Bei Fehlerverdacht müssen Batteriemodule bislang komplett ausgebaut, im Labor analysiert und schlimmstenfalls gleich entsorgt werden - das könnte sich in Zukunft ändern. (Bild: Adobe Stock/romaset)
Einen Fehler im Akkupack einer E-Auto-Batterie zu finden, ist zerstörungsfrei kaum zu machen. Bereits während der Produktion Ausschuss zu verhindern, indem einzelne Zellen geprüft werden, ist ein Problem, das die Industrie noch nicht wirklich gelöst hat. Bis jetzt. Denn das Startup Denkweit, eine Ausgründung des Fraunhofer-Instituts für Mikrostruktur von Werkstoffen und Systemen IMWS in Halle, hat ein intelligentes Prüfsystem entwickelt, mit dem das bislang Unmachbare gelingt.
Die Zutaten für die Lösung dieses Problems: Ein Analyseverfahren, das innovative Sensorik mit maschinellen Lernalgorithmen und selbstlernenden Auswertungssystemen kombiniert. „Mit unserer Technologie kann schon im Produktionsprozess eine Qualitätskontrolle von Batteriezellen für Elektroautos erfolgen“, sagt Denkweit-Geschäftsführer und Mitgründer Dominik Lausch. „Die Zellen werden zerstörungsfrei, kontaktlos und in Echtzeit auf Anomalien untersucht.“
Auf der Suche nach dem magnetischen Fingerabdruck
Lauschs Idee folgt einem physikalischen Grundprinzip: Wenn Ströme durch einen Leiter fließen, erzeugen sie ein dreidimensionales Magnetfeld. „Dessen Muster ist charakteristisch wie ein Fingerabdruck“, erklärt der Physiker und ehemalige Fraunhofer-Forscher, „bei einer Störung oder einem Defekt ändern sich der Stromfluss oder die Stromstärke und damit das Muster des Magnetfeldes.“ Um genau diese Veränderungen zu detektieren, misst der neuentwickelte hochauflösende Zeilensensor Stärke, Verteilung und Richtung von elektrischen Strömen. Qualitätskontrolleure streichen dafür lediglich mit einem Handscanner über die Akkus. Nur: Dabei kommt eine gigantische Datenmenge zustande, die ausgewertet und nach abweichenden Mustern abgesucht werden muss.
Um den verräterischen magnetischen Fingerabdruck zu identifizieren, kommt KI ins Spiel: Das Startup hat seinen Sensor mit maschinenlernenden Algorithmen verknüpft. Trainiert werden diese mit Daten von defekten Batteriesystemen und von Fehlersimulationen am Rechner. Wobei sich der Aufwand für das Anlernen der KI-basierten Bilderkennung in überschaubaren Grenzen hält: „Unser Programm braucht nur etwa zehn bis 15 Bilder, um abweichende Muster zu erkennen“, so Lausch, „Meist müssen neuronale Netze der künstlichen Intelligenz mit tausenden Daten gefüttert werden, um diesen Effekt zu erzielen.“
Möglich wird derartiges Blitzlernen durch eine eigenentwickelte Netzwerkarchitektur, die im Internet nach geeigneten, frei verfügbaren mathematischen Hilfsmitteln sucht, diese ausprobiert und die besten zusammenpackt. Das ist der Charme der Lösung: „Wir optimieren zwar auch Parameter, vor allem aber optimieren wir die mathematischen Tools, um eine KI zu erhalten, die die besten Ergebnisse liefert“, erklärt Lausch. Die Tool-Box optimiert sich gewissermaßen je nach Anwendungsfall automatisch.
Zerstörungsfreier Qualitätscheck weckt Interesse der OEMs
In der Praxis erkennt die Software des Startups Defekte in einem Akkupack oder einer Schweißstelle selbstlernend und übersetzt ihre Erkenntnisse automatisch in Bilder. Lausch: „So können wir mit unseren Messdaten auch einzelne defekte Batteriezellen erkennen, was ein Riesenfortschritt ist.“ Denn bisher musste beim Verdacht auf einen Fehler das ganze Modul ausgebaut, im Labor analysiert oder schlimmstenfalls gleich entsorgt werden.
Der Check erfolgt binnen Sekunden, so dass die smarte Qualitätskontrolle durchaus inline erfolgen kann. Nebenbei würde eine Inline-Prüfung die Produktion deutlich beschleunigen. Auch das macht die Sache für die Autoindustrie interessant. So verwundert es nicht, dass unter anderem Volkswagen und Webasto zu den ersten Anwendern der Technologie des erst vor drei Jahren gegründeten Startups zählen. Auch Tesla sowie Forschungs- und Entwicklungsabteilungen zeigen sich interessiert.
Sie alle wissen: Eine frühe, zerstörungsfreie und punktgenaue Prüfung von Batteriezellen ist ein wesentlicher Schritt für eine sichere und tatsächlich umweltverträglichere Mobilität, weil so schlecht recyclebarer Akku-Ausschuss minimiert werden kann. Das Verfahren lässt sich darüber hinaus auf weitere Anwendungen, wie etwa die Analyse von Solarmodulen oder der Leistungselektronik übertragen. „Im Grunde können wir damit jede elektrische Verbindung testen“, betont Lausch.
