PRODUKTION 27.03.2023, 07:09 Uhr

Smarte Prüfsensorik: KI untersucht Batteriezellen auf Schäden

Das Münchner Start-up DENKweit hat ein künstlich intelligentes Prüfsystem entwickelt, mit dem Batteriezellen bereits während der Produktion schnell und zerstörungsfrei auf Schäden untersucht werden können. Die KI-basierte Objekt- oder Bilderkennung lässt sich ohne Programmier- und Expertenwissen einrichten.

Händisch lassen sich Akkus von E-Autos nur schwer auf Schäden untersuchen, künftig soll das KI übernehmen.

Foto: Panthermedia.net/Fahroni

Händisch lassen sich Akkus von E-Autos nur schwer auf Schäden untersuchen, künftig soll das KI übernehmen.

Foto: Panthermedia.net/Fahroni

Einen Fehler im Akkupack eines Autos zu finden, ist zerstörungsfrei kaum zu machen. Doch so ließe sich Ausschuss verhindern und damit Energie und Ressourcen schonen. Aber leider läuft es bislang meist darauf hinaus, weil die Industrie noch keine Lösung hat, um in der Produktion praktisch en passant Zellen zu überprüfen. Genau das verspricht das Münchner Start-up DENKweit. Die Ausgründung des Fraunhofer-Instituts für Mikrostruktur von Werkstoffen und Systemen IMWS in Halle hat ein KI-gestütztes Prüfsystem entwickelt, mit dem denkbar einfach die Funktionsprüfung in einem frühen Produktionsstadium gelingen soll.

KI erkennt kleinste Fehler auf Zellebene

Das Analyseverfahren kombiniert innovative Sensorik mit maschinellen Lernalgorithmen und selbstlernenden Auswertungssystemen. „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.“

Top Stellenangebote

Zur Jobbörse
SWM Services GmbH-Firmenlogo
Planung Netztrafostationen (m/w/d) SWM Services GmbH
München Zum Job 
VDI Technologiezentrum GmbH-Firmenlogo
Projekt Manager*in in der Projektträgerschaft Materialien für Bau und Infrastruktur VDI Technologiezentrum GmbH
Düsseldorf Zum Job 
Dyneon GmbH-Firmenlogo
Betriebsingenieur (m/w/d) Dyneon GmbH
Burgkirchen an der Alz Zum Job 
FAULHABER-Firmenlogo
Versuchsingenieur (m/w/d) FAULHABER
Schönaich Zum Job 
Excellence-Firmenlogo
Leitender technischer Planer (m/w/d) Umspannwerke Excellence
Hannover Zum Job 
Excellence-Firmenlogo
Planungsingenieur (m/w/d) Versorgungsinfrastruktur Excellence
Braunschweig Zum Job 
Excellence-Firmenlogo
Entwicklungsingenieur Elektrotechnik Wärmepumpen (m/w/d) Excellence
Göttingen, Hildesheim Zum Job 
Süwag Energie AG-Firmenlogo
Senior Projektmanager Netzschutz und Leittechnik (m|w|d) Süwag Energie AG
Frankfurt am Main Zum Job 
Süwag Energie AG-Firmenlogo
Senior Projektmanager Hochspannungsnetz (m|w|d) Süwag Energie AG
Frankfurt am Main, Pleidelsheim Zum Job 
Süwag Energie AG-Firmenlogo
Sachbearbeiter Messtechnik (m|w|d) Süwag Energie AG
Hofheim Zum Job 
Rohde & Schwarz Österreich GesmbH-Firmenlogo
Konstruktionsingenieur (m/w/d) für Hochleistungsverstärkersysteme Rohde & Schwarz Österreich GesmbH
Rohde & Schwarz Österreich GesmbH-Firmenlogo
Softwareentwickler (m/w/d) Embedded Systems Rohde & Schwarz Österreich GesmbH
Berlin, Stuttgart Zum Job 
FRITSCH Bakery Technologies GmbH & Co. KG-Firmenlogo
Teamleiter (m/w/d) Mechanische Konstruktion - Transportsysteme FRITSCH Bakery Technologies GmbH & Co. KG
Markt Einersheim Zum Job 
Berliner Wasserbetriebe-Firmenlogo
Leiter:in Automatisierung (w/m/d) im Bereich Planung und Bau Berliner Wasserbetriebe
battenfeld-cincinnati Germany GmbH-Firmenlogo
Project Engineer / Projektingenieur (m/w/d) im Vertrieb / Maschinenbau battenfeld-cincinnati Germany GmbH
Bad Oeynhausen Zum Job 
Berliner Wasserbetriebe-Firmenlogo
Verkehrsingenieur:in Netze (w/m/d) Berliner Wasserbetriebe
Albert Handtmann Maschinenfabrik GmbH & Co. KG-Firmenlogo
Patentingenieur (m/w/d) Albert Handtmann Maschinenfabrik GmbH & Co. KG
Biberach an der Riß Zum Job 
Berliner Wasserbetriebe-Firmenlogo
Ingenieur:in (w/m/d) Projektabwicklung Netze Berliner Wasserbetriebe
PRIMAGAS Energie GmbH-Firmenlogo
Ingenieur (m/w/d) Technik und Sicherheit im Außendienst PRIMAGAS Energie GmbH
Brandenburg, Sachsen, Mecklenburg-Vorpommern, Berlin Zum Job 
in-tech-Firmenlogo
Ingenieur Testautomatisierung (m/w/d) in-tech
verschiedene Standorte Zum Job 

Die Idee des Start-ups 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.

Auf der Suche nach dem verräterischen magnetischen Fingerabdruck

So einfach die Anwendung sein mag, es kommt dabei eine gigantische Datenmenge zustande, die ausgewertet und nach abweichenden Mustern abgesucht werden muss. Damit schlägt die Stunde der KI. Um den verräterischen magnetischen Fingerabdruck zu identifizieren hat das Startup 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.“

Die mathematische Tool-Box optimiert sich selbst

Möglich wird derartiges Blitzlernen durch eine eigenentwickelte Netzwerkarchitektursuche, die nach geeigneten mathematischen Hilfsmitteln fahndet, 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.

In der Praxis erkennt die Software des Start-ups 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.

Testergebnisse im Sekundentakt

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 zählen. Auch Tesla sowie Forschungs- und Entwicklungsabteilungen zeigen sich interessiert, so die Firma.

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.

Ein Beitrag von:

  • Chris Löwer

    Chris Löwer

    Chris Löwer arbeitet seit mehr als 20 Jahren als freier Journalist für überregionale Medien. Seine Themenschwerpunkte sind Wissenschaft, Technik und Karriere.

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.