Tandemsolarzellen verbessern 16.11.2023, 13:30 Uhr

KI sagt Qualität von Perowskit-Solarzellen voraus

Forschende haben einen Weg gefunden, die Qualität von Perowskit-Solarzellen vorherzusagen. Mit Hilfe von künstlicher Intelligenz soll es künftig möglich sein, Stabilität und Produktionsprozesse dieser Solarzellen weiter zu verbessern und sie fit für den Markt zu machen.

Perowskit-Solarzellen

Mit Unterstützung von KI-Methoden wollen Forschende die Herstellungsprozesse für hocheffiziente Perowskit-Solarzellen verbessern.

Foto: Amadeus Bramsiepe, KIT

Perowskit-basierte Tandemsolarzellen können Sonnenenergie effizienter in Strom umwandeln als konventionelle Silizium-Solarzellen. Für eine Markteinführung dieser Technologie sind jedoch Verbesserungen in Stabilität und Produktion notwendig. Wissenschaftler des Karlsruher Instituts für Technologie (KIT) und der Helmholtz-Plattformen am Deutschen Krebsforschungszentrum sowie Helmholtz AI haben eine Methode entwickelt, um die Qualität von Perowskit-Schichten und somit der Solarzellen zu prognostizieren. Diese basiert auf Maschinellem Lernen und KI-Techniken, die durch die Analyse der Lichtemission während der Herstellung die Qualität der Solarzellen vorhersagen können.

Qualitätsschwankungen großes Manko

Perowskit-Tandemsolarzellen, die eine Perowskit- und eine konventionelle Solarzelle (oft auf Siliziumbasis) kombinieren, gelten als Technologie der nächsten Generation. Mit einem aktuellen Wirkungsgrad von über 33 Prozent übertreffen sie traditionelle Silizium-Solarzellen deutlich in der Effizienz. Zudem zeichnen sie sich durch günstige Rohstoffe und einfache Produktionsmethoden aus. Eine entscheidende Komponente für diese hohe Effizienz ist eine qualitativ hochwertige, extrem dünne Perowskit-Schicht, deren Dicke nur einen Bruchteil eines menschlichen Haares ausmacht.

Top Stellenangebote

Zur Jobbörse
Hochschule Esslingen-Firmenlogo
Professor:in für das Lehrgebiet "Konstruktion" Hochschule Esslingen
Göppingen, Esslingen Zum Job 
Safran Data Systems GmbH-Firmenlogo
Testingenieur / Certified Tester (m/w/d) Safran Data Systems GmbH
Bergisch Gladbach Zum Job 
Fraunhofer-Gesellschaft e.V.-Firmenlogo
Sachgebietsleiter*in Technisches Gebäudemanagement - Betrieb, Wartung & Weiterentwicklung Fraunhofer-Gesellschaft e.V.
München Zum Job 
Hochschule Esslingen-Firmenlogo
Professor:in für das Lehrgebiet "Elektrotechnik und Elektrische Energieversorgung" Hochschule Esslingen
Göppingen, Esslingen Zum Job 
Rhein-Sieg Netz GmbH-Firmenlogo
Ingenieur (m/w/d) Netzbetrieb Rhein-Sieg Netz GmbH
Siegburg Zum Job 
Röhm GmbH-Firmenlogo
Ingenieur (m/w/d) Elektrotechnik / Automatisierungstechnik / EMSR Röhm GmbH
Wesseling Zum Job 
BMI Deutschland GmbH-Firmenlogo
Sicherheitsfachkraft / Fachkraft für Arbeitssicherheit (m/w/d) BMI Deutschland GmbH
Dülmen Zum Job 
SWM Services GmbH-Firmenlogo
Inbetriebsetzungsleiter*in für Verfahrenstechnik (m/w/d) SWM Services GmbH
München Zum Job 
Stadtwerke München GmbH-Firmenlogo
Commissioning Manager Control, Field and Automation Engineering (m/w/d) Stadtwerke München GmbH
München Zum Job 
Herrenknecht AG-Firmenlogo
Technischer Redakteur (m/w/d) Herrenknecht AG
Schwanau Zum Job 
Wasserstraßen- und Schifffahrtsverwaltung des Bundes-Firmenlogo
Bauingenieurin /Bauingenieur (m/w/d) Wasserstraßen- und Schifffahrtsverwaltung des Bundes
Brunsbüttel Zum Job 
Wasserstraßen- und Schifffahrtsverwaltung des Bundes-Firmenlogo
Bauingenieurinnen / Bauingenieure (m/w/d) Fachrichtung konstruktiver Ingenieurbau Wasserstraßen- und Schifffahrtsverwaltung des Bundes
Brunsbüttel, Rendsburg Zum Job 
Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO-Firmenlogo
Wissenschaftliche*r Referent*in der Institutsleiterin Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO
Stuttgart Zum Job 
Fachhochschule Dortmund-Firmenlogo
Vertretungsprofessur "Produktions- und Qualitätsmanagement"; Fachbereich Maschinenbau Fachhochschule Dortmund
Dortmund Zum Job 
BMI Deutschland GmbH-Firmenlogo
Sicherheitsfachkraft / Fachkraft für Arbeitssicherheit (m/w/d) BMI Deutschland GmbH
Dülmen, Heyrothsberge Zum Job 
Die Autobahn GmbH des Bundes-Firmenlogo
Techniker als Fachexperte für Vertragsmanagement, Ausschreibung, Vergabe & Abrechnung (w/m/d) Die Autobahn GmbH des Bundes
Krailling bei München Zum Job 
KTR Systems GmbH-Firmenlogo
Berechnungsingenieur (m/w/d) KTR Systems GmbH
ONTRAS-Firmenlogo
Spezialist Strategische Technologie (m/w/d) ONTRAS
Leipzig Zum Job 
FH Münster-Firmenlogo
Professur für "Strömungstechnik" im Fachbereich Maschinenbau FH Münster
Münster Zum Job 
Technische Hochschule Rosenheim-Firmenlogo
Professorin / Professor (m/w/d) für Applied Embedded Computing Technische Hochschule Rosenheim
Rosenheim Zum Job 

Es gibt allerdings noch einige Kinderkrankheiten. „Eine der größten Herausforderungen ist dabei, diese hochwertigen sogenannten multikristallinen Dünnschichten mit kostengünstigen und skalierbaren Verfahren ohne Defekte und Löcher herzustellen“, erklärt Tenure-Track-Professor Ulrich W. Paetzold vom Institut für Mikrostrukturtechnik sowie vom Lichttechnischen Institut des KIT. Selbst unter perfekten Laborbedingungen gibt es jedoch durch unbekannte Einflüsse Qualitätsschwankungen bei den Halbleiterschichten: „Dies verhindert letztendlich den raschen Start der industriellen Produktion dieser hocheffizienten Solarzellen, die wir für die Energiewende so dringend benötigen“, so Paetzold.

Erfolgreiches Training des KI-Modells

Um die Einflussfaktoren auf die Beschichtung von Perowskit-Solarzellen zu untersuchen, kooperierte ein interdisziplinäres Team des KIT mit Spezialistinnen und Spezialisten für Maschinelles Lernen und Erklärbare Künstliche Intelligenz (XAI) von Helmholtz Imaging und Helmholtz AI am Deutschen Krebsforschungszentrum (DKFZ) in Heidelberg.

Die Forschenden entwickelten KI-Methoden, die Neuronale Netzwerke mit einem umfangreichen Datensatz trainieren und analysieren. Dieser Datensatz enthält Videoaufnahmen, die die Photolumineszenz der Perowskit-Dünnschichten während ihrer Herstellung zeigen. Photolumineszenz beschreibt die leuchtende Emission der Halbleiterschichten, verursacht durch eine externe Lichtanregung.

„Da selbst Fachleute nichts Bemerkenswertes auf den Dünnschichten erkennen konnten, entstand die Idee, eine KI für Maschinelles Lernen (Deep Learning) darauf zu trainieren, verborgene Indizien für eine gute oder schlechte Beschichtung in den Millionen Daten aus den Videos zu finden“, erklären Lukas Klein und Sebastian Ziegler von Helmholtz Imaging am DKFZ.

Um die umfangreichen und vielfältigen Informationen der Deep-Learning-KI effektiv zu nutzen, setzten die Forschenden anschließend auf Methoden der Erklärbaren Künstlichen Intelligenz, um diese Daten zu filtern und zu analysieren.

Faktoren identifiziert, die für eine hochwertige Solarzelle notwendig sind

Die Forschenden stellten durch das Training der KI fest, dass die Photolumineszenz während des Herstellungsprozesses Schwankungen unterliegt. Diese Variationen haben direkten Einfluss auf die Qualität der Beschichtung. „Entscheidend bei der Arbeit war, dass wir XAI-Methoden gezielt eingesetzt haben, um zu sehen, welche Faktoren sich für eine hochwertige Solarzelle ändern müssten“, so Klein und Ziegler.

Üblicherweise wird XAI nur als eine Art Leitplanke genutzt, um Fehler beim Bauen von KI-Modellen zu vermeiden. Das Forschungsteam ist anders vorgegangen, Klein und Ziegler ergänzen: „„Das ist ein Paradigmenwechsel, und dass wir so systematisch hochrelevante Erkenntnisse in Materialwissenschaften gewinnen können, ist neu.“  Die Photolumineszenz-Variationen erlaubten den Forschenden, Fortschritte zu machen. Nach dem Training der neuronalen Netzwerke konnte die Künstliche Intelligenz vorhersagen, ob eine Solarzelle einen niedrigen oder hohen Wirkungsgrad erreicht.

Die Höhe des Wirkungsgrads hing davon ab, zu welchem Zeitpunkt während der Produktion bestimmte Veränderungen in der Lichtemission auftraten. „Das sind extrem spannende Ergebnisse“, so Ulrich W. Paetzold. „Dank des kombinierten Einsatzes der KI haben wir eine Idee, an welchen Stellschrauben wir zuallererst drehen müssen, um die Produktion zu verbessern. Wir können unsere Experimente zielgerichteter durchführen und müssen nicht mehr im Dunkeln die Nadel im Heuhaufen suchen. Das ist eine Blaupause für Folgeforschung, auch für viele weitere Aspekte in der Energieforschung und den Materialwissenschaften.“

Ein Beitrag von:

  • Dominik Hochwarth

    Redakteur beim VDI Verlag. Nach dem Studium absolvierte er eine Ausbildung zum Online-Redakteur, es folgten ein Volontariat und jeweils 10 Jahre als Webtexter für eine Internetagentur und einen Onlineshop. Seit September 2022 schreibt er für ingenieur.de.

Zu unseren Newslettern anmelden

Das Wichtigste immer im Blick: Mit unseren beiden Newslettern verpassen Sie keine News mehr aus der schönen neuen Technikwelt und erhalten Karrieretipps rund um Jobsuche & Bewerbung. Sie begeistert ein Thema mehr als das andere? Dann wählen Sie einfach Ihren kostenfreien Favoriten.