20. April 2023
Das Fraunhofer Heinrich-Hertz-Institut (HHI) koordiniert das neue Projekt KI2L (Echtzeiterkennung von gesundheitszustandsrelevanten Prozessen in Lithiumionenbatterien durch KI-gestützte Charakterisierung zur ressourceneffizienten Erschließung des Nachnutzungspotenzials). Im Rahmen des Projekts entwickeln Forschenden eine KI-gestützte Charakterisierung von Lithiumionenbatterien. Durch neue Möglichkeiten der Charakterisierung werden sicherheitskritische Verschleißvorgänge im Zellinneren der Batterie zuverlässig erkannt, sodass ein Schaden an der Gesamtbatterie im weiteren Betrieb vermieden werden kann. Auf diese Weise können mehr Lithiumionenbatterien erfolgreich als Second-Life-Batterien genutzt werden. KI2L ist im Januar 2023 gestartet und läuft für drei Jahre bis Januar 2026. Das Projekt wird vom Bundesministerium für Bildung und Forschung (BMBF) mit zwei Millionen Euro im Rahmen der BMBF-Förderlinie „Batterie 2020 Transfer“ gefördert. Von der Fördersumme erhält das Fraunhofer HHI 450.000 Euro.
Um den CO2-Abdruck von Lithiumionenbatterien zu senken, ist eine maximale Nutzung als Second-Life-Batterien unerlässlich. Damit möglichst viele aussortierte Batteriezellen in sogenannten ‚Re-Use-Szenarien‘ weiterverwendet werden können, benötigen Unternehmen schnelle Charakterisierungsmethoden und intelligente Entscheidungshilfen für konkrete Nachnutzungspotenziale. Weiterhin brauchen sie automatisierte Demontageprozessschritte, damit sie defekte Speicherbestandteile austauschen können.
Derzeit erfassen Expertinnen und Experten den Zustand vom Lithiumionenbatterien, indem sie die Entladekapazität unter spezifischen Vorgaben, wie Temperatur der Batterie und Entladestrom, testen. Mit fortschreitender Alterung der Batterien wird dieses Vorgehen allerdings fehleranfällig und zeitaufwändig.
Das KI2L-Projektteam hat sich zum Ziel gesetzt den Prozess der Zustandserfassung mit einer KI-gestützten Charakterisierung zu verbessern. Im ersten Schritt analysieren die Forschenden parallel neuwertige sowie bereits unter realistischen Szenarien vorgealterte Lithiumionenbatteriezellen und statten diese mit einem optischen Temperatur- und Dehnungsfeldmesssystem auf Modulebene aus. Im nächsten Schritt werden durch gezielte Charakterisierungsmethoden Varianzen und wiederkehrende Muster in den Messsignalen der unterschiedlich gealterten Batteriespeicher identifiziert. Die so gewonnenen Daten werden als Blockchain in einer Alterungsvorgangsdatenbank gespeichert und zum Trainieren eines Neuronalen Netzwerkes verwendet. Eine auf diese Weise trainierte KI kann dann mittels Schnellanalyse irreversibel gealterte Zellen identifizieren und diese durch Laserprozessierung herauslösen ohne einen Gesamtschaden an der Batterie zu verursachen; so lässt sich der Lebenszyklus der Batterien verlängern.
Gemeinsam mit der TESVOLT AG wird die Gruppe „Energiespeichersensorik“ am Fraunhofer HHI die sensorintegrierten Module mit unterschiedlichem Gesundheitszustand aufbauen. Am Forschungszentrum Energiespeichertechnologien der TU Clausthal werden Forschende Charakterisierungsverfahren entwickeln, mit denen die gefertigten Module zeitoptimiert getestet werden können. Die aufbereiteten Daten werden den KI-Expertinnen und Experten von Intuitive.ai GmbH und der EoT Labs GmbH zur Verfügung gestellt, damit die KI programmiert und ein digitaler Zwilling erstellt werden kann. Das Institut für Schweißtechnik und Trennende Fertigungsverfahren der TU Clausthal und die AIM Systems GmbH übernehmen die Laserprozessierung und die Automatisierung des Herauslösens defekter Zellen.