Die Batterierevolution: Computer und KI bestimmen die Zukunft der Energiespeicherung
Empa-Forscher wollen mit Hilfe der Aurora-Batterieroboter die Entwicklung dringend benötigter neuer Energiespeichersysteme beschleunigen. Das Aurora-Projekt ist Teil des europäischen Forschungsprogramms Battery2030+, das kürzlich von der Europäischen Union mit mehr als 150 Millionen Euro gefördert wurde. Darüber hinaus ist das Projekt Teil der Initiative „Open Research Data“ des ETH-Rats, die die Digitalisierung und den freien Zugang zu Forschungsdaten fördert. Die Welt braucht dringend neue Energiespeicher. Völlig neue Batteriekonzepte zu entwickeln und deren Potenziale auszuloten, ist derzeit ein langwieriger Prozess.
Corsin Battaglia, Leiter des Empa Energy Conversion Materials Laboratory in Diebendorf und Professor an der ETH Zürich, betont: „Unser Ziel ist es, diesen Prozess zu beschleunigen.“ Diese Beschleunigung spiegelt sich derzeit in Form der Aurora-Roboterplattform wider. Die Plattform soll künftig die vollautomatisierte, autonome Materialauswahl, Montage und Analyse von Batteriezellen im Labor übernehmen."Als Teil der European Materials Acceleration Platform, die im Rahmen des europäischen Battery2030+-Projekts BIG-MAP eingerichtet wurde, ist es das Ziel, eine etwa zehnfache Beschleunigung gegenüber aktuellen Entwicklungsprozessen zu erreichen.
Für eine international wettbewerbsfähige Batterieforschung und -entwicklung werden nun zeitaufwändige und fehleranfällige Schritte im Innovationsprozess mit Aurora automatisiert. Die Roboterplattform wird derzeit im Empa-Labor zusammen mit der Chemspeed Technologies AG weiterentwickelt.
Empa-Forscherin Svalotto-Ferro führt die Arbeitsschritte durch und"Ausbildung"Aurora."Wenn Roboter einzelne Batteriekomponenten mit konstanter Genauigkeit wiegen, dosieren und zusammenbauen, Ladezyklen präzise einleiten und abschließen sowie andere sich wiederholende Schritte ausführen, können Forscher die generierten Daten nutzen, um den Innovationsprozess voranzutreiben."er sagte.
Künftig wird Aurora aber auch lernen, autonom zu arbeiten. Durch maschinelles Lernen kann Aurora AI mathematische Modelle erstellen und entscheiden, welche Experimente als nächstes durchgeführt werden sollen und welche Materialien und Komponenten für gewünschte Batterieanwendungen besonders vielversprechend sind.
Da Aurora AI unabhängig von Materialien, Batteriechemie und Stromerzeugung eingesetzt werden kann, könnte es künftig nicht nur zur Verbesserung von Lithium-Ionen-Batterien, sondern auch zur Entwicklung von Ersatz-Natrium-Ionen-Batterien oder Batterien mit Selbstheilungsmechanismen eingesetzt werden. Mit Aurora können Forscher die zahlreichen Prozessschritte bei der Entwicklung und Herstellung von Batteriezellen effektiv überwachen, auswerten und die Daten jederzeit bis zur Quelle zurückverfolgen. Sie können auch Laborprototypen (z. B. Salzwasserbatterien oder Festkörperbatterien) effizienter und zuverlässiger machen. Eine schnelle Markteinführung wird den Innovationsprozess weiter beschleunigen und eine umfassende digitale Strategie in Forschung und Entwicklung für Industrie 4.0 bereitstellen.