Neu am HZB: Tomographie-Labor für die KI-unterstützte Batterieforschung
Röntgen-Tomographie einer Batterie-Kathode, virtuell in ihre Bestandteile zerlegt. © M. Osenberg, I. Manke/ HZB / Binder/ KIT
Am HZB wird ein Labor für automatisierte Röntgen-Tomographie an Festkörper-Batterien eingerichtet. Das Besondere: 3D-Daten während der Lade/Entladeprozesse (operando) können mit Methoden der Künstlichen Intelligenz (KI) rascher und vielseitiger ausgewertet werden. Das Bundesministerium für Forschung und Bildung fördert das Projekt „TomoFestBattLab“ mit 1,86 Millionen Euro.
Röntgen-Tomographie ermöglicht es, direkt in eine Batterie hineinzuschauen und ihr während des Entladens und Beladens zuzuschauen. „Wenn etwa das Lithium beim Laden und Entladen zwischen Anode und Kathode hin und her wandert, dehnt sich möglicherweise das Lithium-Speichermaterial aus oder es finden chemische Umwandlungsprozesse statt“, erläutert der Tomographieexperte Dr. Ingo Manke. Die dreidimensionale Abbildung dieser strukturellen Veränderungen kann Schwachstellen hinsichtlich Leistung und Haltbarkeit deutlich machen, zum Beispiel Alterungsprozesse. Die Röntgen-Tomographie kann diese Strukturveränderungen abbilden und ist daher auch in der Batterieforschung - ähnlich wie in der Medizin - zu einer unverzichtbaren Messtechnik geworden.
Das HZB baut nun ein automatisiertes Tomographie-Labor auf, das speziell auf die Bedürfnisse von so genannten Festkörperbatterien ausgerichtet ist. Die Auswertung tomographischer Messungen ist äußerst zeitaufwändig, da die erzeugten Datenmengen sehr groß sind und komplexe 3D-Algorithmen erfordern. Daher sollen große Teile der 3D-Auswertungen mit Hilfe von Verfahren der künstlichen Intelligenz (bzw. des maschinellen Lernens) vollautomatisiert werden. Unterstützt wird dies durch einen speziellen Hochleistungs-Computer, mit dem so genannte „digitale Zwillinge“ der realen Batterien im Computer erzeugt werden können.
Diese Kombination aus Methoden der künstlichen Intelligenz und Tomographie-Messverfahren ist ein innovativer Ansatz mit Pilotfunktion für die Ausstattung zukünftiger Labore. „Das Projekt hilft uns dabei, die Batterieforschung im Hinblick auf die Erfordernisse der Industrie 4.0 zu digitalisieren und neue Wege bei der Entwicklung von Batterien einzuschlagen“, sagt Projektkoordinator Manke.
Das neue Labor wird Arbeitsgruppen an universitären und außeruniversitären Forschungseinrichtungen sowie Industrieunternehmen darin unterstützen, neue Batterietechnologien zu entwickeln und zu verbessern.
Laufzeit bis Herbst 2024
Das Projekt „Machine Learning unterstütztes automatisiertes Labor für multi-dimensionale Operando Tomographie von Festkörperbatterien unter realen Betriebsbedingungen“ (TomoFestBattLab, FKZ 03XP0462) wird durch das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen der Initiative zum Ausbau der nationalen Forschungsinfrastruktur im Bereich der Batteriematerialien und -technologien (ForBatt) gefördert. Die Förderung läuft vom 01.09.2022 bis 31.08.2024.
- Perowskit-Solarzellen: Prognosen zur LangzeitstabilitätZuverlässige Aussagen über die Langzeitstabilität von Perowskit-Solarzellen sind nach wie vor schwierig. Welche Verfahren zur Prognostik von Langzeitstabilität aussagekräftig sind, und wo noch Forschungsbedarf besteht, zeigt nun eine neue Studie aus dem Team um Dr. Carolin Ulbrich im renommierten Fachjournal Joule.
- VOLT - Kunst im Rohbau des HZB: 19. bis 21. Juni 2026Außergewöhnliche Kulisse: Vom 19. bis 21. Juni stellen Künstler*innen und Studierende der Universität der Künste Berlin im Rohbau des Versorgungstechnikgebäudes auf dem HZB-Campus in Berlin-Adlershof aus. Die Öffentlichkeit ist herzlich zu der dreitägigen Ausstellung eingeladen.
- Danke für die tolle Lange Nacht der Wissenschaften!Am 6. Juni 2026 öffneten wir wieder unsere Türen bei der Langen Nacht der Wissenschaften. Das Interesse war riesig. Mit 3100 Besucher*innen kamen 500 Menschen mehr als beim letzten Mal zu BESSY II. Wir danken allen für das große Interesse! In der Bildergalerie haben wir die schönsten Momente dieses Abends festgehalten.