimnisse preis. Die Empfehlung gilt unabhängig von der Branche: Nur öffentliche Eigenschaftswerte und Anforderungsprofile in Consumer-LLM-Tools eingeben, keine internen Rezepturdaten.
Was es kostet, realistisch gerechnet
Einstieg mit den kostenlosen Zugängen
- CAMPUS Plastics : 0 €
- UL Prospector (kostenloser Account, Registrierung erforderlich): 0 €
- Zeitaufwand für Strukturierung des Prozesses: ca. 8–16 Stunden intern
Das ist die einzig richtige Antwort für KMU mit bis zu 10 Neuentwicklungen pro Jahr: Starte mit den kostenlosen Zugängen. Du zahlst mit Zeit, nicht mit Lizenzkosten.
Mittlere Ausbaustufe
- UL Prospector Premium: kostenpflichtig, den Preis nennt die Preisseite des Anbieters
- Interne Schulung (1 Tag): Kosten nicht belegt
- Dokumentationsvorlage für Auswahlbegründung: 2–4 Stunden Erstellung
Enterprise-Setup
- Ansys Granta MI : Beträge nennt die archivierte Produktseite nicht
- Implementierung und Migration eigener Materialdaten: Kosten nicht belegt
- Laufender Betrieb: 1–2 Personentage/Monat für Datenpflege (Annahme dieser Seite)
Was du gegenrechnen kannst Eine vermiedene Fehlauswahl im Prototypenstadium erspart dir eine Prototypeniteration. Was die kostet, weißt du aus deinen eigenen Projekten.
Wie du den Nutzen misst: Zähle vor der Einführung, wie viele Prototypeniterationen in einem Quartal auf Materialfehler zurückgehen. Nach 12 Monaten mit systematischem Datenbankprozess: erneut zählen. Der Unterschied ist dein ROI.
Typische Einstiegsfehler
1. Die Datenbank wird als Bestätigung genutzt, nicht als Werkzeug. Das häufigste Muster: Der Ingenieur weiß bereits, welches Material er nehmen will, und sucht in der Datenbank nach der Bestätigung. Dabei übersieht er, was er nicht sucht, Hygroskopie, Kriechverhalten, Langzeitstabilität unter Medieneinwirkung. Konsequenz: PA66 besteht die Filterung nach Zugfestigkeit und HDT, aber die Feuchtigkeitsaufnahme von bis zu 2,5 Gew.-% und die resultierende Maßänderung von 0,1–0,2 mm je 100 mm Bauteilabmessung tauchen nicht auf, weil niemand danach gesucht hat. Das Zahnrad mit ±0,05-mm-Toleranz schlägt erst im Prototypentest an, drei Wochen zu spät. Abhilfe: Vor dem Öffnen der Datenbank das vollständige Anforderungsprofil schriftlich festhalten und systematisch alle Eigenschaftskategorien abarbeiten, nicht nur die offensichtlichen.
2. Das Anforderungsprofil ist unvollständig. Wer in CAMPUS nur nach Zugfestigkeit und HDT filtert, findet technisch korrekte, aber möglicherweise falsche, Ergebnisse. Typisches Versagensmuster: Zwei Materialien passieren beide Filter, aber nur eines ist für die Medienexposition im Betrieb geeignet. POM-C ist bei Kraftstoffkontakt beständig, PA6 GF30 quillt und verliert 30–40 % Zugfestigkeit nach Lagerung in Öl, ein Unterschied, der im Filter nicht auftaucht, wenn “Medienbeständigkeit Öl” nicht als Pflichtkriterium eingetragen ist. Abhilfe: Vollständige Profile schriftlich festlegen, mechanische Anforderungen (statisch und dynamisch), thermische Anforderungen (kurz- und langzeitig), chemische Beständigkeit gegen alle im Betrieb vorkommenden Medien, Verarbeitungsanforderungen (Spritzguss-Verarbeitungstemperatur, Schwindung, Wanddicke), elektrische Anforderungen (wenn relevant) und Compliance-Anforderungen (REACH, RoHS, FDA, wenn anwendbar), bevor die Datenbank geöffnet wird.
3. Das Ergebnis wird nicht dokumentiert, und Monate später wiederholt. Das ist der stille Hauptfehler. Ohne Dokumentation der Auswahlbegründung beginnt das nächste ähnliche Projekt bei null. Und wenn zwei Projekte dasselbe Material ausgewählt haben, aber aus unterschiedlichen Gründen, kann kein Folgeprojekt auf diesem Wissen aufbauen. Minimallösung: Eine einseitige Auswahlbegründung mit Anforderungsprofil, Kandidatenliste, verwerfenem Material mit Begründung und gewähltem Material mit Begründung. Bei UL Prospector listet die Preisseite „Export property data“ im Plus-Plan.
Der Wartungsfehler, ein Sonderfall: Materialspezifikationen altern. Wenn ein Lieferant ein Material reformuliert (ohne Namensänderung), wenn die REACH-Kandidatenliste aktualisiert wird oder wenn der Hersteller Prüfdaten nachpflegt, kann eine “bewährte” Auswahl plötzlich nicht mehr valide sein. Wer keine Wiederholung des Datenbankabgleichs für laufende Produkte einplant, mindestens einmal pro Jahr oder bei REACH-Listenaktualisierungen, lebt auf geliehener Zeit.
Was mit der Einführung wirklich passiert, und was nicht
Die technische Einführung ist trivial: CAMPUS aufzurufen dauert fünf Minuten. Das Schwierige ist die organisatorische Verortung.
Was typisch passiert: Ein Ingenieur nutzt das Tool und ist begeistert, er findet in einer Stunde, wofür er früher zwei Tage gebraucht hat. Dann erzählt er es einem Kollegen. Der macht es einmal und vergisst es wieder. Nach sechs Monaten nutzt das Tool noch immer einer von fünf Entwicklungsingenieuren.
Warum: Weil es keinen Prozess gibt, der den Datenbankabgleich als verbindlichen Schritt in die Bauteilentwicklung einbettet. Ohne diesen Schritt bleibt das Tool optional, und Optionales wird unter Zeitdruck weggelassen.
Was konkret hilft:
- Einen Haken in die Freigabe-Checkliste: “Materialauswahl in CAMPUS abgeglichen, ja/nein” genügt als Anfang
- Eine zweiseitige Vorlage für die Auswahlbegründung, die jeder im Team kennt
- Einen internen Champion, der die ersten fünf Recherchen selbst zeigt, “Zeigen” überzeugt hier mehr als jede E-Mail
Was nicht passiert: Das Tool macht keine Entscheidung. Es liefert keine Empfehlung. Es sagt nicht “nimm POM”. Es zeigt dir, welche Materialien dein Anforderungsprofil erfüllen und welche nicht, die Entscheidung liegt beim Ingenieur, der die Anwendung kennt. Wer vom Tool Empfehlungen erwartet und keine bekommt, ist enttäuscht. Wer es als strukturiertes Recherchetool versteht, arbeitet schneller und besser.
Die größten Widerstände sind erfahrungsgemäß bei Ingenieuren mit langer Berufspraxis: “Ich weiß, welches Material geht.” Das stimmt meistens. Aber auch der Erfahrenste kennt nicht alle Materialien in CAMPUS , und er kennt nicht die aktuellen REACH-Einschränkungen für jeden Stoff, der in seiner Lieblingsrezeptur stecken könnte.
Realistischer Zeitplan mit Risikohinweisen
| Phase | Dauer | Was passiert | Typisches Risiko |
|---|---|---|---|
| Anforderungserhebung | Tag 1 | Vollständiges Anforderungsprofil für den konkreten Fall erarbeiten (mechanisch, thermisch, chemisch, elektrisch, Compliance) | Anforderungen sind vage oder widersprüchlich, Klärung kostet mehr Zeit als die Recherche |
| Datenbankrecherche | Tag 1–2 | CAMPUS-Filterung, UL-Prospector-Abgleich (wenn E/E-relevant), REACH-Vorabcheck | Zu viele Kandidaten durch zu weite Filter, Anforderungen nachschärfen |
| Kandidaten-Shortlist | Tag 2–3 | 3–5 Materialien mit Side-by-Side-Vergleich; Auswahlbegründung schreiben | Kein klarer Sieger, zwei Kandidaten für Musterbestellung statt einer |
| Musterbestellung und Verarbeitungsversuch | Woche 2–4 | Spritzgussversuch mit Kandidatenmaterial, erste Bauteilprüfung | Verarbeitung weicht von Datenbankwerten ab, Prozessoptimierung nötig |
| Entscheidung und Dokumentation | Woche 4–5 | Auswahlentscheidung finalisieren, in Bauteilspezifikation übertragen, REACH-Erklärung vom Lieferanten einholen | Lieferant braucht 2–3 Wochen für Konformitätserklärung, Serienanlauf verzögert sich |
Was die Zeitplanung oft unterschätzt: Die Musterbestellzeit liegt außerhalb deiner Kontrolle. Zwischen Recherche (ein bis zwei Tage) und erstem Verarbeitungsversuch liegen typisch zwei bis drei Wochen Lieferzeit. Den Datenbankprozess selbst kannst du abkürzen, den Lieferrhythmus nicht.
Häufige Einwände, und was dahintersteckt
„Ich kenne meine Materialien seit 20 Jahren.” Das stimmt wahrscheinlich. Aber die REACH-Kandidatenliste wird laufend aktualisiert. Kennst du alle SVHC-Stoffe, die für deine Rezepturen relevant sind? Und die aktuellen Grenzwerte für deine Abnehmerbranche? Erfahrung ist wertvoll, aber kein Ersatz für systematische Compliance-Prüfung, die sich laufend ändert.
„Das ist Overkill für unser kleines Unternehmen.” Für ein bis zwei Materialentscheidungen pro Jahr: vielleicht. CAMPUS beim nächsten Projekt einmal nutzen: das ist kein Overkill, das sind fünf Minuten Setup und zwei Stunden Arbeit. Die Frage ist nicht, ob du eine Werkstoffdatenbank brauchst. Die Frage ist, ob die Alternative, Herstellerdatenblatt plus Kollege plus ChatGPT, wirklich günstiger ist, wenn du eine Fehlauswahl reinrechnest.
„ChatGPT antwortet schneller.” Stimmt. Aber schnell falsch ist teurer als langsam richtig. Insbesondere bei Hygroskopie-Fragen, REACH-Compliance und Medienbeständigkeit gegen spezifische Betriebsfluide, genau die Eigenschaften, die LLMs ohne vollständiges Anwendungsprofil nicht korrekt beantworten können, ist die schnelle Antwort keine Grundlage für eine Bauteilfreigabe.
Woran du merkst, dass das zu dir passt
- Du entwickelst mehr als 3–5 neue Bauteile pro Jahr, bei denen der Kunststoffwerkstoff nicht von einem Vorgängerprodukt übernommen werden kann
- Deine Anwendungen haben enge Toleranzen, Medienexposition oder thermische Belastungen, bei denen die Materialwahl nicht trivial ist
- Du lieferst an Branchen mit REACH/RoHS-Anforderungen, Automotive, E/E, Medizintechnik, und brauchst eine dokumentierbare Compliance-Aussage
- Du hast schon einmal Prototypeniterationen wegen einer Materialfehlauswahl erlebt und weißt, was das kostet
- Materialentscheidungen bei euch werden mündlich kommuniziert und nirgends dokumentiert, das ist ein Haftungsrisiko, auch wenn noch nichts passiert ist
Wann das hier noch nicht zu dir passt, drei harte Ausschlusskriterien:
-
Weniger als drei Neuentwicklungen pro Jahr mit echten Materialentscheidungen. Wenn du weitgehend dieselben vier Materialien in denselben Geometrien verarbeitest und nur gelegentlich etwas Neues anläuft, ist der Aufwand einer systematischen Datenbanknutzung nicht gerechtfertigt. Ein Gespräch mit dem Materiallieferanten ist dann die effizientere Lösung.
-
Keine Produktspezifikation und kein Freigabeprozess vorhanden. Eine Materialdatenbank hilft dir, die richtige Auswahl zu dokumentieren. Wenn es in deinem Unternehmen keine Bauteilspezifikation gibt, in die diese Auswahl einfließt, fehlt das Gefäß für das Ergebnis. Dann ist der erste Schritt nicht die Datenbank, sondern das Einführen einer Produktspezifikations-Vorlage.
-
Du arbeitest ausschließlich mit einem einzigen, bewährten Materialtyp ohne Substitutionsbedarf. Wenn 95 Prozent eurer Produkte dasselbe PA66-Compound verwenden, das seit zehn Jahren funktioniert, und keine regulatorischen oder Anwendungsänderungen absehbar sind: Die Datenbank bringt dir in diesem Moment keinen Mehrwert. Beobachte die REACH-Entwicklungen für dein Hauptmaterial, das genügt vorerst.
Das kannst du heute noch tun
Rufe CAMPUS Plastics auf, kostenlos für qualifizierte Nutzer unter campusplastics.com. Nimm euer aktuelles oder nächstes Bauteilprojekt und schreibe in zehn Minuten das Anforderungsprofil auf:
- Dauergebrauchstemperatur (°C)
- Spitzentemperatur kurzfristig (°C)
- Mindest-Zugfestigkeit (MPa)
- Relevante Medien (Öle, Kraftstoff, Wasser, Reinigungsmittel?)
- Spritzguss oder anderes Verfahren?
- Brandschutzanforderung (UL 94 V0, HB?)
- REACH/RoHS-Pflicht? (Abnehmerbranche)
Dann such in CAMPUS mit diesen Parametern. Du wirst innerhalb einer Stunde wissen, welche Materialien in Frage kommen, und mindestens einmal überrascht sein, weil ein Material, das du für geeignet gehalten hättest, eine Anforderung nicht erfüllt.
Hier ist ein Prompt, mit dem du die Recherche vorbereiten und das Anforderungsprofil strukturieren kannst:
Mitarbeiter:in
KI-Assistent
Quellen & Methodik
- CAMPUS-Datenbank: „CAMPUS Plastics, Computer Aided Material Preselection by Uniform Standards” (campusplastics.com, Stand Oktober 2026). Altair hat laut Pressemitteilung vom 8. Oktober 2020 die M-Base Engineering + Software GmbH übernommen, damals der offizielle Softwarelieferant von CAMPUS; die Website gibt laut Impressum die Altair Engineering GmbH heraus.
- PA66-Feuchtigkeitsaufnahme und Maßhaltigkeit: ckmold.com, „Nylon (PA66) vs. POM (Delrin): Which is the Right Engineering Plastic for Your High-Performance Parts?” (2024). Dokumentierter Praxisfall: PA66-Zahnräder in tropisch-feuchtem Klima durch Quellung ausgefallen; POM als Alternativlösung.
- Produkthaftung und Materialauswahl: Produkthaftungsgesetz (ProdHaftG) §9; Haufe-Rechtsdatenbank, §9 ProdHaftG „Pflichten aus dem Produktbeobachtungsbereich” (2024). IHK München, Orientierungsleitfaden Produkthaftung (2024).
- SCIP-Datenbank: iPoint, ipoint-systems.com/solutions/scip, abgerufen am 1. November 2026.
- Ansys Granta MI: Produktseite ansys.com/products/materials/granta-mi, abgerufen am 06.11.2026.
- UL Prospector Preise: accounts.ulprospector.com/subscriptions/prospector_solids/pricing (Stand Oktober 2026): kostenpflichtige Pläne ohne Betrag in dieser Quellenangabe, die Beträge stehen auf der Preisseite.