Forschungspublikationen

Abstract

Intelligente Textilien bieten ein vielversprechendes Potential, mit Anwendungen in Gesundheitswesen, Sportüberwachung und der Rehabilitation [GEE17; Edu17]. Diese Arbeit analysiert systematisch den aktuellen Forschungsstand, identifiziert Fortschritte und beleuchtet bestehende Herausforderungen. Basierend auf einer strukturierten Literaturrecherche der letzten 15 Jahre werden Entwicklungen in Sensorintegration, Energieversorgung und Benutzerakzeptanz untersucht. Die Ergebnisse zeigen Potential in der Gesundheitsüberwachung und Rehabilitation, während Einschränkungen in Messgenauigkeit, Haltbarkeit und Energieeffizienz bestehen. Zukünftige Forschung sollte sich vor Allem darauf fokussieren die Funktionalität der Produkte zu verbessern, bestehende technologischen Lücken zu schließen, sowie die Benutzerfreundlichkeit, Haltbarkeit und Ästhetik zu verbessern.

 

Einleitung

In intelligenten Textilien werden textile Materialien mit elektronischen Komponenten und Sensorik kombiniert, um physiologische Parameter kontinuierlich zu erfassen und auszuwerten [MH17;Che17]. In der folgenden Abbildung 1 ist eine allgemeine Systemarchitektur für intelligente Textilien dargestellt.

s. Abbildung 1: Allgemeine Systemarchitektur für intelligente Textilien

Diese interdisziplinären Technologien bieten Potenziale zur Verbesserung der Lebensqualität und der Gesundheitsversorgung, indem sie beispielsweise körperliche Aktivitäten oder Vitalparameter erfassen und auswerten [GEE17; Edu17; TCB+19]. Trotz des Fortschritts gibt es Herausforderungen in Bezug auf Messgenauigkeit, Benutzerfreundlichkeit, Waschbarkeit und langfristige Haltbarkeit [NSW16; Rao19].

Es gibt ein wachsendes Interesse an der Forschung zur Unterstützung der täglichen Aktivitäten des Menschen durch smarte tragbare Geräte. Ziel dieser Forschung ist es, die Belastung durch Behinderungen zu minimieren, das Auftreten chronischer Krankheiten zu reduzieren oder zu verhindern und die täglichen Aktivitäten sowie die sportliche Leistung des Menschen zu verbessern oder zu korrigieren [NSW16; Rao19].

Obwohl es Berichte über eine steigende Nachfrage nach smarten Wearables gibt, ist die Annahme und Verbreitung dieser Technologien relativ gering [ANH+18; Sul15]. Fast die Hälfte der Nutzer hört innerhalb der ersten sechs Monate auf, ihre Geräte zu verwenden, da sie möglicherweise nicht die von tragbaren Geräten versprochenen Vorteile erhalten [CA17; MJ17]. Deshalb ist ein tieferes Verständnis der Probleme und Herausforderungen von intelligenten tragbaren Geräten von entscheidender Bedeutung.

Indem der aktuelle Stand der Technik intelligenter Textilien systematisch zu analysiert wird, um und Potenziale sowie Einschränkungen aufzuzeigen, wird die Basis für tiefergehende Forschungsansätze geschaffen. Hierzu wurden 182 Primärstudien untersucht, die sich mit verschiedenen Aspekten intelligenter Textilien befassen, darunter Materialentwicklung, Energieversorgung und Sensorintegration.

 

Material und Methoden

Der methodische Ansatz basiert auf einer systematischen Literaturrecherche (SLR), um eine umfassende Analyse des aktuellen Forschungsstands zu gewährleisten. Dazu werden wissenschaftliche Publikationen aus den Datenbanken Web of Science, Scopus und IEEE ausgewertet. Die SLR-Methode wird in Anlehnung an Hanafizadeh et al. [HKK14] angewendet, um eine transparente und nachvollziehbare Vorgehensweise sicherzustellen. Ein zentraler Bestandteil dieses Ansatzes ist die Erstellung eines Review-Protokolls, das die Formulierung der Forschungsfrage, die Definition relevanter Suchbegriffe sowie die Auswahl- und Ausschlusskriterien der Studien regelt. In der folgenden Abbildung 2 ist ein solches Review-Protokoll dargestellt.

s. Abbildung 2: Review-Protokoll zur Durchführung der systematischen Literaturrecherche

 

Um eine umfassende Abdeckung des Forschungsstandes zu gewährleisten, wurde ein zweistufiger Suchprozess angewendet. Hierfür wurde die Suchstrategie von Busalim und Hussin verwendet [BH16]. Hierzu erfolgt zunächst eine automatische Suche mit gezielten Schlüsselwörtern wie "smart textiles", "wearable technology" und "sensor integration". Anschließend wird eine manuelle Vorwärts- und Rückwärtssuche nach Webster und Watson [Web02] durchgeführt, um relevante Literatur zu identifizieren, die nicht direkt durch die Schlüsselwortsuche erfasst werden.

Die Auswahl der Studien erfolgt nach klar definierten Kriterien. Berücksichtigt werden Arbeiten aus den letzten 15 Jahren, die empirische oder experimentelle Untersuchungen zu intelligenten Textilien enthalten. Ausschlusskriterien sind unter anderem theoretische Abhandlungen ohne praktische Anwendung oder Studien mit weniger als vier Seiten.

Die Analyse erfolgt anhand zentraler Bewertungskategorien, darunter Messgenauigkeit, Umweltfreundlichkeit, Benutzerfreundlichkeit, Haltbarkeit und Sicherheit. Die Daten werden systematisch extrahiert und in einer Excel-Datenbank kategorisiert, um eine vergleichende Analyse der untersuchten Technologien zu ermöglichen.

 

Ergebnisse

Die Analyse der 182 ausgewählten Studien zeigt signifikante Fortschritte intelligenter Textilien in verschiedenen Anwendungsbereichen. Besonders hervorzuheben sind Entwicklungen zur Überwachung des ganzen Körpers mittels eines universellen Ganzkörper-Motion-Capture-Systems [AGC21], einem intelligenten Kleidungsstück zur Unterstützung bei physiotherapeutischen Übungen [EKO+20], sowie ein multifunktionales E-Textil für Bewegungsüberwachung und Temperaturkontrolle [TFL+22].

In der Gesundheitsüberwachung ermöglichen textile Sensoren eine kontinuierliche Erfassung von Vitalparametern wie Atmung während verschiedener Aktivitäten wie Radfahren und Laufen [MDB+20; MCO+10]. Intelligente Textilien mit integrierten Elektroden zeigen vielversprechende Ergebnisse bei der präzisen Messung von EKG-Signalen. Beispielsweise wurde ein intelligentes Kleidungsstück entwickelt, das textile EKG-Trockenelektroden integriert, um genaue Herzsignale zu erfassen [LHS+22].

Eine vollständig textile Ärmelhülle mit integrierten textilen Elektroden wurde entwickelt, um EMG-Signale aufzuzeichnen und die Steuerung von myoelektrischen Prothesen zu verbessern. Diese Technologie zielt darauf ab, die Funktionalität von Hilfsmitteln für Personen mit Mobilitätseinschränkungen zu erhöhen [ASJ+22].

Im Bereich der Rehabilitation unterstützen intelligente Textilien Patienten bei der Wiederherstellung motorischer Fähigkeiten durch biomechanische Rückmeldungen und sensorbasierte Bewegungsanalysen [TTB+22].

Im Sportbereich zeigen intelligente Textilien durch die Integration von Bewegungssensoren und Muskelaktivitätsmessungen Potenzial zur Leistungsüberwachung. Beispielsweise wurde ein kapazitiver Textilsensor in Schuhsohlen integriert, um Kniegelenkswinkel während verschiedener Gehgeschwindigkeiten zu schätzen [CKM21]. Außerdem ermöglichen gestrickte Dehnungssensoren an Strumpfhosen die Erkennung von Kniebewegungsmustern, was zur Analyse sportlicher Aktivitäten beitragen kann [LMR19].

Trotz dieser Fortschritte bestehen weiterhin Herausforderungen in Bezug auf Energieversorgung, Haltbarkeit und Waschbarkeit. Eine stärkere Standardisierung und Kompatibilität der Systeme ist erforderlich, um eine breitere Akzeptanz zu erreichen [WBT+17; JGC+20].

Diskussion

Die Untersuchung der 182 Studien verdeutlicht das Potenzial intelligenter Textilien in verschiedenen Anwendungsbereichen. Besonders im Gesundheitswesen und in der Rehabilitation zeigen diese Technologien vielversprechende Ansätze zur Überwachung von Vitalparametern wie Herzfrequenz, Atmung und Körpertemperatur. Diese kontinuierliche Erfassung bietet nicht nur die Möglichkeit zur Frühdiagnose von Krankheiten, sondern auch zum effektiven Monitoring chronischer Erkrankungen. Die Integration von Sensoren in Textilien ermöglicht eine präzise Messung biophysikalischer Signale, was für die medizinische Überwachung entscheidend ist.

Im Bereich der Rehabilitation bieten intelligente Textilien Unterstützung bei der Wiederherstellung motorischer Fähigkeiten durch biomechanische Rückmeldungen und sensorbasierte Bewegungsanalysen. Tragbare Exoskelette mit textilen Sensoren könnten zukünftig physiotherapeutische Maßnahmen erheblich verbessern.

Trotz dieser Fortschritte bestehen jedoch weiterhin Herausforderungen. Die Energieversorgung bleibt ein kritischer Punkt, da viele Systeme noch nicht autark genug sind und regelmäßig aufgeladen werden müssen. Dies schränkt ihre Einsatzmöglichkeiten im Alltag ein. Ebenso ist die Haltbarkeit ein wesentlicher Faktor, insbesondere hinsichtlich der Waschbarkeit der Textilien. Eine verbesserte Materialauswahl könnte hier Abhilfe schaffen.

Ein weiterer Aspekt ist die Standardisierung innerhalb der Branche. Die Vielzahl an verfügbaren Systemen führt zu Kompatibilitätsproblemen, die eine breitere Akzeptanz behindern könnten. Um dies zu adressieren, sollten zukünftige Forschungsanstrengungen darauf abzielen, gemeinsame Standards zu entwickeln, die Interoperabilität gewährleisten.

Insgesamt zeigt sich, dass trotz bestehender Herausforderungen intelligente Textilien bereits jetzt wertvolle Unterstützung im Sport- und Gesundheitsbereich bieten können. Zukünftige Entwicklungen sollten sich darauf konzentrieren, diese Technologien weiter zu optimieren und ihre Alltagstauglichkeit zu erhöhen.

Danksagung

Der Autor bedankt sich bei der RWTH Aachen University sowie den betreuenden Dozenten für die Unterstützung und Anleitung während dieser Arbeit. Ein besonderer Dank gilt den Forschungseinrichtungen und Autoren, deren Studien zur Erstellung dieser Arbeit beigetragen haben.

Litteratrices

 

 

[AGC+21]

Ancans, A.; Greitans, M.; Cacurs, R.; Banga, B.; Rozentals, A.:

Wearable Sensor Clothing for Body Movement Measurement during Physical Activities in Healthcare

Sensors (Basel, Switzerland) Band:21 (2021) H. 6

[ANH+18]

Adapa, A.; Nah, F. F.-H.; Hall, R. H.; Siau, K.; Smith, S. N.:

 Factors Influencing the Adoption of Smart Wearable Devices

International Journal of Human–Computer Interaction Band:34 (2018) H. 5, S. 399–409

[ASJ+22]

Alizadeh-Meghrazi, M.; Sidhu, G.; Jain, S.; Stone, M.; Eskandarian, L.; Toossi, A.; Popovic, M. R.:

A Mass-Producible Washable Smart Garment with Embedded Textile EMG Electrodes for Control of Myoelectric Prostheses: A Pilot Study Sensors (Basel, Switzerland) Band:22 (2022) H. 2

[BH16]

Busalim, A. H.; Hussin, A. R.: Understanding social commerce:

A systematic literature review and direc-tions for further research

International Journal of Information Management Band:36 (2016) H. 6, S. 1075–1088

[CA17]

Canhoto, A. I.; Arp, S.:

Exploring the factors that support adoption and sustained use of health and fitness wearables

Journal of Marketing Management Band:33 (2017) 1-2, S. 32–60

[Che17]

Chen Zou, Yajie Qin, Chenglu Sun, Wei Li, Wei Chen:

Motion artifact removal based on periodical property for ECG monitoring with wearable systems (2017)

[CKM21]

Chhoeum, V.; Kim, Y.; Min, S.-D.:

Estimation of Knee Joint Angle Using Textile Capacitive Sensor and Artifi-cial Neural Network Implementing with Three Shoe Types at Two Gait Speeds: A Preliminary Investigation

Sensors (Basel, Switzerland) Band:21 (2021) H. 16

[EKO+20]

Eizentals, P.; Katashev, A.; Oks, A.; Semjonova, G.:

Smart shirt system for compensatory movement retraining assistance: feasibility study

Health and Technology Band:10 (2020) H. 4, S. 861–874

[HKK14]

Hanafizadeh, P.; Keating, B. W.; Khedmatgozar, H. R.:

A systematic review of Internet banking adoption

Telematics and Informatics Band:31 (2014) H. 3, S. 492–510

[Rad16]

RadioSurfVet:

RadioSurfVet - www, 2016, URL: https://vetsuisse.com/vetiml/

lernmodule/htmls/slide.html?radiosurfvet|radgeneral|sonography|son

obasics|2, Zugriff am 21.02.2023

[TMW+18]

Tang, X., Mones, Z., Wang, X., Gu, F.; Ball, A.:

A Review on Energy Harvesting Supplying Wireless Sensor Nodes for

Machine Condition Monitoring.

In Ma, Xiandong. Improving productivity through automation and computing.

Aufl. Piscataway, NJ: IEEE, 2018, S. 1–6

[Edu17]

Eduardo Lupiani, Jose M. Juarez, Jose Palma, Roque Marin:

Monitoring Elderly People at Home with Temporal Case-Based Reasoning (2017)

[Gee17]

Gayathri, K. S.; Easwarakumar, K. S.; Elias, S.:

Probabilistic ontology based activity recognition in smart homes using Markov Logic Network Knowledge-Based Systems

Band:121 (2017), S. 173–184

[JGC+20]

Jin, Y.; Glover, C. M.; Cho, H.; Araromi, O. A.; Graule, M. A.; Li, N.; Wood, R. J.; Walsh, C. J.: Soft Sensing Shirt for Shoulder Kinematics Estimation:

2020 IEEE International Conference on Robotics and Automation (ICRA), Paris, France, 2020/5/31 - 2020/8/31: IEEE, 2020

[LHS+22]

Lee, S.-Y.; Hung, Y.-W.; Su, P.-H.; Lee, I.-P.; Chen, J.-Y.:

Biosignal Monitoring Clothing System for the Acquisition of ECG and Respiratory Signals

IEEE Access Band:10 (2022), S. 66083–66097

[LMR19]

Li, Y.; Miao, X.; Raji, R. K.:

Flexible knitted sensing device for identifying knee joint motion patterns

Smart Materials and Structures Band:28 (2019) H. 11, S. 115042

[MCO+10]

Mitchell, E.; Coyle, S.; O'Connor, N. E.; Diamond, D.; Ward, T.:

Breathing Feedback System with Wearable Textile Sensors:

2010 International Conference on Body Sensor Networks, Singapore, Singapore, 2010/6/7 - 2010/6/9: IEEE, 2010

[MDB+20]

Massaroni, C.; Di Tocco, J.; Bravi, M.; Carnevale, A.; Lo Presti, D.; Sab badini, R.; Miccinilli, S.; Sterzi, S.; Formica, D.; Schena, E.:

Respiratory Monitoring During Physical Activities With a Multi-Sensor Smart Garment and Related Algorithms

IEEE Sensors Journal Band:20 (2020) H. 4, S. 2173–2180

[MH17]

Michael, B.; Howard, M.:

Activity recognition with wearable sensors on loose clothing

PloS one Band:12 (2017) H. 10, e0184642

[MJ17]

Marakhimov, A.; Joo, J.:

Consumer adaptation and infusion of wearable devices for healthcare

Computers in Human Behavior Band:76 (2017), S. 135–148

[NSW16]

Noor, M. H.; Salcic, Z.; Wang, K. I.-K.:

 Enhancing ontological reasoning with uncertainty handling for activity recognition

Knowledge-Based Systems Band:114 (2016), S. 47–60

[Rao19]

Rao, A. K.:

Wearable Sensor Technology to Measure Physical Activity (PA) in the Elderly Current Geriatrics Reports Band:8 (2019) H. 1, S. 55–66

[Sul15]

Sultan, N.:

Reflective thoughts on the potential and challenges of wearable 75 technology for healthcare provision and medical education

International Journal of Information Management Band:35 (2015) H. 5, S. 521–526

[TCB+19]

Talukder, M. S.; Chiong, R.; Bao, Y.; Hayat Malik, B.:

Acceptance and use predictors of fitness wearable technology and inten-tion to recommend Industrial Management & Data Systems

 Band:119 (2019) H. 1, S. 170–188

[TFL+22]

Tian, B.; Fang, Y.; Liang, J.; Zheng, K.; Guo, P.; Zhang, X.; Wu, Y.; Liu, Q.; Huang, Z.; Cao, C.; Wu, W.:

Fully Printed Stretchable and Multifunctional E-Textiles for Aesthetic Wearable Electronic Systems

Small (Weinheim an der Bergstrasse, Germany) Band:18 (2022) H. 13, e2107298

[TTB+22]

Tedesco, S.; Torre, O. M.; Belcastro, M.; Torchia, P.; Alfieri, D.; Khokhlova, L.; Komaris, S. D.; O'flynn, B.:

Design of a Multi-Sensors Wearable Platform for Remote Monitoring of Knee Rehabilitation

IEEE Access Band:10 (2022), S. 98309–98328

[WBT+17]

Wang, Q.; Baets, L. de; Timmermans, A.; Chen, W.; Giacolini, L.; Matheve, T.; Markopoulos, P.:

Motor Control Training for the Shoulder with Smart Garments

Sensors (Basel, Switzerland) Band:17 (2017) H. 7

[Web02]

Webster, W.:

Analyzing the Past to Prepare for the Future: Writing a Literature Review (2002)

 

 

Abstract

Ziel dieser Studie ist die Herstellung von Nanofaservliesen mit einer stark dreidimensionalen Struktur. Dazu werden im Lösungsmittelelektrospinnen Kollektor Geometrien variiert und Proben Nachbehandlungsmethoden erarbeitet.

Der erste Teil dieser Studie umfasst die Reproduktion und Evaluation von bereits veröffentlichten Strategien zum Herstellen von dreidimensionalen Nanofaservlies Strukturen. [DMC+10] Aus diesen Versuchen werden modifizierte Kollektoren und Spinnvorgänge hergeleitet, welche konsistentere Ergebnisse und vereinfachte Versuchsaufbauten darstellen. Des Weiteren wurden auch Methoden zur Nachbehandlung von frisch gesponnenen Proben evaluiert und entwickelt. Diese Proben wurden in der Analyse auf Fasermorphologie, Gleich-mäßigkeit ihrer Dicke, Porengrößenverteilung und Porosität untersucht. Eine Analyse von REM-Bildern wurde unternommen um strukturelle Defekte zu erkennen.

Es wurden zwei zentrale Methoden zur Herstellung dreidimensionaler Nanofaservliese entwickelt, von denen eine Methode in der Lage ist bereits gesponnene Vliese um das mehrfache ihrer Dicke zu expandieren. Stabile Spinnparameter wurden zu allen Methoden gefunden, jedoch resultierten in allen Fällen Mikrofasern.

1. Einleitung

Weltweit leiden jedes Jahr Millionen von Menschen an schweren Verletzungen, genetischen Defekten und Krankheiten. Diese Ursachen können dazu führen, dass Patienten in ihrer Funktion eingeschränkt sind oder ihre Organe nicht mehr richtig funktionieren. Um die Symptome zu beheben oder die Funktion der geschädigten Organe wiederherzustellen, ist in vielen Fällen eine Implantation erforderlich. Eine solche Implantation wird derzeit mit Spenderorganen von menschlichen Spendern (Allografts), von Tieren (Xenografts) oder mit synthetischen Prothesen durchgeführt. Diese Implantate sind jedoch mit Einschränkungen verbunden. Allografts erfordern menschliches Spendergewebe, das nur in begrenzter Menge zur Verfügung steht und aufgrund der Variabilität des Gewebes selbst nicht universell geeignet ist. Xenotransplantate hingegen können in ihren physikalischen Eigenschaften nicht kontrolliert werden, sind ebenfalls nur begrenzt verfügbar und haben zudem eine kurze Lebensdauer, wenn sie implantiert werden. Und schließlich werden synthetische Prothesen häufig vom Immunsystem der Patienten abgestoßen. [Has17]

Um diesem Mangel abzuhelfen, entstand in den frühen 1980er Jahren das Tissue Engineering (TE), ein neuer Bereich der Biowissenschaften und der Medizintechnik. TE zielt darauf ab, das Problem der Verfügbarkeit von Spendergewebe zu lösen, indem das Ersatzgewebe unter Laborbedingungen künstlich gezüchtet wird. Bei der TE werden zunächst Zellen des geschädigten Gewebetyps auf ein Gerüst ausgesät, das der Morphologie des gewünschten Organs/Gewebes ähnelt. Ein solches Gerüst kann künstlich aus natürlichen oder synthetischen Polymeren (wie z.B. Polycaprolacton) hergestellt werden und bietet Bindungsstellen und Hohlräume, in denen die Zellen wachsen können. Um dann die Zellen zu vermehren und ihr Überleben zu sichern, müssen eine ausreichende Masse und der Nährstofftransport in vitro simuliert werden. Daher werden Bioreaktoren verwendet, die den Transport von Nährstoffen und Gasen durch das Gerüst ermöglichen und auch mechanische Stimuli liefern können. Gerüste spielen eine Schlüsselrolle in der TE, da sie ein Substrat für die Aussaat und das Wachstum von Zellen bieten und dem gezüchteten Gewebe mechanische Integrität verleihen. Gerüste können aus vielen Materialien mit unterschiedlichen Methoden hergestellt werden; ihr gemeinsames Ziel ist es jedoch, die natürliche extrazelluläre Matrix (EZM) genau nachzuahmen. Die EZM ist eine dreidimensionale Struktur aus nanoskaligen faserähnlichen Proteinen, Strukturmolekülen und Klebstoffmolekülen, die ein in-vivo-Gerüst für Zellen bildet. Zur Herstellung solcher Nanofasern kann das Elektrospinnen verwendet werden, da es die einfache Herstellung von nanoskaligen Fasern mit einer sehr anpassungsfähigen Fasermorphologie ermöglicht. Durch Änderung der Spinnparameter können der Faserdurchmesser, die Porengröße und auch die Ausrichtung der Fasern beeinflusst werden, was zur Herstellung von Gerüsten für bestimmte Gewebetypen genutzt werden kann. [BTA+11; BK10]

2. Materialien und Methoden

Das für alle Versuche verwendete Polycaprolacton (PCL) wird als geschreddertes Granulat gewonnen, das unter dem Markennamen Purasorb PC12 von Corbion N.V. (Amsterdam, Niederlande) verkauft wird. Dieses PCL-Granulat ist von medizinischer Qualität und hat ein mittleres Molekulargewicht von 114,14 g/mol. Als Lösungsmittel zur Herstellung der Spinnlösung wurden Chloroform und Methanol verwendet. Chloroform wird von der Carl Roth GmbH & Co. KG (Karlsruhe, Deutschland) mit einer Reinheit von ≥99 % und einer molaren Masse von 119,38 g/mol. Das Methanol wird von der VWR International GmbH (Darmstadt, Deutschland) mit einer Reinheit von ≥98,5 % und einer Molmasse von 32,04 g/mol geliefert.

Für Experimente, bei denen ein Trockeneiskollektor oder ein Flüssigkeitskollektor verwendet wird, werden Trockeneis, Ethanol und Spülmittel verwendet. Für trockeneisgekühlte Experimente wird Trockeneis in Blockform von der TBS GmbH (Aachen, Deutschland) bezogen. Für Experimente, bei denen Flüssigkollektoren verwendet werden, wird Ethanol von Sigma-Aldrich Chemie GmbH (St. Louis, Missouri, USA) mit einer Reinheit von ≥99 % und einer molaren Masse von 46,07 g/mol geliefert. Für Experimente, bei denen Wasser als Flüssigkollektor verwendet wird, wird Spülmittel unter der Bezeichnung Alio "Ultra classic" von der DALLI-WERKE GmbH & Co. KG (Stolberg, Deutschland) verkauft wird, als Tensid verwendet.

Alle Elektrospinnverfahren werden mit einer kommerziellen Elektrospinnmaschine des Typs LE-500 von BIOINICIA SL (Paterna, Spanien) durchgeführt. Die verwendeten Kollektoren werden in Kapitel 5.2, Vorversuche, beschrieben und dargestellt. Abb. 4.1 zeigt einen Überblick über die Maschine. Der Aufbau besteht darin, den Tisch der Maschine mit einem Styropor-Isolator und einer chemikalienbeständigen Kunststoffmatte vorzubereiten. Dadurch wird der Tisch während der Versuche von elektrischen Ladungen isoliert und sichergestellt, dass nur die vorgesehenen Kollektoren auf dem Tisch Hochspannung erhalten.

2.1 Morphologie der Fasern

Zur Bestimmung des Faserdurchmessers wird ein optisches Lichtmikroskop der Serie DM4000 M von Leica Microsystems GmbH (Wetzlar, Deutschland) verwendet. Die Proben werden mit Durchlicht- oder Koaxialbeleuchtung gemessen. Um Daten zum Faserdurchmesser zu erhalten, werden für jede Probe drei verschiedene Fasern gemessen. Für diese Messungen wird die Software "Leica Application Suite Version 3.8" (Leica Microsystems GmbH, Wetzlar, Deutschland) verwendet. Aus diesen Daten werden für jeden Probentyp ein mittlerer Faserdurchmesser und eine Standardabweichung berechnet.

2.2 Gerüstdicke und Gleichmäßigkeit

Für zuverlässige Messungen wurde ein Messgerät entwickelt, siehe Abb. 4.3. Es besteht aus einem Aluminiumrahmen mit befestigten Kunststoffplatten, von denen eine als Hintergrund dient und Millimeterpapier als Referenz verwendet wird. Der Rahmen dient als Kameraauflage und gewährleistet die parallele Ausrichtung mit der Hintergrundplatte. Die Proben werden an einer Krokodilklemme aufgehängt und mit einem Seitenanschlag für eine genaue Messung positioniert. ImageJ wird zur Verarbeitung der Probenbilder verwendet, wobei der Maßstab des Geräts als Größenreferenz dient. Für jede Probe werden zwei Messreihen durchgeführt, die jeweils aus drei Punkten bestehen, wie in Abb. 4.4 dargestellt. Der erste Satz bewertet die gesamte Probe, wobei 10 % von jedem Rand ausgeschlossen werden. Dies dient dazu, große Abweichungen zu vermeiden, da die Probenränder oft unregelmäßig geformt sind. Die verbleibende Länge wird in vier Abschnitte unterteilt, von denen drei gemessen werden. Der zweite Satz konzentriert sich auf einen 20 mm langen Abschnitt des breitesten und gleichmäßigsten Bereichs der Probe, an dem drei Messungen vorgenommen werden. Aus diesen Messungen lassen sich die durchschnittliche Dicke und die Standardabweichung berechnen, die als Indikatoren für die Gleichmäßigkeit der Probe dienen.

2.3 Porosität

Die Quantifizierung der Porosität erfolgt mit Hilfe von Micro-CT-Scans, die in GeoDict (Simulationssoftware für digitale Materialforschung und -entwicklung, Math2Market GmbH, Kaiserslautern, Deutschland) analysiert werden. Abb. 4.5 zeigt solche Scandaten und ein Modell in GeoDict. Aus jedem Satz von sechs Proben werden drei gleichmäßigere Proben auf der Grundlage von Dicken- und Gleichmäßigkeitsmessungen ausgewählt, wie in Kapitel 4.5.1 beschrieben. Die verbleibenden drei Proben jedes Satzes werden einer SEM-Analyse unterzogen.

Während der Mikro-CT-Scans werden die Proben in einer Halterung befestigt, um Bewegungen zu verhindern. Die Probe wird mit Röntgenstrahlen bestrahlt, während der Halter langsam rotiert. Der Scan erzeugt eine REK-Datei und Querschnittsbilder, die zur Visualisierung der 3D-Daten in GeoDict hochgeladen werden. In GeoDict definieren die Benutzer eine Hohlraumreferenz im 3D-Modell, die es dem Programm ermöglicht, das Volumen aller Poren zu identifizieren und zu berechnen. Durch den Vergleich des Gesamtvolumens mit dem Hohlraumvolumen gibt das Programm den prozentualen Anteil des Hohlraums am Fasermaterial aus, der als Porosität bezeichnet wird.

​​​​​​​2.4 Porengrößenverteilung

Für die Analyse der Porengrößenverteilung wird ein Porometer verwendet. Die Tests werden in zwei Schritten durchgeführt, zuerst mit der trockenen Probe und dann mit der gleichen Probe nach Befeuchtung mit Topor von Topas GmbH (Dresden, Deutschland). Bei der Nassprüfung wird der Bubble-Point bestimmt, der zur Berechnung des Porendurchmessers herangezogen wird. Die Porengrößenverteilung, einschließlich der mittleren Porengröße, der Standardabweichung und des Medians, wird in einer Excel-Tabelle erstellt.

​​​​​​​2.5 Rasterelektronenmiskroskop (REM)

Zur qualitativen Analyse größerer Bereiche der Probe sowie zur Erkennung von strukturellen Unregelmäßigkeiten in den Proben wird ein Rasterelektronenmikroskop verwendet. Darüber hinaus ermöglicht die REM-Bildgebung die Erkennung von Veränderungen in der Gesamtstruktur der Proben, die nach dem Schleudern im Vakuum behandelt wurden. Ähnlich wie die Porometerprüfung ist dieser Test zerstörend, daher werden nur drei Proben aus jedem Satz von sechs verwendet.

Um die Proben zu prüfen, werden sie mit Gold beschichtet. Die so vorbereiteten Proben werden in das REM gelegt, und die Bildgebung wird mit der REM-Kavität unter Vakuum gestartet. Die daraus resultierenden Bilder können einen relativ großen Bereich der Proben darstellen, ohne dass die Tiefenschärfe wie bei optischen Mikroskopen eingeschränkt ist. So kann die 3D-Struktur großer Teile der Proben in nur einem Bild dargestellt werden. Dies ermöglicht die Erkennung von Schäden in der Probenstruktur und eine qualitative Bewertung der Probenqualität.

3. Ergebnisse

Lösungs- und Scaffold-Eigenschaften

Zur Herstellung der Elektrospinnlösung wird das hygroskopische PCL-Polymer 24 Stunden lang in einem Vakuumofen bei 40 °C und 50 mbar Druck getrocknet. Die erforderliche Polymermasse (4,257 g) wird anhand der angegebenen Gleichung für eine 20-ml-Lösung mit 14 Gew.-% PCL ermittelt. Das Lösungsmittel, eine 3:1-Mischung aus Chloroform und Methanol, wird mit einem Magnetrührer in den mit dem Polymer gefüllten Kolben gegeben. Nach 24 Stunden auf einer Magnetrührerplatte wird die Lösung visuell auf ungelöstes Polymer untersucht. Ist dies nicht der Fall, kann die Lösung für Elektrospinnversuche verwendet werden. Es wurden mit Hilfe von 2 verschiedenen Elektrospinnmethoden, Vliese aus PCL hergestellt welche eine Dicke von 0,5 mm weit überschreiten.

Bei den zwei Methoden handelt es sich um folgende:

• Elektrospinning mit einem Flüssigkeitsbadkollektor 
• Elektrospinning auf einem mit Trockeneis versetztem Kollektor (Kryogenisch)

Für den Bau eines Flüssigkeitsbadkollektors mit einer aufgehängten Elektrode wird Aluminiumfolie verwendet, da sie leicht zugänglich ist und leicht verändert werden kann. Der Durchmesser des Becherglases wird gemessen und ein Kreis aus der Aluminiumfolie geschnitten, wobei 5 mm abgezogen werden, um einen Spalt zwischen der Elektrode und den Becherwänden zu schaffen. Zwei Streifen Alufolie werden mit Heftklammern an dem kreisförmigen Ausschnitt befestigt. Diese Streifen werden für den Anschluss an die Stromversorgung verwendet. Die Elektrode wird in das Becherglas gelegt, 15 mm über dem Boden positioniert und mit Klebeband sicher befestigt. Die Streifen werden über die Ränder des Bechers gefaltet, entlang der Außenseite des Glases geformt und unterhalb des Bechers mit Heftklammern befestigt. An der Verbindungsstelle wird eine Krokodilklemme für den Anschluss an die Hochspannungsversorgung angebracht. Dieser Aufbau wird in folgender Abbildung dargestellt.

s. Abbildung 3.1 Flüssigkeitskollektor mit eingetauchter Elektrode und REM-Aufnahme des damit hergestellten Gerüsts

Für den Bau eines Trockeneiskollektors wird eine Platte aus rostfreiem Stahl gewählt, weil sie korrosionsbeständig ist und sich für die Medizintechnik eignet. Die Platte wird in ein 12 cm langes Quadrat geschnitten und an einer Ecke wird ein Bolzen angeschweißt. An den Bolzen wird dann eine Krokodilklemme für den Anschluss an die Hochspannungsversorgung angebracht. Diese Platte wird während des Spinnvorgangs direkt auf einen Trockeneisblock gelegt. Dieser Aufbau wird ebenfalls in der folgenden Abbildung dargestellt.

s. Abbildung 3.2 Kryogener Flachkollektor und REM-Aufnahme des damit hergestellten Gerüsts

Die Bewertung der Fasermorphologie erfolgt durch drei Messungen pro Probe mit einem optischen Mikroskop. Bei sechs Proben pro Spinnverfahren ergibt dies insgesamt 18 Messungen für jeden Probentyp. Der mittlere Faserdurchmesser und die Standardabweichung für jedes Herstellungsverfahren sind in Abb. 3.3 dargestellt.

s. Abbildung 3.3 Mittlere Faserdurchmesser gruppiert nach Probentyp, einschließlich Standardabweichung

 

Bei der Auswertung der Daten wird deutlich, dass das Ziel, Faserdurchmesser ≤1 μm zu erreichen, nicht erreicht wurde. Bei allen Spinnverfahren wurde dieses Ziel um etwa das 2- bis 3-fache übertroffen, was darauf hindeutet, dass die alleinige Anpassung des Abstands zwischen Düse und Kollektor unzureichend war. Um dieses Problem zu lösen, werden iterativ Anpassungen der Spinn- und Lösungsparameter untersucht, die das Potenzial haben, mit den getesteten Produktionsmethoden Fasern in Nanometergröße herzustellen.

Die Dicke der Vliese und ihre Gleichmäßigkeit werden in Boxplots dargestellt. Jeder Probentyp umfasst 18 Messungen pro Messart. Die Linien in den Diagrammen zeigen den Bereich der Probendicke mit den maximalen und minimalen Werten an. Für die Verwendung von Tissue-Engineering (TE)-Gerüsten liegt der Schwerpunkt jedoch auf den Kästchen, die den Größenbereich von 50 % der Dickenwerte pro Probentyp darstellen. Kleinere Kästchen zeigen eine bessere Gleichmäßigkeit der Probe an, da die Hälfte der Dickenmessungen in einen engen Bereich fällt.

s. Abbildung 3.4 Boxplot der Dickenmessungen nach Messart 1 (gesamte untersuchte Probe)

Zusammenfassend lässt sich sagen, dass alle Proben die geforderte Dicke von ≥1 mm übertreffen, wobei die geringste beobachtete Dicke dieses Ziel um das Vierfache übertrifft. Kryogen hergestellte Proben weisen eine überragende Gleichmäßigkeit auf, wobei 50 % der Dicken innerhalb eines Bereichs von 0,5 mm liegen. Im Gegensatz dazu weisen andere Produktionsmethoden eine weniger gleichmäßige Verteilung auf, was sie für die Verwendung als TE-Gerüst weniger geeignet macht.

Porosität und Porengrößenverteilung der Testproben sind als Balkendiagramme mit Standardabweichungen dargestellt. Für jede Produktionsmethode wurden drei Proben getestet.

Porosität:

Die Analyse der Porositätsdaten in Abb. 2.5 zeigt, dass die Trockeneis Proben den Porenanteil der im Flüssigkeitsbad hergestellten Proben deutlich erhöht hat, und zwar um das ungefähr Dreifache. Allerdings erreicht keine der Proben die angestrebte Porosität von ≥85 %, wobei der höchste Wert bei einer Trockeneis Probe mit 31,70 % beobachtet wurde. Dies könnte Auswirkungen auf die Verwendung der Proben als TE-Gerüste haben, da die Porosität für die Anhaftung, die Permeation und das Wachstum von Zellen innerhalb des Gerüsts entscheidend ist.

s. Abbildung 3.5 Mittlere Porosität der Proben, gruppiert nach Typ, einschließlich Standardabweichung

Porengrößenverteilung:

Bei der Bewertung der Porengrößenverteilung mit einem Porometer wurde festgestellt, dass die Produktionsmethoden nur minimale Auswirkungen auf die Porengrößen der Proben hatten. Dies wird in Abb. 2.6 deutlich, wo sich die Linien, die die Standardabweichung darstellen, für fast alle Proben überschneiden. Die einzige Ausnahme ist eine Probe, die mit einem Flüssigbadkollektor hergestellt wurde; der zu große Variationskoeffizient dieser Probe (Standardabweichung im Vergleich zum Mittelwert) deutet jedoch auf Unzuverlässigkeit hin und sollte beim Vergleich von Proben und Methoden außer Acht gelassen werden. Keine der Proben mit einem guten Variationskoeffizienten konnte die angestrebte Porengröße von 20 bis 30 μm erreichen, was eine mögliche Einschränkung für die Zellpermeation in TE-Anwendungen darstellt.

s. Abbildung 3.6 Mittlere Porengrößen gruppiert nach Probenart, einschließlich Standardabweichung

Nichtsdestotrotz überschreiten die Porengrößen von ± 5 μm die standardmäßigen Porengröße von eketrogesponnenen PCL Nanofaservliese von ± 3 μm. Darauf aufbauend können iterativ Änderungen im Elektrospinnprozess vorgenommen werden, um die Porengröße der erstellten PCL Vliese zu vergrößern.

Literaturliste

[BK10]           Bhardwaj, Nandana; Kundu, Subhas C.
Electrospinning: a fascinating fiber fabrication technique
Biotechnology advances. Bd. 28 (2010) H. 3, S. 325–347

[BTA+11]      Blakeney, Bryan A.; Tambralli, Ajay; Anderson, Joel M.; Andukuri, Adinarayana; Lim, Dong-Jin; Dean, Derrick R.; Jun, Ho-Wook
Cell infiltration and growth in a low density, uncompressed three-dimensional electrospun nanofibrous scaffold
Biomaterials. Bd. 32 (2011) H. 6, S. 1583–1590

[DMC+10]    Da Alves Silva, M. L.; Martins, A.; Costa-Pinto, A. R.; Costa, P.; Faria, S.; Gomes, M.; Reis, R. L.; Neves, N. M.
Cartilage tissue engineering using electrospun PCL nanofiber meshes and MSCs
Biomacromolecules. Bd. 11 (2010) H. 12, S. 3228–3236

[Has17]         Hasan, A. (Hrsg.)
Tissue engineering for artificial organs. - Weinheim: Wiley-VCH, 2017

 

 

Abstract

In dieser Studie wird Genipin zur Vernetzung von Nanofasern verwendet, die aus einer Lösung von Chitosan und Polyethylenoxid (PEO) (Verhältnis 7:3) in 70 %-iger Essigsäure elektrogesponnen wurden. Genipin ist eine chemische Verbindung, die aus den Früchten der gardenis jasminoides ellis isoliert wird und mit freien Aminogruppen reagiert. Außerdem ist es 5.000 bis 10.000 Mal weniger zytotoxisch als Glutaraldehyd, der bisher am häufigsten verwendete Vernetzer für Chitosan. [SHH+99] Untersucht werden die Fasermorphologie, die mechanische Festigkeit, das Ergebnis der Fourier-Transformations-Infrarotspektroskopie (FTIR) und die Löslichkeit in einer wässrigen Lösung mittels gravimetrischer Messungen.

Es wurden erfolgreich Nanofasern hergestellt und dann teilweise mit Genipin vernetzt und die Vernetzung war erfolgreich. Ohne Vernetzung lösten sich die Fasern in wässriger Lösung auf, während vernetzte Fasern stabil gequollen sind. Nicht vernetzte Fasern haben einen Faserdurchmesser von 573 ± 81 nm, vernetzte 560 ± 96 nm. Nach dem Quellen betragen die Faserdurchmesser 901 ± 105 nm.

1. Einleitung

Mit einer hohen spezifischen Oberfläche, einer hohen Porosität und einer ähnlichen Größe wie die extrazelluläre Matrix (ECM) im menschlichen Körper haben elektrogesponnene Nanofasern vorteilhafte Eigenschaften für medizinische Anwendungen und Tissue Engineering [KC17]. Chitosan ist ein natürliches Biopolymer mit guter Biokompatibilität und biologischer Abbaubarkeit und weist ebenfalls Ähnlichkeiten mit der ECM auf. Nanofasern aus Chitosan wurden in der Vergangenheit bereits elektrogesponnen, welche in wässrigen Lösungen schlechte Eigenschaften (mechanische Festigkeit, Anfälligkeit für enzymatischen Abbau, Auflösen) zeigen. Die Vernetzung führt zur Kopplung von funktionellen Gruppen im Chitosan und damit zu einer Stabilisierung des Polymers, wodurch die oben genannten Einschränkungen in wässrigen Lösungen verringert werden. Der am häufigsten verwendete Vernetzer für Chitosan ist Glutaraldehyd, der eine sehr hohe Zytotoxizität aufweist und brüchige und schwächere Fasern erzeugt. [SHH+99] Ein weniger zytotoxischer Vernetzer ist Genipin, das bereits zur Vernetzung von Kollagen und Gelatine für medizinische Anwendungen verwendet wird. Genipin reagiert mit den freien Aminogruppen des Chitosans und erhöht die Stabilität in flüssigen Medien. [MFS+14]

Chitosan als natürliches Polymer unterliegt Schwankungen in der Materialqualität und im Molekulargewicht. Lösungen von Chitosan enthalten unlösliche Teile und Partikel, die einen Einfluss auf den Spinnprozess oder die gesponnene Nanofaser haben können. Daher wird in der vorliegenden Arbeit die Lösung filtriert und der Einfluss des Filtrationsprozesses auf den Spinnprozess, die Fasermorphologie und die mechanischen Eigenschaften bewertet. Außerdem wird der Einfluss von Genipin auf die Fasermorphologie und den Vernetzungserfolg untersucht.

2. Materialien und Methoden

Die Chitosan/PEO-Nanofasermembranen werden im Elektrospinnverfahren mit einer Anlage vom Typ Fluidnatek LE500 (Bioinicia SL, Valencia, Spanien) hergestellt. Für das Elektrospinnen und die Herstellung der Nanofasermembranen werden Chitosan (Molekulargewicht 100 - 300 kDa, Acros Organics, Geel, Belgien), Polyethylenoxid (900 kDa, Sigma-Aldrich Chemie GmbH, Taufkirchen, Deutschland), Essigsäure (99,9 %), phosphatgepufferte Salzlösung (PBS), Ethanol (≥ 99,8 %, vergällt, alle Carl Roth GmbH + Co. KG, Karlsruhe, Deutschland) und Genipin (Enzo Life Sciences GmbH, Lörrach, Deutschland) verwendet. Alle Chemikalien werden wie geliefert und ohne weitere Aufreinigung verwendet.

Die Fasern werden aus einer Lösung mit einer Massenkonzentration von 1,2 Gew.-% Chitosan und 2,8 Gew.-% PEO in 70 %-iger Essigsäure gesponnen. Chitosan und PEO werden getrennt voneinander unter ständigem Rühren 12 Stunden lang in dem genannten Lösungsmittel gelöst. Die Lösungen werden im genannten Verhältnis gemischt und 2 Stunden lang unter ständigem Rühren homogenisiert. Zur Vernetzung von Chitosan nach dem Spinnprozess wird der Lösung vor dem Spinnen Genipin zugesetzt. Es wird ein Verhältnis von Chitosan zu Genipin von 100:1 verwendet, und das Genipin wird separat in Ethanol unter ständigem Rühren 2 Stunden lang gelöst und dann zur Chitosan/PEO-Lösung hinzugefügt. Zur Filtration der Lösung werden Einwegspritzenfilter (Chromafil Xtra GF/ PTFE-45/25, Macherey-Nagel, Düren, Deutschland) verwendet.

Zur Vorbereitung des Spinnvorgangs wird die Spinnlösung in eine 5 mL Spritze (B. Braun Melsungen AG, Melsungen, Deutschland) gefüllt, die an eine einzelne Spinndüse angeschlossen ist. Die Polymerlösung wird mittels Spritzenpumpe mit einer Flussrate von 1 mL/h durch eine Hohlnadel mit einem Durchmesser von 0,4 mm (B. Braun Melsungen AG, Melsungen, Deutschland) extrudiert. Bei einer Spannung von +20 kV und -1 kV wird die Polymerlösung zu Fasern verstreckt und auf einer rotierenden Welle (Ø = 30 mm, Breite = 300 mm) mit einer Rotationsgeschwindigkeit von 100 U/min gesammelt. Der Spinnprozess wird bei 23 °C und einer Luftfeuchtigkeit von 30 % r.F. durchgeführt.

Das Waschverfahren zur Untersuchung der Löslichkeit in einer wässrigen Lösung besteht aus drei Schritten. Es werden jeweils 4 Proben von mit Genipin vernetzten und nicht vernetzten Vliesstoffen mit einer Größe von 20 mm x 20 mm verwendet. Die Proben werden vor und nach jedem Schritt gewogen. Zunächst werden die Proben 20 Minuten lang in Ethanol gewaschen. Dann werden sie in einem Vakuumtrockenschrank (VT 6025, Thermo Scientific TM, Waltham, Deutschland) 24 Stunden lang bei 40 °C getrocknet. Anschließend werden die Proben separat in 15 ml PBS-Lösung (9,55 g PBS/l dest. Wasser) für 24 h eingelegt und anschließend bei Raumtemperatur für 72 h getrocknet.

2.1 Viskosimetrie

Die Polymerlösungen, die im Elektrospinnverfahren verwendet werden sollen, werden auf ihre Viskosität hin untersucht. Im Allgemeinen verhalten sich Polymerlösungen als nicht-newtonsche Flüssigkeiten, d.h. die Viskosität ist abhängig von der Scherrate, bei der sie gemessen wird. Die Messungen der Viskosität werden mit einem RheolabQC (CC27, Anton Paar, Graz, Österreich) durchgeführt. Die Viskosität (mPa∙s) wird bei Scherraten zwischen 50 und 1500 1/s an 200 Einzelpunkten im Abstand von 1,2 Sekunden gemessen. Anschließend werden die Ergebnisse in einem Diagramm aufgetragen, das den Trend der Viskosität in Abhängigkeit von der Scherrate darstellt.

2.2 Lichtmikroskopie

Die Durchmesser der Nanofasern werden mit dem Lichtmikroskop gemessen (Software: Leica Application Suite, Version 3.8.0, Mikroskop: DM4000 M, Leica, Wetzlar, Deutschland).

​​​​​​​2.3 Fourier-Transformations-Infrarot-Spektroskopie

Das Vorhandensein von Chitosan nach dem Elektrospinnen und Waschen der Proben wird mit einem Nicolet iS 10 FTIR-Spektrometer und der Software OMNIC Specta (beide Thermo Scientific TM, Waltham, Deutschland) untersucht. Der Transmissionsmodus wurde im Bereich von 600 bis 4000 cm-1 verwendet.

​​​​​​​2.4 Statistische Analyse

Die Daten von mindestens drei Exemplaren werden als Mittelwert und Standardabweichung angegeben. Jeder Versuch wurde zwei- oder dreimal wiederholt. Die statistische Analyse erfolgte durch einen Zwei-Wege-ANOVA-Test mit SPSS für Windows Version 11.5. Ein p < 0,05 wird als statistisch signifikant angesehen.

3. Ergebnisse

Lösungs- und Scaffold-Eigenschaften

Vier verschiedene Vliese wurden durch Elektrospinnen hergestellt. Die Konzentrationen und Verhältnisse der Polymerlösungen und der geeigneten Lösungsmittel sind das Ergebnis vorangegangener Experimente mit faktoriellem Design. Konzentrationen von Essigsäure zwischen 5 und 90 %, Gesamtpolymerkonzentrationen von 2, 3 und 4 Gew.-% und Polymerverhältnisse von Chitosan zu PEO von 7:3, 1:1 und 3:7 wurden hinsichtlich Löslichkeit und Verarbeitbarkeit bewertet. Experimente mit niedrigen Polymerkonzentrationen oder höheren Chitosankonzentrationen führten zu einem nicht stabilen Spinnprozess oder zum Versprühen der Lösung. Im Hinblick auf die Prozessstabilität und die resultierende Fasermorphologie zeigten Polymerlösungen mit 4 Gew.-% und einem Chitosan/PEO-Verhältnis von 3:7 in 70 %-iger Essigsäure die besten Ergebnisse und wurden daher für diese Studie ausgewählt.

 

Abbildung 1:             Viskosität von Chitosan/PEO-Lösungen mit einer Polymerkonzentration von 4 Gew.-% und einem Verhältnis von 7:3 im filtrierten (grau) und ungefilterten (schwarz) Zustand. Nach der Filtration sinkt die Viskosität aufgrund des Ausschlusses von Teilchen mit höherem Molekulargewicht.

Die Viskosität der endgültigen Lösung unterschied sich deutlich zwischen dem gefilterten und dem ungefilterten Zustand. Bei der ungefilterten Lösung ist die Viskosität im Bereich zwischen einer Scherrate von 50 und 1500 1/s deutlich höher (siehe Abbildung 1). Bei einer Scherrate von 100 1/s hat die ungefilterte Lösung eine Viskosität von 1087 ± 13 mPas und die gefilterte Lösung 635 ± 23 mPas. Bei 1500 1/s sinken die Werte auf 385 ± 34 mPas bzw. 285 ± 5 mPas.

Die Faserdurchmesser der aus ungefilterten Lösungen hergestellten Nanofasern betragen 573 ± 81 nm und die der Nanofasern aus gefilterten Lösungen 441 ± 132 nm. Der Unterschied zwischen den beiden Gruppen ist nicht signifikant, zeigt aber einen Trend. Abbildung 2 zeigt einen Unterschied in der Faserstruktur. Fasern aus ungefilterten Lösungen zeigen gerade Fasern, während Fasern aus ungefilterten Lösungen gekräuselte Merkmale aufweisen.

 

Abbildung 2:         Lichtmikroskopische Aufnahmen von elektrogesponnenen Chitosan/PEO-Nanofasern aus ungefilterter (links) und gefilterter (rechts) Lösung.

FTIR wurde verwendet, um das Vorhandensein von Chitosan in den Nanofaservliesen nach dem Elektrospinnen und Veränderungen in der Struktur nach dem Filtrationsprozess zu zeigen. In Abbildung 3 zeigt die Kurve des Chitosanpulvers (gepunktet) charakteristische Banden von Chitosan in einem Wellenzahlbereich von 3100 bis 3400 cm-1. Diese sind auf N-H- und O-H-Streckschwingungen und intermolekulare Wasserstoffbrückenbindungen der Polysaccharidmoleküle zurückzuführen. Die Peaks bei 1583 und 1649 cm-1 zeigen NH2 (Amid II) bzw. C=O-NHR (Amid I) an. Der Peak im Wellenlängenbereich von 2800 bis 3000 cm-1 wird der CH2-Streckung zugeordnet. [CMH+08; RVM+11]

Die Kurven „ungefiltert“ und „gefiltert“ zeigen die Messungen der elektrogesponnenen Proben. Die Kurvenformen der gefilterten und ungefilterten Proben zeigen keine signifikanten Unterschiede in den Peaks. Demnach hat die Filtration der Chitosanlösung keinen Einfluss auf die chemischen Strukturen. Die charakteristischen Peaks von Chitosan sind in den Kurven der elektrogesponnenen Proben zu finden. Die Intensität der CH2-Streckung bei 2861 cm-1 nimmt mit dem Zusatz von PEO zu. In ähnlicher Weise werden Peakverschiebungen im Vergleich zu Chitosan beobachtet. Die Schwingungsbanden bei 1583, 1649 und 3348 cm-1 sind zu 1562, 1663 und 3353 cm-1 verschoben. Diese Peakverschiebungen sind auf die Abnahme der intermolekularen Wasserstoffbrückenbindungen von Chitosan und die Bildung neuer Wasserstoffbrückenbindungen zwischen Chitosan und PEO-Molekülen zurückzuführen [CMH+08]. Die FTIR-Ergebnisse zeigen, dass Chitosan in den elektrogesponnenen Vliesen vorhanden ist und dass es während der Filtration nicht entfernt oder beschädigt wird.

 

Abbildung 3:         FTIR-Ergebnisse für das reine Chitosan-Pulver und Chitosan/PEO-Nanofaservliese aus gefilterten und ungefilterten Spinnlösungen. Alle Kurven zeigen typische Peaks für Chitosan zwischen 3100 und 3400 cm-1. Leichte Verschiebung der Kurven für Fasern aufgrund des Einflusses von PEO auf Wasserstoffbrückenbindungen.

Löslichkeit in wässriger Lösung

Membranen ohne Genipin wurden während des Waschvorgangs vollständig aufgelöst. Sie konnten daher nicht weiter untersucht werden. Mit Genipin vernetzte Proben weisen nach dem Waschvorgang eine Farbänderung auf. Die Farbe ändert sich von einem hellen Weiß zu einem grün-blauen Farbton, wie in Abbildung 4 zu sehen ist. Dies ist auf die Chitosanderivate zurückzuführen, die durch die Reaktion von Genipin mit den Aminogruppen von Chitosan gebildet werden [MSS00].

 

Abbildung 4:         A) Chitosan/PEO-Nanofaser-Vliesstoff mit eingearbeitetem Genipin vor dem Waschvorgang, hellweiße Farbe. B) Chitosan/PEO-Nanofaservlies mit eingearbeitetem Genipin nach dem Waschvorgang, blau-grüne Verfärbung und leichte Verformung der Membran aufgrund der bei der Reaktion mit Genipin gebildeten Chitosanderivate.

Außerdem zeigen die Proben mit Genipin nach 24 Stunden in PBS und anschließender Trocknung eine Zunahme des Gewichts und des Faserdurchmessers, wie in Abbildung 5 dargestellt. Bei ungefilterten Proben beträgt die Gewichtsveränderung +33,9 ± 5,2 % und bei gefilterten Proben +46,2 ± 7,1 %.

 

Abbildung 5:         Links: Faserdurchmesser vor und nach dem Waschvorgang; Rechts: Massenänderung aufgrund der Quellung der Nanofasern

Der Faserdurchmesser im gequollenen Zustand beträgt bei ungefilterten Proben 901 ± 105 nm, was einer Zunahme von 60,9 ± 4,3 % entspricht. Bei gefilterten Proben beträgt der gequollene Durchmesser 705 ± 102 nm, was einer Zunahme von 52,2 ± 0,6 % entspricht.

 

Literaturliste

[CMH+08]          Chen, Zonggang; Mo, Xiumei; He, Chuanglong; Wang, Hongsheng
                            Intermolecular interactions in electrospun collagen–chitosan complex nanofibers
                            Carbohydrate Polymers. Bd. 72 (2008) H. 3, S. 410–418

[KC17]                 Kishan, Alysha P.; Cosgriff-Hernandez, Elizabeth M.
Recent advancements in electrospinning design for tissue engineering applications: A review Journal of biomedical materials research. Part A. Bd. 105 (2017) H. 10, S. 2892–2905

[MFS+14]           Mirzaei, Esmaeil; Faridi-Majidi, Reza; Shokrgozar, Mohammad Ali; Asghari Paskiabi, Farnoush

Genipin cross-linked electrospun chitosan-based nanofibrous mat as tissue engineering scaffold Nanomedicine Journal. Bd. 1 (2014) H. 3, S. 137–146

[MSS00]             Mi, Fwu-Long; Sung, Hsing-Wen; Shyu, Shin-Shing
Synthesis and characterization of a novel chitosan-based network prepared using naturally occurring crosslinker Journal of Polymer Science Part A: Polymer Chemistry. Bd. 38 (2000) H. 15, S. 2804–2814

[RVM+11]          Rakkapao, Natthida; Vao-soongnern, Visit; Masubuchi, Yuichi; Watanabe, Hiroshi
Miscibility of chitosan/poly(ethylene oxide) blends and effect of doping alkali and alkali earth metal ions on chitosan/PEO interaction
Polymer. Bd. 52 (2011) H. 12, S. 2618–2627

[SHH+99]           Sung, H. W.; Huang, R. N.; Huang, L. L.; Tsai, C. C.
In vitro evaluation of cytotoxicity of a naturally occurring cross-linking reagent for biological tissue fixation
Journal of biomaterials science. Polymer edition. Bd. 10 (1999) H. 1, S. 63–78

Abstract

In den vergangenen Jahren haben Weiterentwicklungen in Bereichen der leitfähigen Materialien und Fasern sowie immer kleiner werdender Elektronik deutliche Fortschritte gemacht und die Entwicklung von Smart Textiles vorangetrieben. Dem Durchbruch auf dem Massenmarkt stehen allerdings noch einige Herausforderungen bevor. Die derzeit eingesetzten Produktionstechnologien für Smart Textilien erzielen keine skalierbaren und marktfähigen Produkte. Daher werden sie bisher nur in begrenzten Stückzahlen gefertigt und sind als Prototypen oder Demonstrationsprodukte erhältlich. Diese sind in der Regel mit vielen manuellen Fertigungsschritten behaftet und führen zu hohen Herstellungskosten. Auch die Entsorgung und Recyclingfähigkeit von Smart Textiles stellen eine große Herausforderung dar. Das Ziel dieses Forschungsansatzes ist es, ein Produktionsverfahren zu ermitteln, welches sowohl die Recyclingfähigkeit von Smart Textiles und seinen Komponenten berücksichtigt als auch den erwünschten Anforderungen und Belastungen eines Smart Textiles gerecht wird. [Ing19]

Einleitung

Smart Textiles, auch bekannt als intelligente Textilien, vereinen Textilien und Elektronik und schaffen multifunktionale Textilien. Ihre Fähigkeit, mit ihrer Umgebung und ihren Benutzern interagieren zu können, hat das Potenzial, unseren Alltag sowie verschiedene Industriezweige zu revolutionieren. Smart Textiles werden in Bereichen wie der Automobilindustrie, dem Bauwesen, dem Sportsektor oder der Medizin eingesetzt und können beispielsweise die Überwachung von Vitalparametern übernehmen. Durch die zunehmende Digitalisierung und Vernetzung der Welt spielen Smart Textiles eine immer größere Rolle.

Allerdings ist die Herstellung vom Smart Textiles ein komplexer Prozess, der verschiedene Technologien und Materialien erfordert. Häufig eingesetzte Verfahren, wie beispielsweise das Löten, sind nicht sehr nachhaltig und können aufgrund der hohen Temperaturen während der Bearbeitung zur Beschädigung der Textilsubstrate führen. [AS17]

Methode

Anhand einer strukturierten Literaturrecherche (Abbildung 1) werden Datenbanken durchsucht, Ergebnisse gesichtet und anschließen bewertet. Anschließend werden vergangene Forschungsarbeiten zusammengefasst und ein Überblick geschaffen. Die Suche wird in drei Phasen eingeteilt: Planung der Suche, Durchführung der Suche und Dokumentation. Damit wird eine umfassende und erfolgreiche Suche sichergestellt. Um möglichst viele und relevante Quellen zu erfassen, werden mehrere Datenbanken abgedeckt und eine Vorwärts- und Rückwärtsrecherche durchgeführt. Abschließend werden die Ergebnisse hinsichtlich Zukunftspotential, Wirtschaftlichkeit und Automatisierbarkeit bewertet.

 

s. Abbildung 1: Ablauf systematischer Literaturrecherche. Quelle: [BSN+19; XW19]

Ergebnisse

Auswertung bestehender Produktionsverfahren

Folgende Produktionsprozesse für Smart Textiles wurden in die Analyse mit einbezogen.

• Direktes Löten
• Roboterunterstütztes Ultraschalllöten
• Nd: YAG-Laserlöten
• Ultraschallplastikschweißen
• 3D-Druckverfahren
• Flüssiger Metalldruck
• Dampfbeschichten
• Nanobeschichten
• Siebdruckverfahren
• Transfersiebdruckverfahren
• Integration faserbasierter Elektronik
• Nahtlose Integration

Einige Produktionsverfahren für Smart Textiles haben sich bereits in anderen Industriezweigen bewährt und zeigen sich als effiziente Option für die Herstellung Smart Textiles.

Das „direkte Lötverfahren“, „roboterunterstützte Ultraschallöten“, „Transfersiebdruck- bzw. Siebdruckverfahren“, „Nanobeschichtungsverfahren“ und das „Ultraschallplastikschweißen“ sind bereits etablierte Verfahren. Sie sind in der Lage große Produktionsmengen effizient zu verarbeiten oder in Rolle-zu-Rolle Produktionen integriert zu werden. Zudem bieten die Verfahren „direktes Löten“ und „Siebdruckverfahren“ kurze Prozesszeiten und geringe Kosten.

Verfahren wie das „Nd: YAG-Laserlöten“, die „Integration faserbasierter Elektronik“, „Dampfbeschichtungsverfahren“ und „flüssig Metall-Druckverfahren“ sind wiederum weniger gut geeignet, um große Mengen herzustellen. Obwohl sie vielversprechende Ansätze darstellen, erfordern sie aktuell noch weitere Forschung und technologische Fortschritte. Bei den Verfahren „roboterunterstütztes Ultraschalllöten“ und der „faserbasierte Integration“ ist außerdem mit hohen Anschaffungs- und Materialkosten zu rechnen.

Nachhaltigkeit

In Bezug auf Nachhaltigkeit stellt der Einsatz von Silber in Verfahren wie dem „direkten Löten“ und dem „roboterunterstützten Ultraschallöten“ Bedenken dar. Silber ist eine begrenzte Ressource und braucht für seine Gewinnung einen hohen Energie- und Wasserverbrauch. Zudem kann die Wiederverwendung von Silber sehr anspruchsvoll werden und spezielle Verfahren erfordern, die ebenfalls mit sehr hohem Energieverbrauch und Kosten verbunden werden. Auch besteht die Gefahr, dass während des Lötens die Textilsubstrate beschädigt werden, wodurch zusätzlicher Abfall entsteht. Ebenfalls stellt das Trennen von Lot und Textil eine Herausforderung dar, wodurch Reparaturen oder der Austausch kaputter Komponenten, ohne Beschädigung des Textils, sehr schwer durchführbar sind.

Analoges Verhalten gilt für die Verfahren „roboterunterstütztes Ultraschallöten“, „Nd: YAG-Laserlöten“ und dem „Siebdruckverfahren“, die ebenfalls silberhaltige Lote und Lösungen verwenden. Auch nahtlose „Integrationsverfahren für faserbasierte Elektronik“ erweisen sich nicht als sehr nachhaltige Verfahren, obwohl sie stark im Fokus der Forschung stehen. Es sind aufwendige Verfahren, die aus mehreren Prozessschritten bestehen, beginnend mit der Herstellung der faserbasierten Elektronikgarne, über die Einarbeitung ins Gewebe bis hin zur Erstellung leitfähigen Verbindung. [MHG20; HHY19]

Im Gegensatz dazu zeigen das „Dampfbeschichtungsverfahren“ und das „Nanobeschichtungsverfahren“ nachhaltigere Merkmale, da sie umweltfreundliche und organische Gemische verwenden. Ebenfalls zeichnet sich das „3D-Druckverfahren“ durch seinen genauen Materialverbrauch als ressourcenschonendes Verfahren aus, mit der Abfall vermieden und Ressourceneffizienz gesteigert wird. [AZC+18; FHB+16] Im Vergleich zu den anderen Fertigungsverfahren verwendet das „3D-Druckverfahren“ weniger Rohmaterial, Wasser, Energie und Chemikalien. Defekte Komponenten können leicht ausgetauscht und repariert werden. Darüber hinaus können recyclebare Materialien sowie verschiedenen Materialkombinationen eingesetzt werden, um verschieden Eigenschaften zu erreichten.

Das „3D-Druckverfahren“ ermöglicht die Erstellung komplexer Formen und individueller Strukturen, die aufgeschmolzen und erneut für den Druck wiederverwendet werden können. Es kann sowohl zum Verbinden von Komponenten eingesetzt werden als auch zur Erstellung von Halterungen für SMD-Komponenten oder zur Einkapselung der Elektronik. Im Vergleich zu den anderen Verfahren kann auch mit deutlich weniger Anschaffungs- und Materialkosten gerechnet werden. Laufende Textilherstellungsprozesse müssen bei ihrer Integration nicht unterbrochen werden, sondern können als Add-On-Verfahren nach der Textilherstellung in die Prozesskette integriert werden. Zudem können durch die Auswahl der Filamente, Belastbarkeit und Flexibilität entsprechend kundenspezifische Anforderungen ausgesucht werden. Auch können einzelnen Komponenten problemlos entfernt und recycelt werden, was mit unlöslichen Verbindungen wie dem „direkten Lötverfahren“ oder der „faserbasierten Integration“ nicht möglich ist. Durch den Einsatz von Kunststoffmaterialien wird zudem auf begrenzte Ressourcen verzichtet und mit alternativen Materialien wie biobasierte Kunststoffe besteht die Möglichkeit den ökologischen Fußabdruck zu reduzieren. [Gon23; GGY+22; KGK22]

Recycling

Aktuell fehlen konkrete Recyclingverfahren, wie es sie für die Textil- oder Elektronikindustrie gibt. Allerdings gibt es zwei Ansätze zum Recyclen von Smart Textiles Komponenten.

Es besteht zum einen die Möglichkeit, recycelte SMD-Komponenten aus anderen Einsatzbereichen in Smart Textiles einzusetzen. Hierbei sollen die zu recycelten SMD-Komponenten mittels eines UV-härtenden, nicht leitenden Acrylklebstoff auf das elektrisch leitfähige Textilband angebracht und ausgehärtet werden. Folgende Schritte werden bei diesem Ansatz durchlaufen:

• Sammeln der Produkte am Ende ihrer Lebensdauer.
• Entfernen der Textilbänder.
• Band auf Oberfläche mit Aceton für 20 Minuten mit Komponenten nach oben platzieren.
• Band aus Aceton nehmen und Komponenten manuell mit Pinzette oder automatisch mit industriellem Roboterarm entnehmen.
• Umweltfreundliche Entsorgung von gebrauchten Band- und Kleberückständen.
• Visuelle und funktionelle Kontrolle der entfernten Komponenten und in drei Gruppen einsortieren: Perfekt Komponenten, Komponenten mit geringfügigen mechanischen Schäden ohne Beeinträchtigung ihrer Funktion und beschädigte Komponenten.
• Reinigung der Komponenten und Rückstände mit Isopropylalkohol.
• Herstellung neuer Proben mit den neuen Bändern und gebrauchten Komponenten.
• Funktionstest der neuen Proben und einsortieren in zwei Qualitätskategorien: perfekt, und zweite Qualität. [HBN+23]

Zum anderen besteht die Möglichkeit, das Textilsubstart des Smart Textiles zu recyclen und wieder zu verwendeten. Dafür müssen die Webstühle angepasst werden, sodass eine vollständige Entwirrung des Garns am Ende seiner Lebenszeit möglich wird und diese gewaschen und wiederverwendet werden kann. Diese Methode kann erweitert werden, indem ein Smart Textile aus verschiedenen unabhängigen Modulen zusammengesetzt wird, die individuell aufgelöst und verändert werden können. Dies ermöglicht eine hohe Anpassbarkeit an individuelle Bedürfnisse sowie eine einfache Austauschbarkeit defekter Komponenten, ohne das gesamte Produkt wegwerfen zu müssen [WD20]

Bewertung der Produktionsprozesse

Auf Basis der Auswertung der Produktionsverfahren und der diskutierten Nachhaltigkeits- sowie Recycling-Aspekte werden die Verfahren anhand einer Skala von 1 bis 3 bewertet (Tabelle 1).

Tabelle 1: Bewertung der Produktionsverfahren

Verfahren	Skalierbarkeit	Nachhaltigkeit	Wirtschaftslichkeit
Direktes Löten	3	1	2
Roboterunterstütztes Ultraschalllöten	3	1	2
ND: Yag-Laserlöten	1	1	2
Ultraschallplastikschweißen	2	2	2
3D-Druckverfahren	2	3	2
Flüssiger Metalldruck	1	1	1
Dampfbeschichten	2	2	2
Nanobeschichten	2	2	2
Siebdruckverfahren	3	1	2
Transfersiebdruckverfahren	1	1	2
Integration faserbasierter Elektronik	3	1	1
Nahtlose Integration	1	1	1

s. Abbildung 2: Prozessablauf mit 3D-Drucker

Das Textilsubstrat wird entwirrt und zu weiteren Produkte verarbeitet.

Dieser Prozessablauf kann einen ersten Ansatz einer Kreislaufwirtschaft darstellen, um Smart Textiles nachhaltig zu produziert.

 

Diskussion

Im Rahmen dieser Untersuchung wird deutlich, dass es Produktionsverfahren gibt, die das Potenzial der Skalierbarkeit besitzen. Obwohl die faserbasierte Integration von Elektronikkomponenten stark im Fokus der Forschung steht, ist es kein nachhaltiges und ressourcenschonendes Verfahren. Das 3D-Druckverfahren stellt dagegen eine attraktive Alternative dar, da es den Recycling-Aspekt mitberücksichtigt. Zudem ist erkennbar, dass es aktuell an Recyclingverfahren für Smart Textiles fehlt, wie es sie in der Textil- oder Elektronikindustrie gibt und Recyclingansätze nur begrenzt vorhanden sind.

Literaturverzeichnis

[AS17] Amft, O.; Schneegass, S. (Hrsg.):
Smart Textiles.
1st ed. 2017. - Cham: Springer International Publishing; Imprint: Springer, 2017

[AZC+18]        Andrew, T. L.; Zhang, L.; Cheng, N.; Baima, M.; Kim, J. J.; Allison, L.; Hoxie, S.:
Melding Vapor-Phase Organic Chemistry and Textile Manufacturing To Produce Wearable Electronics
ACCOUNTS OF CHEMICAL RESEARCH. 51 (2018) 4, S. 850–859

[BSN+19]        Blümle, A.; Sow, Dorothea; Nothacker, Monika; Schaefer, Corinna; Motschall, E.; Boeker, Martin; Lang, Britta; Kopp, Ina; Meerpohl, Jörg J.:
Manual systematische Recherche für Evidenzsynthesen und Leitlinien, 2019

[FHB+16]        Feng, J.; Hontanon, E.; Blanes, M.; Meyer, J.; Guo, X.; Santos, L.; Paltrinieri, L.; Ramlawi, N.; Smet, L. C. P. M. de; Nirschl, H.; Kruis, F. E.; Schmidt-Ott, A.; Biskos, G.:
Scalable and Environmentally Benign Process for Smart Textile Nanofinishing
ACS APPLIED MATERIALS & INTERFACES. 8 (2016) 23, S. 14756–14765

[GGY+22]       Gong, W.; Guo, Y.; Yang, W.; Wu, Z.; Xing, R.; Liu, J.; Wei, W.; Zhou, J.; Guo, Y.; Li, K.; Hou, C.; Li, Y.; Zhang, Q.; Dickey, M. D.; Wang, H.:
Scalable and Reconfigurable Green Electronic Textiles with Personalized Comfort Management
ACS Nano. 16 (2022) 8, S. 12635–12644

[Gon23]           Goncu-Berk, G.:
3D Printing of Conductive Flexible Filaments for E-Textile Applications
IOP Conference Series: Materials Science and Engineering. 1266 (2023) 1, S. 12001

[HBN+23]        Hirman, M.; Benešová, A.; Navrátil, J.; Steiner, F.; Tupa, J.:
New Recycling Procedure of SMD Components for Reuse in E-Textiles in Accordance to the Green Deal Policy, 2023

[HHY19]          Hong, H.; Hu, J.; Yan, X.:
UV Curable Conductive Ink for the Fabrication of Textile-Based Conductive Circuits and Wearable UHF RFID Tags
ACS APPLIED MATERIALS & INTERFACES. 11 (2019) 30, S. 27318–27326

[Ing19] Inga Gehrke, Volker Lutz, David Schmelzeisen, Vadim Tenner and Thomas Gries:
Smart Textiles Production: MDPI, 2019

[KGK22]          Kang, D. J.; Gonzaléz-García, L.; Kraus, T.:
Soft electronics by inkjet printing metal inks on porous substrates
Flexible and Printed Electronics. 7 (2022) 3, S. 33001

[MHG20]         Micus, S.; Haupt, M.; Gresser, G. T.:
Soldering Electronics to Smart Textiles by Pulsed Nd:YAG Laser
Materials (Basel, Switzerland). 13 (2020) 11

[WD20]            Wu, S.; Devendorf, L.:
Unfabricate: Designing Smart Textiles for Disassembly
Bernhaupt, R.:
Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, Honolulu HI USA, 25 04 2020 30 04 2020
New York,NY,United States: Association for Computing Machinery, 2020, S. 1–14

[XW19]            Xiao, Y.; Watson, M.:
Guidance on Conducting a Systematic Literature Review
Journal of Planning Education and Research. 39 (2019

Einleitung

Aachen/München: Die Textilindustrie ist bekannt für ihre Innovationen und Ideen, die weit über die traditionellen Anwendungen von Bekleidung und einfachen Stoffen hinausgehen. Einige Beispiele sind der Einsatz von Glas- oder Carbonfasern zum Ersatz von Stahlbewehrungen in Betonbauteilen, künstliche Herzklappen aus Textilien oder Wasserstofftanks aus Carbonfasern.

Allerdings steht die Textilindustrie vor großen Herausforderungen in Bezug auf Nachhaltigkeit. Sie ist weltweit eine der Branchen mit den höchsten Umweltbelastungen und hat auch erhebliche soziale Auswirkungen auf die Arbeitskräfte in der Lieferkette, die häufig auf Baumwollfeldern in Ländern wie China, Indien oder Pakistan beginnt. Auch die weiterverarbeitenden Prozesse innerhalb der Wertschöpfungskette bergen die Gefahr unzureichender Umweltschutzmaßnahmen und der Missachtung international geltender Menschenrechte. Eine nachhaltige Textilindustrie hingegen setzt sich gezielt und insbesondere für den Einsatz von umweltfreundlichen Materialien, faire Arbeitsbedingungen und die Reduzierung des Energie- und Wasserverbrauchs ein. „Die EU verweist in ihrer neuen Sustainable Product Initiative nicht umsonst verstärkt auf ein hohes Maß an Umweltschutz und notwendige Verbesserungen der Umweltqualität. Wir müssen an den wichtigen gesellschaftlichen Herausforderungen forschen und neue Technologien schnell in die Umsetzung bringen“, so Prof. Thomas Gries vom Institut für Textiltechnik (ITA) der RWTH Aachen University.
 

Systematischer Ansatz zur Nachhaltigkeitsbewertung

Auf Unternehmensebene fängt die Transformation mit der Erfassung der notwenigen Daten (Indikatoren) und der der daraus resultierenden Messbarkeit der eigenen Nachhaltigkeitsleistung an. Die TÜV SÜD Industrie Service GmbH hat dazu eine Methodik entwickelt, die in Zusammenarbeit mit dem ITA für die Textilindustrie adaptiert und optimiert wurde: die Nachhaltigkeitsbewertung orientiert sich an den 17 Sustainable Development Goals (SDG) der Vereinten Nationen. Auf der Grundlage verschiedener Indikatoren, die durch Branchen- und Ländervergleiche gewichtet werden, wird die Nachhaltigkeitsleistung des Unternehmens objektiv, unabhängig und transparent beurteilt. „Mit unserer Nachhaltigkeitsbewertung ermöglichen wir allen relevanten Akteuren der Wertschöpfungskette Klarheit über den Ist-Zustand der unternehmensspezifischen Nachhaltigkeit zu erlangen, die wesentlichen Nachhaltigkeitsrisiken zu identifizieren und mit den daraus abgeleiteten Verbesserungsmaßnahmen einen wesentlichen Schritt in Richtung eines Nachhaltigkeitsmanagementsystems zu gehen“, so Lucas Wagner von der TÜV SÜD Industrie Service GmbH. Dieser Ansatz umfasst die gesamte Unternehmensstrategie und ist auch für andere Branchen einsetzbar.
 

Integration von Nachhaltigkeit in die Unternehmensstrategie

Das Ergebnis der Nachhaltigkeitsbewertung bildet den Status Quo ab, kann als Benchmark im Vergleich mit anderen Unternehmen der Branche verwendet werden und bietet einen optimalen Ausgangspunkt für die Integration von Nachhaltigkeit in die Unternehmensstrategie. Die objektive Bewertung bietet zunächst die Möglichkeit, notwendige Schwerpunkte für die Transformation hin zu einem nachhaltigen Unternehmen zu identifizieren. Zusammen mit externen Experten, z. B. aus der Forschung, werden Potentiale identifiziert und konkrete Umsetzungsmaßnahmen abgeleitet. „Das Vorgehen bietet einen holistischen Ansatz, um die nachhaltige Transformation zu einem Kern der Unternehmensstrategie zu machen. Die Wirtschaftlichkeit bildet dabei eine wichtige Säule“, so Prof. Gries. Darüber hinaus bietet die Nachhaltigkeitsbewertung durch die TÜV SÜD Industrie Service GmbH eine ausgezeichnete Ausgangslage, um die Anforderungen der CSRD, also der „Corporate Sustainability Reporting Directive“ zu erfüllen. So wird Nachhaltigkeit zu einem planbaren Erfolgsfaktor für Unternehmen.

Bildunterschriften:

Abbildung 1: 17 Ziele für nachhaltige Entwicklung (SDG) der Vereinten Nationen (Quelle: Vereinte Nationen)

Abbildung 2: Methodischer Ansatz für die Nachhaltigkeitsbewertung eines Unternehmens (Quelle: TÜV SÜD Industrie Service GmbH)

Abbildung 3: Wesentlichkeitsanalyse und Strategieentwicklung (Quelle: TÜV SÜD Industrie Service GmbH)

Introduction

Smart textiles and wearables are no new topics in the field of textile research. Nevertheless, they have yet to reach the market breakthrough expected. Instead, the drastic increase in the market share is pushed into the future with each new study. Despite this breakthrough delay, there is no shortage of work in the academic field.

Much of the work is currently focusing on employing metal coated yarns for applications in which electrical signals are detected and transmitted. Although the electrical conductivity of these materials is in the range of typical metals, they are often negatively influenced from external factors such as moisture and friction. One approach to combat the wear is to employ a material in which the conductive component is integrated during production rather than subsequently applied as a coating. This can be done through the melt compounding of conductive particles into thermoplastic polymers, which are then extruded to filaments. These materials are inherently conductive but, when spun alone, are still subject to the influence of external moisture.

In order to solve both problems of wear and influence of moisture, bicomponent thermoplastic filaments have been developed at ITA. Additionally, these filaments open up opportunities for new filament sensors to be integrated not only in clothing but also lightweight composites and civil structures. The production, characterisation and outlook of these novel filaments is described below.

Production

Melt spinning is a method for the continuous filament production. Specifically, monofilament melt spinning is used for the manufacturing of products such as fishing line, tennis strings and 3D-printer filament. With the addition of a second extruder bicomponent filaments can also be produced. A schematic visualisation of the employed bicomponent monofilament machine is shown in Figure 1.

In order to generate an inherently conductive compound, conductive nanoparticles are mixed with a carrier thermoplastic material. In this work, a commercially available compound consisting of 4 wt.% carbon nanotubes (CNTs) and 96 wt.% thermoplastic polyurethane (TPU) from the company NanoCyl SA, Sambreville, Belgium is used. This compound is the core component of the filament. Two different sheath components are used: Polypropylene (PP) Moplen HP561R, LyondellBasel Industries Holding B.V., Rotterdam, The Netherlands and TPU 1185 from BASF Polyurethane, Lemsförde, Germany. The resulting filaments will be further referred to as PP/TPU and TPU/TPU. The production parameters for the filaments are shown in Table 1.

Table 1:            Production parameters for the monofilaments (see attached pdf)

Results and discussion

The cross-sections of the filaments are analysed using light microscopy. The samples are first embedded in epoxy and polished. The images of the filaments are shown in Figure 2. The variance of the final areas and diameters stem from the difference in the material density in the molten and solid state. In both filaments a clear distinction between the core and sheath components is visible.

Electrical analysis to determine the static and dynamic electrical resistance is done by cutting the filament cleanly to expose the core and then dipping the filament in silver paint. An electrical path from the core to the surface of the filament is generated and the filament can be contacted with standard clamps. This method is schematically shown in Figure 3. Unfortunately, due to the softness of the TPU in the sheath, this method is not suitable for the electrical contacting of the TPU/TPU filament. Therefore, only the results of the PP/TPU filament are presented.

For the first quantitative tests, electrical resistance is measured simultaneously while applying a tensile strain. The starting length of the filament to be deformed is 5 cm and a constant speed of 1 mm/min is applied. This roughly corresponds to a strain rate of 2 %/min. This slow speed is derived from the strain rates for testing of geoplastics. The total length of the sensor filament, including the length clamped in the tensile machine and length needed to attach the multimeter, is 20 cm. Five filament samples are tested in this set-up. The test set-up is shown schematically in Figure 4.

In conventional strain gauge technology, the electrical response of the sensor is given as the normalised change of the resistance using the equation below. Here Rε is the resistance at strain ε and R0 is the resistance at strain 0 %.

 

ΔR/R [-] = Rε [Ω] - R0 [Ω]R0 [Ω]

(1)

This same convention is initially used for the analysis of the sensor filaments. The resulting curves for the filament PP/TPU is shown in Figure 5, left. It can be seen that, although the general trend of the curves is similar, an exact calibration of the sensors is not yet possible. One assumption for the varying trends results from the variance in the R0 of the filaments, causing a difference in the scaling of the curves as shown is Eq. 1. The initial values R0 can be seen in Figure 6.

The sensor response is then calculated in regards only to the change in resistance, as opposed to the normalised change. This alternate equation can be seen below and the resulting diagram can be seen in Figure 5, right.

 

ΔR [Ω] = R [Ω] -R0 [Ω]

(2)

 

It can be seen that the response of the five tested filaments is in much more agreement when only the change in the resistance is considered. This result demonstrates the fact that the analysis of the novel sensor filaments may not be taken completely from conventional, current solutions and may have to be rethought entirely. Additionally, there seems to be a correlation between the noise of the measurements and the high R0, for example for repetitions 4 and 5. When these filaments are removed from the visual representation, a calibration of the sensor filament can be done with high precision until 7 %, which is generally larger than expected strains in structural applications (Figure 7).

Conclusion and Outlook

The results presented here show the extreme potential of polymer-based sensor filaments. Through the production parameters, the filaments can be tailored to match specific requirements of a variety of applications. These sensor filaments can revolutionise structural health monitoring in civil structures, lightweight components and many, yet to be discovered, applications. In order to realise this technological breakthrough, work still needs to be done in various aspects:

• Identification of more technical applications, for which the sensor filaments can be relevant
• Mechanical and electrical contacting of the filaments in a more robust manner, as well as contacting of the softer TPU/TPU filaments
• Variation of testing parameters in order to investigate the sensor response under different loading cases (cyclic, relaxation, creep, different strain rates, combination of loading)
• Testing of the sensor response after integration in to the substrate material
• Data analysis to understand the proper data visualisation for the novel material
• Improvements of the electrical circuit while testing to include four-point electrical measurements as well as the incorporation of a Wheatstone bridge

 

Acknowledgment

We would like to thank the Federal Ministry for Economic Affairs and Climate Action (BMWK) for funding of the project ZIM Plug&Sense (KK5055907ZG0).

Abstract: Die deutsche Industrie befindet sich an einem kritischen Punkt. Während die Nachhaltigkeitsanforderungen durch die zunehmende Regulierung steigen, bietet die Digitalisierung die Chance, Produktionsprozesse zur optimieren und Ressourcen zu sparen. Damit einher gehen zusätzliche bürokratische Hürden, wie auch zuletzt das Lieferkettensorgfaltspflichtengesetz zum Jahreswechsel gezeigt hat. Um im Wettbewerb bestehen zu können und langfristig erfolgreich zu sein, ist es wichtig, digitale Ökosysteme zur effizienten Verarbeitung der entsprechenden Daten zu entwickeln, die sowohl ökologisch als auch ökonomisch tragfähig sind. Dies erfordert jedoch ein Umdenken innerhalb der Branche und die Verknüpfung von technologischen Fortschritten mit nachhaltigem Handeln. Dieser Artikel zeigt die bereits erzielten Fortschritte und ein mögliches weiteres Vorgehen auf.

Die Vliesstoffindustrie im Wandel

Der Blick auf den Status Quo zeigt zunächst zahlreiche Problemherde: Der hohe Komplexitätsgrad der Produktionsprozesse, die hohen Qualitätsanforderungen in vielen technischen, systemrelevanten Anwendungen, der zunehmende regulatorische Druck und der allgegenwärtige Fachkräftemangel treffen auf die ohnehin preis- bzw. kostensensible Vliesstoffbranche. Zur Komplexität tragen die große Vielfalt an Rohstoffen, Einflussparametern, Produktionsanlagen und Anwendungen bei. Die zunehmende Regulierung erhöht zusätzlich den Druck, wie z. B. das Lieferkettensorgfaltspflichtengesetz durch die zunehmende Verantwortung für die gesamte Lieferkette zeigt. Die Textilindustrie wird in der europäischen Variante als Risikobranche eingestuft und daher besonders beachtet. In den kommenden Jahren wird durch die EU-Richtlinie zur Nachhaltigkeitsberichtserstattung für viele Unternehmen ebenfalls ein erheblicher zusätzlicher Aufwand entstehen. Diese zusätzlichen Regularien müssen durch immer weniger Fachkräfte erfüllt werden: bis 2060 werden in Deutschland 10-16 Millionen Arbeitskräfte fehlen [FSW21], die europäische Textilindustrie wird schon in der nächsten Dekade 500.000 Arbeitskräfte aufgrund des demografischen Wandels verlieren [Wal22]. Die zunehmenden Herausforderungen sind nur durch eine steigende Automatisierung zu beherrschen, die Grundlage dafür bildet die Digitalisierung der Industrie.

Die vierte industrielle Revolution geht mit großen Versprechen einher, z. B.: Einsparung von Kosten, Steigerung von Umsätzen und Steigerung des Automatisierungsgrades [LBO18]. Jedoch verharren viele Unternehmen noch in den ersten Stufen der Industrie 4.0 und sind weit von den Versprechen entfernt. Das gilt auch für die Textilindustrie, die allerding als ein Vorreiter für Innovationen in diesem Bereich gilt. Die Hauptprobleme liegen im hohen Implementierungsaufwand, der zu Teilen durch fehlende Standards, hohe Kosten, fehlendes Know-how (insbesondere in KMU), einer mangelnden Infrastruktur und einer fehlenden Datengrundlage begründet ist [BDG+22]. Da die hohen Kosten häufig mit einem nur schwer zu quantifizierendem Nutzen einhergehen, werden Projekte im Bereich Industrie 4.0 häufig ausgebremst [VSH+22]. Bei einer fehlenden oder mangelhaften Datengrundlage können selbst die besten Algorithmen im Bereich der Künstlichen Intelligenz keine guten Ergebnisse liefern [RMB+21]. Der Hauptfokus sollte also im Aufbau dieser Datengrundlage mit kosteneffizienten Mitteln liegen. Wichtig zu beachten ist: Digitalisierung, KI oder Machine Learning sollten nicht dem Selbstzweck dienen, sondern stets nur Werkzeuge zum Erreichen von konkreten Zielen sein. Häufig sind einfache und pragmatische Lösungen ausreichend.

Neben den rein ökonomischen Zielen haben Digitalisierungslösungen und darauf aufbauende Anwendungen ein großes Potenzial, auch soziale und ökologische Nachhaltigkeitsziele zu erreichen, z. B. durch Effizienzgewinne [BDF+22]. Eine Bewertung der Nachhaltigkeitsleistung eines Unternehmens oder der Produktion ist ohne Daten schlicht nicht möglich, sodass die digitale und die nachhaltige Transformation Hand in Hand gehen müssen [Bun20]. Neben dem digitalen Zwilling der Produktion kann zukünftig auch der nachhaltige Zwilling der Produktion aufgebaut werden. Die automatisierte Verfügbarkeit der Daten wird bei einer Anpassung an bestehende Regularien erheblich zum Bürokratieabbau beitragen können, z. B. bei der Nachhaltigkeitsberichtserstattung.

Plattformmodelle als skalierbare Lösung

Eine skalierbare und interoperable Lösungsmöglichkeit bieten Kooperationen in digitalen Ökosystemen [KW22]. Der nahtlose Austausch von Informationen (sowohl unternehmensintern als auch -extern) ist die Voraussetzung für die informationsbasierte Entscheidungsfindung in einem Unternehmen [VSW+18]. Wenn Daten in einheitlicher Form vorliegen, muss die Kompatibilität nicht erst aufwändig im Anschluss herbeigeführt werden. Diese Vereinheitlichung kann durch digitale Plattformen sichergestellt werden werden, denen z. B. standardisierte Datenmodelle zugrunde liegen. In Community-basierten Ökosystemen können zunächst gemeinsame Grundlagen der Zusammenarbeit in Form von Standards erarbeitet werden. Als simples Beispiel ist hier die einheitliche Namensgebung von Variablen in Vliesstoffanlagen zu nennen. In plattformbasierten Ökosystemen werden unternehmensübergreifende technische Entwicklungen und digitale Services entwickelt. Wie das Zusammenspiel in der Vliesstoffindustrie aussehen könnte, ist in Abbildung 1 dargestellt. [Bun21]

Die Plattform bündelt die jeweils notwendigen Aktivitäten für die Lösungsmöglichkeiten in digitalen Ökosystemen. Wichtig zu erwähnen ist, dass die Teilnehmer des Ökosystems auch jeweils mehrere Rollen einnehmen können. Beispielhaft können die Vliesstoffmaschinenbauer gleichzeitig zum Betreiber der Plattform werden. Außerdem ist es nicht erforderlich, dass die Daten der Vliesstoffproduzenten in eine externe Softwarelösung geladen werden müssen: eine interne Datenspeicherung on-premise ist jederzeit möglich. Ein beispielhafter Aufbau einer Plattform für die Vliesstoffindustrie ist in Abbildung 1 dargestellt. Die Vliesstoffhersteller profitieren als Geräte-Nutzer von digitalen Services, wie z. B. Predictive Maintenance, die vom Maschinenbau als Geräte-Hersteller zur Verfügung gestellt werden. Service-Anbieter, wie z. B. Entwicklung von Applikationen mit Künstlicher Intelligenz, können ebenfalls externe Services auf der Plattform anbieten. Die drei Ebenen werden zentral durch einen Orchestrator zusammengeführt. Ein Akteur kann jeweils mehrere Rollen einnehmen. So kann ein Vliesstoffmaschinenbauer oder ein Zusammenschluss von Maschinenbauern ebenfalls zum Orchestrator der Plattform werden. Dem Maschinenbau wird es möglich zusätzliche Services anzubieten und damit insgesamt die Qualität seiner Produkte zu erhöhen. Der Einsatz und Service seiner Maschinen wird optimiert, Kunden gebunden und das Angebotsportfolio erweitert. Dem Vliesstoffproduzenten wird es möglich, Daten effizient und herstellerübergreifend auszuwerten und auf zahlreiche Service-Dienstleistungen gleichzeitig zuzugreifen. [Bun21]

Abbildung 1: Beispielhafter Aufbau einer Plattformlösung für die Vliesstoffindustrie [nach Bun21] (s. Anlage)

Die Anwendungsfälle in der Vliesstoffindustrie reichen von der einfachen Visualisierung von Daten bis zur automatisierten Auswertung und Steuerung von Produktionsanlagen. Die Plattformlösung vereinheitlicht die Anwendungsfälle und verhindert die Schaffung von teuren Insellösungen. Der hohe Aufwand der Integration von Daten wird deutlich reduziert und die Skalierbarkeit von Lösungen wird möglich.

Fundamente für die Zusammenarbeit

Die Ausführungen zeigen auch: für den Aufbau eines einheitlichen digitalen Systems für die Vliesstoffindustrie ist eine Zusammenarbeit verschiedener Akteure erforderlich. Fragen die gemeinschaftlich beantwortet werden müssen sind z. B. folgende:

• Welche Daten müssen für eine datenbasierte Modellierung von Vliesstoffverfahren erhoben werden?
• Welche Datenquellen sind erforderlich?
• Wie muss eine einheitliche Datenerhebung (z. B. einheitliche Bezeichnung von Variablen oder Qualitätsgrößen) aussehen?

Nur durch die gemeinschaftliche Beantwortung solcher Fragen sind die technischen Herausforderungen einer solchen Plattform zu beherrschen, die durch das breite Spektrum unterschiedlicher Maschinen und Strukturen bestehen. Auch rechtliche Fragen und Fragen des Datenschutzes sind in der Anfangsphase zu klären. Beim Aufbau der Strukturen können neutrale Forschungsinstitutionen wie das Institut für Textiltechnik der RWTH Aachen oder das in Düren geplante Digital Nonwoven Innovation Center (D-NIC) in öffentlich geförderten Forschungsprojekten unterstützen.

Vorteile für die gesamte Branche

Zusammenfassend ist zu sagen, dass die Vliesstoffbranche vor zahlreichen Herausforderungen steht. Der hohe Komplexitätsgrad der Produktionsprozesse, die hohen Qualitätsanforderungen, der regulatorische Druck und der Fachkräftemangel erfordern eine steigende Automatisierung von Entscheidungen, die auf der Digitalisierung der Industrie basiert. Viele Unternehmen sind jedoch noch weit von den Versprechen der vierten industriellen Revolution entfernt. Um diese Herausforderungen zu bewältigen und Potenziale zu heben, sollten Unternehmen eine kosteneffiziente Datengrundlage aufbauen, die die Basis für die Implementierung von Industrie 4.0 darstellt. Digitale Kooperationen in Ökosystemen können eine skalierbare und interoperable Lösungsmöglichkeit bieten. Die Digitalisierung und die nachhaltige Transformation müssen Hand in Hand gehen, um ökonomische, soziale und ökologische Nachhaltigkeitsziele zu erreichen. Wenn Unternehmen diese Herausforderungen erfolgreich meistern, können sie von den Vorteilen der Digitalisierung profitieren und ihre Wettbewerbsfähigkeit steigern. Diese Vorteile beziehen sich nicht nur auf einzelne Akteure, sondern gelten für die gesamte Branche. Dafür ist ein gemeinsames Handeln und Auftreten (z. B. gegenüber Förderträgern oder der Politik) erforderlich. Auch die Zusammenarbeit mit weiteren Branchen wie der Papierindustrie ist denkbar, um entwickelte Lösungen besser skalieren zu können und damit kosteneffizienter zu gestalten.

Literatur:

[BDF+22]                      Boll, Susanne; Dowling, Michael; Faisst, Wolfgang; Mordvinova, Olga; Pflaum, Alexander; Rabe, Martin; Veith, Eric; Nieße, Astrid; Gülpen, Christian; Schnell, Markus; Terzidis, Orestis; Riss, Uwe; Eckerle, Christin; Manthey, Sarah; Pehlken, Alexandra; Zielinski, Oliver:
Mit Künstlicher Intelligenz zu nachhaltigen Geschäftsmodellen: 2022

[BDG+22]                      Bauer, W.; Dirzus, D.; Gülpen, C.; Kiupel, N.; Kubach, U.; Mantwill, F.; Matysczok, C.; Otten, W.; Pickel, P.; Teschner, W.; Wenzel, S.; Westerkamp, D.; Weyrich, M.:
Künstliche Intelligenz im Ingenieuralltag
Berlin: Juli 2022

[Bun20]                         Bundesministerium für Wirtschaft und Energie (BMWi):
Nachhaltige Produktion: Mit Industrie 4.0 die Ökologische Transformation aktiv gestalten
Berlin: November 2020, https://www.plattform-i40.de/IP/Redaktion/DE/Downloads/Publikation/Nachhaltige-Produktion.pdf?__blob=publicationFile&v=5

[Bun21]                         Bundesministerium für Wirtschaft und Energie (BMWi):
Digitale Ökosysteme in der Industrie - Typologie, Beispiele und zukünftige Entwicklung: April 2021

[FSW21]                        Fuchs, Johann; Söhnlein, Doris; Weber, Brigitte:
IAB-Kurzbericht - Aktuelle Analysen aus dem Institut für Arbeitsmarkt- und Berufsforschung
Nürnberg: 23.11.2021

[KW22]                          Kagermann, H.; Wahlster, W.:
Ten Years of Industrie 4.0
Sci Band:4 (2022)    H. 3, S. 26

[LBO18]                         Leyh, C.; Bley, K.; Ott, M.:
Chancen und Risiken der Digitalisierung
In Hofmann, Josephine:
Arbeit 4.0 - Digitalisierung, IT und Arbeit. - Wiesbaden: Springer Vieweg, 2018, S. 29–51

[RMB+21]                      Rueden, L. von; Mayer, S.; Beckh, K.; Georgiev, B.; Giesselbach, S.; Heese, R.; Kirsch, B.; Walczak, M.; Pfrommer, J.; Pick, A.; Ramamurthy, R.; Garcke, J.; Bauckhage, C.; Schuecker, J.:
Informed Machine Learning - A Taxonomy and Survey of Integrating Prior Knowledge into Learning Systems
IEEE Transactions on Knowledge and Data Engineering (2021), S. 1

[VSH+22]                      Volkwein, Malte; Schmitt, Jan; Heidelbach, Joachim; Schöllhammer, Oliver; Evcenko, Dimitri; Kett, Holger:
Blinde Flecken in der Umsetzung von Industrie 4.0 – identifizieren und verstehen
München: 14.03.2022

[VSW+18]                     Vialkowitsch, Jens; Schell, Otto; Willner, Alexander; Vollmar, Friedrich; Schulz, Thomas; Pethig, Florian; Neidig, Jörg; Usländer, Thomas; Reich, Johannes; Nehls, Daniel; Lieske, Matthias; Diedrich, Christian; Belyaev, Alexander; Bock, Jürgen; Deppe, Torben:
I4.0-Sprache - Vokabular, Nachrichtenstruktur und semantische Interaktionsprotokolle der I4.0-Sprache
Berlin: April 2018

[Wal22]                          Walter, Lutz:
Ready to Transform - A Strategic Research and Innovation Agenda to underpin the EU Strategy for Sustainable and Circular Textiles
Brüssel: April 2022

 

Abstract:

Die Textilindustrie steht vor enormen ökologischen Herausforderungen, die auf ein lineares Wertschöpfungsmodell zurückzuführen sind. Dieses kennzeichnet sich durch kurze Nutzungsdauern, eine geringe Wiederverwendungsquote und geringes Faser-zu-Faser Recycling der Textilien. So wird ein großer Teil der nicht wiederverwendbaren textilen Reststoffe deponiert oder energetisch verwertet. Die Alttextilien werden von Sortierbetrieben entweder für das Recycling oder für den Weiterverkauf vorbereitet. Hier benötigt es neue Technologien zur Merkmalserkennung von Textilien, um die manuellen Prozessschritte zu ersetzen und zu verbessern. Herausforderungen der bisher händischen Sortierung sind der Arbeitskräftemangel und die unzureichende Objektivität und Qualität der Sortierung. In diesem Artikel werden neue Lösungen zur Automatisierung der Merkmalserkennung ausgewertet.

Herausforderungen in der Altkleidersortierung

Gegenwärtig fallen 7 bis 7,5 Millionen Tonnen textiler Reststoffe in der EU-27 und der Schweiz jährlich an - dies entspricht mehr als 15 Kilogramm pro Person [HJL+22]. Die größte Quelle dafür sind entsorgte Kleidungsstücke und Heimtextilien von Verbrauchern - sie machen etwa 85 Prozent der gesamten textilen Reststoffe aus. Diese großen Mengen an textilen Reststoffen müssen sortiert und verarbeitet werden. Aktuell wird die von Verbrauchern aussortierte Kleidung in Altkleidercontainern entsorgt. Von dort aus werden sie in Sortierbetriebe transportiert, in denen jedes Kleidungsstück inspiziert und händisch in verschiedene Kategorien sortiert wird. Es wird beispielsweise zwischen Qualität oder Art des Materials unterschieden. Diese Schritte gilt es zu automatisieren, um die Anzahl der Fehlsortierungen zu reduzieren und die Limitationen der manuellen Sortierung zu überwinden. Die manuelle Sortierung von Altkleidern ist durch den Arbeitskräftemangel und die unzureichende Qualität stark limitiert. Es gibt erste Ansätze, um die Herausforderungen zur Merkmalserkennung der Textilien zu lösen. Durch Nahinfrarotspektroskopie kann beispielsweise das Material des Textils erkannt und identifiziert werden. Allerdings können mit der Technologie weitere wichtige Merkmale wie die Art des Kleidungsstücks, die Marke und der Zustand nicht analysiert werden. Für die Auswertung dieser Merkmale können allerdings Bildverarbeitungssysteme verwendet werden. Einen Ansatz für die Auswertung von Bildmerkmalen bietet die Software Google Lens.

Die Funktion von Google Lens

Google Lens ist eine Bilderkennungssoftware von Google, die auf maschinellem Lernen und künstlicher Intelligenz basiert. Mit Hilfe der Kamera eines Smartphones kann Google Lens Bilder von Objekten, Texten oder Landschaften erfassen, diese erkennen und interpretieren. Die Technologie ist in der Lage, eine Vielzahl von Objekten und Materialien zu identifizieren und auf entsprechende Webseiten zu verweisen. Die Suchergebnisse werden nach Relevanz und Ähnlichkeit mit dem Objekt auf dem Foto klassifiziert. [Taf21] Darüber hinaus kann Google Lens auch QR-Codes scannen und automatisch Webseiten öffnen, Adressen suchen und Termine in den Kalender eintragen. Die Software ist auch in der Lage, Texte in anderen Sprachen zu erkennen und zu übersetzen, was besonders nützlich für Reisende ist. Insgesamt bietet Google Lens eine schnelle und effektive Möglichkeit, visuelle Informationen zu interpretieren und zu nutzen, um den Benutzern eine bessere Erfahrung zu bieten. Diese Eigenschaften machen einen Einsatz von Google Lens in der Altkleidersortierung interessant. Die Software ist bereits mit einer großen Menge von Daten trainiert und ermöglicht einen gezielten Zugriff auf sämtliche im Internet vorhandene Informationen zu einem Kleidungsstück.

Google Lens für die Sortierung von Altkleidern

In einer Versuchsreihe am Institut für Textiltechnik wurde der Einsatz von Google Lens in der Altkleidersortierung getestet. Dabei stand die Auswertung der Genauigkeit von Google Lens zur Erkennung von verschiedenen Merkmalen im Vordergrund. In dem Versuch wurde die Informationsgewinnung durch den Einsatz von Google Lens in den folgenden sechs Merkmalen geprüft:

• Typ des Textils bzw. Art der Bekleidung
• Farbe
• Material
• Marke
• Preisklasse
• Geschlecht

Die Versuchsdurchführung ist in die folgenden drei Schritte aufgeteilt: Aufnahme von Bildern, Auswertung der Bilder mit Google Lens und Auswertung der fünf relevantesten Suchergebnisse hinsichtlich der sechs Merkmale. Die Aufnahme der Bilder erfolgt in einem statischen Versuchsaufbau. Die Textilien werden auf einem ebenen Untergrund ausgebreitet und von oben unter Beleuchtung fotografiert (siehe Abbildung 1). Für die Auswertung des Versuches werden die sechs Merkmale in definierte Ausprägungen eingeteilt (z. B. werden sechs Preisklassen definiert). Die Auswertung erfolgt anhand der ersten fünf von Google vorgeschlagenen Ergebnisse. Für die Vergleichbarkeit der Ergebnisse erfolgt eine Einteilung in ein Punktesystem: pro Textil wird je ein Punkt pro Merkmal und Treffer vergeben, wenn dieses Merkmal richtig erkannt wird, sodass pro Textil und Treffer maximal 6 Punkte zu vergeben sind. Ein Merkmal gilt als richtig erkannt, wenn die Information eindeutig aus dem Text auf der weitergeleiteten Webseite hervorgeht. Insgesamt werden 90 Textilien ausgewertet. Die Trefferquote wird als Quotient aus der erreichten Punktzahl und der maximal erreichbaren Punktzahl angegeben.

Zunächst erfolgt eine Auswertung des Einflusses des Alters eines Textils auf die Treffergenauigkeit: neuere Textilien erreichen eine Treffergenauigkeit von 32,96 %, wohingegen ältere Textilien (älter als 30 Jahre) eine Treffergenauigkeit von lediglich 22,58 % erreichen. Dieser Umstand ist auf die höhere Verfügbarkeit von Daten neuer Textilien zurückzuführen. Auch bei der Art der Textilien zeigen sich Unterschiede in der Auswertung: Heimtextilien weisen lediglich eine Trefferquote von 15,00 % auf, wohingegen Textilien in der Kategorie „Bluse/Hemd“ eine Trefferquote von 45,33 % aufweisen. Am besten wird die Art der Bekleidung erkannt (56,22 % Trefferquote), wohingegen die Marke nur zu 4,67 % erkannt wird. Dieser Umstand ist sowohl auf die große Ähnlichkeit verschiedener Marken als auch auf die teilweise nur geringe direkte Erkennbarkeit von Markennamen oder Logos zurückzuführen. Auch das Material wird nur zu ca. 13,11 % richtig erkannt, da dieses Merkmal nicht direkt visuell zu erkennen ist. Zuletzt bietet auch die Betrachtung der Unterschiede in Abhängigkeit der Relevanz der Treffer kein eindeutiges Ergebnis: beim ersten und relevantesten Treffer liegt die durchschnittliche Trefferquote bei 29,66 % und beim zweiten bis fünften Treffer ebenfalls zwischen 25,19 % und 32,09 %. Anzumerken ist allerdings, dass die Ergebnisse insgesamt nicht ausreichend sind. Für einen sinnvollen Einsatz der Technologie sind Trefferquoten von ca. 90-95 % erforderlich. So lässt sich insgesamt feststellen, dass Google Lens mit dem gewählten Versuchsaufbau und der gewählten Auswertelogik nicht für den Einsatz in der Altkleidersortierung geeignet ist.

 

Weiterentwicklung der Technologie

Eine Lösungsmöglichkeit zur Weiterentwicklung der Technologie liegt in der erweiterten Auswertung von Informationen. Zum Beispiel können zusätzlich auch Bilder auf der Webseite (z. B. Fotos von Etiketten) oder der Seitenquelltext ausgewertet werden. Außerdem ist die Einteilung der Merkmalskategorien kritisch zu prüfen, da diese einen erheblichen Einfluss auf die Auswertung hat. Weiterhin sind Änderungen am Versuchsaufbau denkbar: eine Lösung könnte z. B. in der Aufhängung von Textilien bestehen oder in der Änderung der Beleuchtung. Außerdem kann die Suche in Google Lens mit Texten verknüpft werden, sodass eine Suche näher eingegrenzt und mit zusätzlichen Sensoren verknüpft werden könnte. Diese Lösungsmöglichkeiten werden in weiteren Projekten und Versuchen am ITA weiterentwickelt.

Insgesamt zeigen die Ausführungen in diesem Artikel, dass Google Lens noch keine adäquate Lösung für die automatisierte Auswertung in der Altkleidersortierung darstellt. Die Ausführungen zeigen allerdings auch Potentiale für die Weiterentwicklung der Technologie auf. Auch eine Kombination mit weiterer Sensorik (z. B. NIR) oder eigens entwickelten Algorithmen zur Bildauswertung ist vielversprechend.

Bildunterschriften:

Abbildung 1: Aufbau des Versuches (eigene Darstellung)

Literatur:

[HJL+22]                       Hedrich, Saskia; Janmark, Jonatan; Langguth, Nikolai; Magnus, Karl-Hendrik; Strand, Moa:
Scaling textile recycling in Europe - turning textile waste into value: Juli 2022

[Taf21]                           Taffel, S.:
Google’s lens: computational photography and platform capitalism
Media, Culture & Society Band:43 (2021) H. 2, S. 237–255

During the product engineering process (PEP) of fibre composite components made from TFP preforms, a large number of iterations is necessary to ensure the desired properties in the finished component. Especially the interaction of the different process steps from roving deposition, draping to infusion and the occurring interactions complicate the component design. In order to link the required design processes and thus reduce the number of iterations as much as possible, the Model Based Systems Engineering (MBSE) approach is used in the DigiPEP project (see Fig. 1). This approach makes it possible to integrate the different models and assign tasks to individual responsible persons. The overall aim is to create a model with a user interface that requires only the most important boundary conditions and decisions from the responsible person. Models for structural analysis, stick path design, topology optimisation, draping and failure analysis of the finished component are to be integrated into the model. Furthermore, a cost estimation as well as a form of life cycle analysis shall be enabled. The generated model will be validated by the design of a demonstrator component. This demonstrator component can be located in the field of future transport and production.

The two-year project is funded by the Federal Ministry of Economics and Climate Protection (BMWK) as part of the Lightweight Construction Technology Transfer Programme under funding number 03LB3063A. The following partners are involved in the project: EDAG Group, Digel Sticktech GmbH & Co. KG, ModuleWorks GmbH, Ph-MECHANIK GmbH & Co. KG, adesso SE.

Der Markt für nachhaltige Faserverbundlösungen ist besonders interessant für kleine und mittelständische Firmen, weil die Sensibilität für das ökologische Bewusstsein und der Wunsch nach nachhaltigen und zugleich hochwertigen Lösungen in Europa und insbesondere in Deutschland im internationalen Vergleich stark ausgeprägt ist. Gleichzeitig sind Naturfaserkunststoffe derzeit noch ein Nischenmarkt und der sich von Produkten abhebt, die ausschließlich über den günstigsten Preis verkauft werden. Folglich unterliegt dieser Markt weniger der Konkurrenz- und dem Preiswettbewerb aus Niedriglohnländern, beziehungsweise Großunternehmen, die über entsprechend große Stückzahlen, Skaleneffekte realisieren.

Ziel des Projekts ist die Nutzbarmachung von naturfaserverstärktem Kunst-stoff (NFK) mit gesteigerten Dämpfungseigenschaften für Strukturbauteile am Beispiel eines Federbeins für ein Ultraleichtflugzeug. Hierdurch soll eine ökologische Alternative zu konventionellem Leichtbaumaterial, wie Aluminium und Verbundwerkstoffen auf Basis von Glas- und Carbonfasern, bereitgestellt werden. Um dieses Ziel zu erreichen, gliedert sich das Projekt in die Teilschritte: Computergestützte Auslegung des Strukturbauteils mittels FEA-Methoden, lastfalloptimierte Fertigung des Bauteils und Validierung im Feldtest. Dies erfolgt exemplarisch anhand eines Federbeins für ein Leichtbauflugzeug der Firma Viethen.

Der im Projekt gewählter Ansatz hat ein Ziel, eine kosten- und zeiteffiziente Methode für die Entwicklung von hochbeanspruchten Leichtbauteilen aus Faserverbundwerkstoffen mit Verstärkung aus nachwachsenden Rohstoffen zu zeigen. Der Ansatz soll die Anreize für weitere Wirtschaftszweige geben, nachwachsende Rohstoffe durch abschätzbare Eigenschaften und Kostenstruktur in deren Produkten öfters zu verwenden. Darüber hinaus kann diese Projektmethode für bereits vorhandene Werkstoffkombinationen mit Verstärkung aus Glas- sowie Kohlenstofffasern angewendet werden und zu Effizienzsteigerung und Ressourcenschonung beitragen.

Projektpartner
CompDesE, Firma Viethen

Das Forschungsvorhaben NFK-Federbein (UW-01-054B) wurde am Institut für Textiltechnik der RWTH Aachen University (ITA), der Firma Viethen und der Firma CompDesE GmbH durchgeführt. Es wurde von der Landesregierung Nordrhein-Westfalen im Sonderprogramm Umweltwirtschaft im Rahmen der Corona-Hilfe gefördert.