Prädiktive Modellierung der Lebenszyklen von Lithium-Ionen-Batterien (PreMo-LiB)

Im Projekt PreMo-LiB (Prädiktive Modellierung der Lebenszyklen von Lithium-Ionen-Batterien) untersucht die Hochschule Aalen im Rahmen der FH-Impulspartnerschaft SmartPro produktionsbegleitende Verfahren, mit denen die Lebensdauer von Lithium-Ionen-Batterien vorhergesagt und verbessert werden kann. Geleitet werden die Arbeiten von Prof. Dr. Ricardo Büttner.

Herausforderung 

Lithium-Ionen-Batterien werden mittlerweile in fast allen batteriebetriebenen Geräten vom Smartphone bis zum Elektroauto verwendet und sind somit Wertschöpfungstreiber für zahlreiche Branchen. Aktuell wird der Markt allerdings von asiatischen Anbietern dominiert. Um die Wettbewerbsfähigkeit der Batterieproduktion in Deutschland zu steigern, werden innovative und kostensenkende Herstellungsverfahren benötigt. Dabei gilt vor allem eine sichere Prognose von Lebensdauer und Restkapazität als entscheidender Wettbewerbsfaktor, denn selbst Batterien aus der gleichen Produktion können sich aufgrund von Schwankungen der Material- und Produktionsparameter deutlich voneinander unterscheiden. Da jedoch die physikalischen Wirkzusammenhänge innerhalb der Batterie sehr komplex sind, ist eine Qualitätsprognose während der Produktion bisher kaum möglich und vor allem nicht tauglich für die Massenproduktion.

Ziele und Vorgehen 

Im Projekt PreMo-LiB wird ein neuer Ansatz für die produktionsbegleitende Qualitätsprognose verfolgt: Mit maschinellen Lernverfahren wertet das Projektteam die während der Erstladung entstehenden Daten (unter anderem Temperatur, Ladestrom, endgültige Spannung oder Ladekurven) aus und setzt sie zu einem Ursache-Wirkungs-Modell zusammen. Dieses Modell erlaubt Rückschlüsse auf die Batteriequalität und -lebensdauer, so dass Qualitätsschwankungen bereits früh im Prozess erkannt und abgefangen werden können. Das Verfahren arbeitet zerstörungsfrei und ist auch für die Massenproduktion von Lithium-Ionen Batterien geeignet. Zusätzlich will das Projektteam herausfinden, welche maschinellen Lernverfahren sich generell am besten für solche Prozesse der Qualitätssicherung eignen, um die Forschung gegebenenfalls auch auf andere Anwendungsfelder ausweiten zu können.

Innovationen und Perspektiven 

Ziel der produktionsbegleitenden Qualitätssicherung ist es, den Ausschuss zu verringern und dem Hersteller eine Preisdifferenzierung nach Produktqualität zu ermöglichen: So können etwa Batterien mit langer Lebensdauer zu höheren Preisen vertrieben werden als solche mit geringer Lebensdauer. Zudem werden wertvolle Ressourcen geschont und nachhaltigere Produktionsprozesse geschaffen. Dementsprechend kann das Projekt PreMo-LiB einen deutlichen Wettbewerbsvorteil für Batteriehersteller schaffen, die das Verfahren nutzen. Außerdem eröffnet PreMo-LiB Perspektiven für weitere interdisziplinäre Forschungsarbeiten im Bereich der Lithium-Ionen-Technologie oder auch in Fertigungsdomänen wie Leichtbau, 3D-Druck oder Herstellung von Magneten, in denen ähnliche Fragestellungen eine Rolle spielen.