TY - CONF A1 - Gradt, Thomas A1 - Martin, Martin A1 - Gleim, Tobias T1 - Reibungszahlen von Holz-Holz- und Holz-Stahl-Kontakten für Stoßdämpfer von CASTOR-Behältern N2 - Holz wird vielfach in Stoßdämpfern von Transportbehältern für radioaktives Material eingesetzt. Dafür wird oftmals Fichtenholz verwendet, das in mehreren Lagen und senkrecht zueinander liegender Faserrichtung zwischen einer inneren und einer äußeren Stahlhülle eingebaut wird. Die Reibung zwischen den dabei entstehenden Grenzflächen ist von entscheidender Bedeutung für die Stoß- und Energieabsorption, z. B. bei einem Aufprall des Behälters auf eine harte Unterlage. Um detaillierte Informationen für entsprechende numerische Simulationen zu bekommen, wurden in dieser Arbeit die Reibungszahlen von Holz-Holz- und Holz-Stahl-Paarungen bei für derartige Behälter relevanten Beanspruchungsbedingungen im Temperaturbereich zwischen -40°C und 90°C gemessen. Die Ergebnisse zeigen eine gleichmäßige, mit steigender Temperatur abfallende Reibung, wobei die Werte für Holz-Stahl-Paarungen zwischen 0,43 bei -40°C und 0,22 bei 90°C sowie für Holz-Holz-Kontakte zwischen 0,3 bei -40°C und 0,24 bei 90°C liegen. T2 - 63. Tribologie-Fachtagung 2022 CY - Göttingen, Germany DA - 26.09.2022 KW - Reibung KW - Holz-Holz-Kontakte KW - Holz-Stahl-Kontakte KW - CASTOR-Behälter KW - Stoßdämpfer PY - 2022 SN - 978-3-9817451-7-7 SP - 23/1 EP - 23/4 AN - OPUS4-56021 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Gleim, Tobias T1 - KI-unterstützte Dokumentenanalyse für die Sicherheitsbewertung von Transportbehältern für Gefahrstoffe N2 - Transport packages for radioactive material require, dependent on type und quantity of the radioactive material, a regulatory approval. Safety assessments shall be conducted in compliance with the IAEA regulations and documented in a comprehensive package design safety report to obtain approval from authority. This comprehensive safety report evaluates a broad range of requirements from the regulations, including physical specifications, control measures, and testing assessments. Additionally, it encompasses supporting documents such as specifications, plans in a variety of complex documents. Safety and manufacturing reports contain multiple interconnected sub-reports covering various topics. Changes, such as component modifications, material property updates, standards, or regulatory revisions, often impact multiple sections of the safety analysis reports, making even minor adjustments complex and time-consuming. Each transport package has unique constraints, making every safety report distinct, despite following the same regulatory framework. This project aims to enhance data analysis and processing through AI-based approaches [4]. Automated methods for analysing and interlinking documentation will improve efficiency, accuracy, and consistency while reducing human error in safety assessments. A key challenge is that pre-trained Large Language Models (LLMs) lack domain-specific data on packaging safety, potentially leading to inaccurate results. To mitigate this, the project applies Retrieval-Augmented Generation (RAG) in conjunction with LLMs. This approach integrates the strengths of pre-trained models with expert knowledge from databases and document repositories, ensuring accurate, well-founded, and transparent assessments. Beyond technical challenges, human factors must be considered early. New technologies often trigger resistance, if not introduced properly. Furthermore, long-term AI-reliance may lead to loss of expertise needed to solve complex problems. User-centred approach ensures effective implementation and lasting viability. This study evaluates the feasibility of using LLMs [2] and RAG [1, 3] for regulatory compliance in radioactive material transport. By analysing current documentation workflows, we assess how AI-driven tools can interpret complex safety reports and identify critical dependencies. Furthermore, we highlight the necessity of robust data governance, confidentiality measures, and AI reliability in this highly regulated domain. T2 - KONTEC 2025 CY - Dresden, Germany DA - 17.09.2025 KW - AI-driven KW - QI-Digital KW - Retrieval-Augmented Generation KW - Large Language Model PY - 2025 AN - OPUS4-64153 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Gleim, Tobias T1 - Großbrandversuche von Elektrofahrzeugen zum Transport Gefährlicher Güter N2 - Der zunehmende Einsatz von batterieelektrischen Transportfahrzeugen (Battery Electric Transport Vehicles – BETVs) im Verkehrswesen wirft Sicherheitsfragen beim Transport gefährlicher Güter auf. Obwohl Batteriebrände auf Zell-, Modul- und Fahrzeugebene umfassend untersucht wurden, fehlen systematische Daten zu deren thermischen Auswirkungen auf Gefahrgutverpackungen. Um diese Lücke zu schließen, führt die Bundesanstalt für Materialforschung und -prüfung (BAM) auf ihrem Testgelände Technische Sicherheit (BAM-TTS) groß angelegte Brandtests durch, in denen konservative Unfallszenarien mit unterschiedlichen Zellchemien und -kapazitäten nachgestellt werden. Die Tests kombinieren fahrzeugbedingte Brandlasten mit standardisierten Propan-Referenzbränden und erfassen mittels hochauflösender Instrumente zentrale Messgrößen wie Wärmefluss, Temperatur und Strahlung. Der daraus entstehende Datensatz liefert erstmals eine direkte Quantifizierung der thermischen Auswirkungen von BETV-Bränden auf Verpackungen und unterstützt Expertengremien bei der Bewertung, ob bestehende regulatorische Anforderungen für alternative Antriebssysteme weiterhin angemessen sind. T2 - Informationsaustausch zur verkehrsrechtlichen Aufsicht bei der Beförderung radioaktiver Stoffe CY - Salzgitter, Germany DA - 03.02.2026 KW - Batteriebrand KW - IAEA KW - Gefahrgut KW - Transport PY - 2026 AN - OPUS4-65626 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -