INFORM

Maßgeschneiderte Batterien mit automatisierter Qualitätsbeurteilung sind der Schlüssel zu einer intelligenten und hochproduktiven Formierung für eine konkurrenzfähige Batterieproduktion höchster Qualität am Industrie 4.0 Standort Deutschland.

Die Formierung ist der letzte entscheidende Produktionsschritt, welcher maßgeblich über die spätere Leistung, Sicherheit und Langlebigkeit entscheidet. Dieses Projekt hat das Ziel mittels zweier intelligenter Optimierungskreisläufe die Formierung zu beschleunigen und qualitativ zu optimieren.

Hierbei wird mittels KI und physiko-chemischer Modelle aktiv in die Formierung eingegriffen, um einen sicheren Prozess zu gewährleisten (z.B. Verhindern der Über-/Unterschreitung der Temperatur) und positive Zelleigenschaften zu erzielen. Hierbei soll gezeigt werden, dass es möglich ist bei verkürzten Prozesszeiten maßgeschneiderte Batterien z.B. hinsichtlich verbesserter elektrischer Eigenschaften oder Lebensdauer zu formieren und bedarfsgerechte Formierungsprozeduren beschleunigt zu entwickeln.

In diesem Projekt wird daher das Clusterziel der KI in der Produktion adressiert, indem auf Basis der Digitalisierung eine innovative Anlagentechnik etabliert wird.

Die physiko-chemische Grundlage hierzu ist die Erzeugung der sogenannten Solid Electrolyte Interphase (SEI) während der ersten Lade- und Entlade-Zyklen. Die SEI ist eine komplexe Korrosionsinterphase aus Elektrolyt und Elektrodenmaterial, welche über Passivierung ein weiteres korrodieren des Elektrolyts verhindert. Ist die SEI inhomogen, beschädigt oder von schlechter Qualität verkürzt sich die Lebenszeit einer Batterie bis hin zur Dendritenbildung und Explosion. Durch aktive Regelung des Prozesses durch KI und physiko-chemische Batteriemodelle soll eine homogene und qualitativ hochwertige SEI-Schicht erreicht werden, welches zu verbesserten elektrischen Eigenschaften und einer längeren Lebensdauer bei verkürzter Prozesszeit führt. Dabei werden die physiko-chemischen Modelle unter anderem mit KI-Methoden, wie z.B. dem “erklärbaren” sequentiellen maschinellem Lernen gekoppelt, um einzelne Batterieeigenschaften gezielt zu verbessern.

Die KI gibt hierbei optimale Experimentierpläne vor, welche Funktion und Modell gleichermaßen verbessern. Die Modelle sollen ebenfalls zur automatisierten Qualitätsbeurteilung genutzt werden, um die Produktivität und Ausbringung zu erhöhen sowie den Ausschuss zu reduzieren. Zusätzlich wird durch kooperative Mensch-Maschine Offline Analytik die Möglichkeit geschaffen eine Verknüpfung von Grundlagen- und Produktionsforschung zu leisten. Gesamtziel dieses Projektes ist die Gestaltung von intelligenten Batterieformationsanlagen zur Beschleunigung, Prozesskostensenkung und Qualitätssteigerung von Lithium-Ionen-Batterien auf Basis von KI und Digitalisierung in der Produktion. Damit werden die wesentlichen Ziele zur Verbesserung der „Produktionskosten“, „Produktqualität“ und „Produktivität“ des Kompetenzclusters signifikant unterstützt.

Die erarbeiteten Methoden und Konzepte können insbesondere für die Forschungsfertigung Batteriezelle (FFB) sowie in die Forschungsplattform für die industrielle Produktion von großen Lithium-Ionen-Zellen (FPL) integriert werden.


Projektleiter am HIU: TT.-Prof. Dr. Helge Stein
Forschungsgruppe: Applied Electrochemistry