Die zerstörungsfreie Prüfung hat an der BAM eine lange Tradition. So ging der heutige Fachbereich „Radiologische Verfahren" aus der Reichsröntgenstelle hervor, die seit den 1930er Jahren dem damaligen Staatlichen Materialprüfungsamt (MPA) angegliedert war und z. B. Schweißnähte an Brücken überprüfte.
Die radiologischen Verfahren erfüllen einen langersehnten Wunsch der Menschheit - Aufdecken was in Körpern steckt, ohne diese dafür erst zerstören zu müssen. Wird ein Körper mit Röntgenstrahlen (wie z. B. in der CT) durchleuchtet, sind diese berechneten Aufnahmen jedoch nie makellos, sondern mit Bildfehlern behaftet. Diese Bildfehler nennt man in der Technik auch Artefakte. Sie täuschen in Aufnahmen etwas vor, was in der Realität so nicht im Objekt existiert. So beschäftigt man sich an der BAM bis heute damit diese Bilder zu verbessern. Während dafür bisher vornehmlich physische oder mathematische Filter eingesetzt werden, wird heute an der BAM daran geforscht einen Filter mittels maschinellen Lernens, also der künstlichen Intelligenz, zu erzeugen.
Wie geht man dabei vor und welche Aufgaben hat man als Praktikant?
Dazu gehören erstmal ganz viele Meetings mit Doktoren und Professoren, um sich einen Überblick zu verschaffen und einen Schlachtplan für das weitere Vorgehen zu überlegen. Um als Student bei diesem Forschungsprojekt mitarbeiten zu können, haben mir die Kenntnisse und Grundlagen aus den Fächern: Programmieren, Mathematik, Bildgebung und Verarbeitung sowie Radiologie und das Röntgenlabor sehr geholfen. Durch die Pandemie-Situation musste das Praktikum als Home-Office stattfinden. Um das Vorhaben zu Hause zu realisieren, mussten zahlreiche Vorkehrungen getroffen werden.
Währenddessen fanden auch regelmäßige Vorlesungen zum maschinellen Lernen statt, die durch die Kooperation mit der Arbeitsgruppe „voxels.berlin" entstanden sind. Kurzum habe ich durch das Praktikum mein Wissen aus dem Studium durch Recherchearbeit rund um die Themen Röntgenstrahlen, Rekonstruktion der CT-Aufnahmen sowie maschinellen Lernens erweitert und vertieft. Dabei haben die regelmäßigen Seminare zum maschinellen Lernen die Grundlagen für die Weiterarbeit geschaffen. Zum Erstellen von Datensätzen für das maschinelle Lernen habe ich mich in ein neues Simulationsprogramm, das an der BAM entwickelte aRTist, eingearbeitet. So ging das Praktikum leider schneller vorbei als die Vorgabe eines zwölfwöchigen Pflichtpraktikums zuerst erscheinen ließ.
Nun freue ich mich darauf und hoffe zusammen mit einer Kommilitonin, die ich bei dem Praktikum kennengelernt habe, das Forschungsprojekt mit der gemeinsamen Bachelorarbeit einen Schritt näher zum Ziel bringen zu können.
