Quaze – Optisches Prüfverfahren zur Qualitätsbestimmung von Batteriezellen

Um die hohen Ausschussquoten in der Batteriezellproduktion zu verringern, wird frühzeitiges Feedback zur Qualität der Zellen aus dem Produktionsprozess benötigt. Im Projekt »Quaze« verfolgen wir gemeinsam mit unseren Industriepartnern einen innovativen Ansatz einer zerstörungsfreien Qualitätsbestimmung von Batteriezellen durch optische Messtechnik, die leicht in Produktionsprozesse integrierbar ist.

Durch die Einlagerung von Lithium-Ionen auf der Anodenseite expandieren Batteriezellen bei Aufladung und kontrahieren bei Entladung. Diese Volumenveränderung der Batteriezellen wird im Rahmen dieses Projekts hinsichtlich des zu erwartenden Verhaltens sowie hinsichtlich Indikatoren für Qualitätsmängel untersucht. Ziel ist die Entwicklung einer Lösung für eine effiziente Qualitätsbestimmung, insbesondere für die Implementierung von optischer Sensortechnik in industriellen Produktionsanlagen zur Generierung von umfangreichen Messdaten und deren Auswertung mittels künstlicher Intelligenz (KI).

Defekte in Batteriezellen können die Lebensdauer reduzieren und einen sicheren Betrieb gefährden. Daher ist eine möglichst frühe Erkennung von Qualitätsmängeln bereits in der Produktion wichtig. Bisherige zerstörungsfreie Verfahren erfassen kritische Defekte nur unzureichend und lassen häufig keine Rückschlüsse auf den Ort und die Ursache zu.

Das Konsortium des Verbundsprojektes »Quaze«, bestehend aus den Industriepartnern Precitec Optronik GmbH, Precitec GmbH & Co. KG und dem Fraunhofer ISE sowie den assoziierten Partnern Farasis Energy Europe GmbH, RRC power solutions GmbH, BaSyTec GmbH, strebt die Entwicklung eines innovativen und zerstörungsfreien Prüfverfahrens für die präzise Messung von lokalen Volumenänderungen an Batteriezellen während der Zyklisierung sowie daraus abgeleitet die Identifikation von Qualitätsmängeln an.

Ziel ist es, durch ein neues Prüfverfahren Batteriedefekte möglichst früh im Produktionsprozess zu erkennen. Das Verfahren basiert auf der ortsaufgelösten Detektion mechanischer Anomalien mittels optischer Abstandsmessungen für Batteriezellen und ergänzt die bisher übliche elektrische Charakterisierung. Dies verbessert die Qualität und Sicherheit von Batteriezellen. Durch eine frühe Erkennung in der Produktion kann der Ausschuss deutlich reduziert werden, was Kosten spart und die Umweltverträglichkeit der Batterietechnologie verbessert. Diese Prüfverfahren können in die üblichen End-of-Line-Tests integriert werden und die reversible Ausdehnung der Batteriezellen während ihres Lade- oder Entladezyklus messen. Untypisches auf Qualitätsmängel zurückführbares Verhalten in der Volumenausdehnung kann damit frühzeitig identifiziert werden.

Die integrierte Messung der Ausdehnung von Batteriezellen kann insbesondere nach dem Eintreffen neuer Produktchargen oder neuer Lieferanten, bei Änderungen oder Unterbrechungen von Produktionsschritten den Produktionsanlauf verkürzen und damit wertvolle Ressourcen einsparen.

In dem Projekt werden zahlreiche kommerzielle Pouch- und zylindrischen Batteriezellen während der Zyklisierung untersucht. Dabei werden sehr große Mengen an Messdaten erzeugt. Diese werden verwendet, um mit Machine-Learning-Verfahren – insbesondere Deep-Learning-Verfahren – Modelle zu generieren, welche Vorhersagen über die Qualitätsmängel und die zu erwartende Alterungsentwicklung liefern. Diese Verfahren, in Verbindung mit präzisen punktuellen Messungen, ermöglichen eine wesentliche Verbesserung bisheriger Qualitätsbestimmungen und Lebensdauerprognosen. Für die Entwicklung eines Algorithmus zur Lebensdauervorhersage werden die irreversiblen Ausdehnungen der Batteriezellen während bestimmter Batteriezyklen gemessen.

Aus diesen innovativen KI-gestützten Messverfahren entstehen wichtige neue Erkenntnisse über den Zusammenhang von Defekten und der Volumenänderung von Batteriezellen, die deutlich über den aktuellen Wissensstand hinausgehen. Die Unterstützung des Konsortiums durch industrielle Partner aus der Batteriefertigung beschleunigt den Ergebnistransfer.