Multimodale KI-gestützte Qualitätsbewertung von Batteriezellen

Sichere, langlebige und wettbewerbsfähige Batteriezellen sind Voraussetzung für Elektromobilität und stationäre Energiespeicher. Beim Hochlauf neuer Fertigungslinien entstehen jedoch hohe Ausschussraten und damit vermeidbare Kosten und CO₂-Emissionen. Im Projekt »BatterSense« überträgt das Fraunhofer ISE gemeinsam mit V4SMART, PVA TePla AS, VARTA Microbattery und der RWTH Aachen die Scanning Acoustic Microscopy (SAM) auf zylindrische Batteriezellen. Das Ultraschallverfahren blickt zerstörungsfrei in das Zellinnere. Methoden der Künstlichen Intelligenz erkennen darin Fehlermuster und liefern Hinweise zur Prozessoptimierung.

Ausgangslage

In der End-of-Line-Prüfung dominieren heute elektrische Verfahren, die nur einen globalen Eindruck vom Zustand der fertigen Zelle liefern. Sicherheitskritische Fehler wie mangelhafte Schweiß- und Klebeverbindungen, eine ungleichmäßige Elektrolytverteilung oder eingeschlossene Fremdpartikel bleiben unentdeckt und zeigen sich erst im Betrieb. Rückschlüsse auf die Fehlerursache in der Produktion erfordern bislang die zerstörende Öffnung von Zellen. Diese Post-mortem-Analysen sind teuer, zeitaufwendig und nur stichprobenartig möglich, was eine schnelle Anpassung der Fertigungsparameter erschwert. Die Folge sind hohe Ausschussraten beim Hochlauf: Ein Prozentpunkt Ausschuss verursacht nach Berechnungen des Fraunhofer ISE in einer 10-Gigawattstunden-Fabrik jährlich 5.000 Tonnen CO₂-Emissionen und verschwendet kritische Rohstoffe.

Ziel

Ziel von »BatterSense« ist ein kostengünstiges, zerstörungsfreies Prüfverfahren, das die Qualität zylindrischer Batteriezellen im Inneren bewertet, ohne sie zu öffnen. Der Verbund passt die Scanning Acoustic Microscopy an die gekrümmte Geometrie von Rundzellen an und erprobt sie in einer industrienahen Offline-Analytik bis zum Technologiereifegrad 4 bis 5. Die anfallenden UltraschallZeitreihen sollen KI-Modelle automatisiert auswerten, Anomalien lokalisieren und bekannten Fehlerbildern zuordnen. Das Fraunhofer ISE verantwortet dabei die messtechnische Charakterisierung, die Korrelation der multimodalen Datensätze und die KI-gestützte Auswertung. So entsteht eine belastbare Datenbasis, mit der Zellhersteller Fehlerursachen früher erkennen und ihre Prozesse gezielt nachsteuern können.

Lösungsansatz

Aufbauend auf Vorarbeiten des Fraunhofer ISE im Projekt »SAMBA«, in denen kommerzielle Pouchzellen vollständig mit Ultraschall durchstrahlt und charakterisiert wurden, überträgt das Institut die Methode auf zylindrische Formate. Angepasste Prüfaufbauten und Auswerteroutinen trennen die Signalanteile aus Gehäuse, Wickel und Elektrolyt. Referenzzellen mit gezielt eingebrachten Defekten sowie Fertigungsproben der Partner liefern gelabelte Trainingsdaten. Das ISE führt SAM-Messungen (Scanning Acoustic Microscopy), elektrische Charakterisierung, Computertomographie und Post-mortem-Analysen zu einem multimodalen, FAIR-konformen Datensatz zusammen. Darauf trainiert das Institut in Kooperation mit der RWTH Aachen KI-Modelle, die Ultraschallsignale vorverarbeiten, Anomalien segmentieren und Fehlerklassen zuordnen. Erklärbare Verfahren machen die Entscheidungen nachvollziehbar.

Ergebnisse

Erwartet wird ein Prüfverfahren, das innere Fehler zylindrischer Zellen zerstörungsfrei sichtbar macht und schneller Rückschlüsse auf die Fertigung erlaubt als heutige Stichprobenanalysen. Wie genau sich einzelne Fehlerklassen unterscheiden lassen, ist Gegenstand der Untersuchungen. Gelingt der Nachweis im industrienahen Umfeld, lässt sich die Methode perspektivisch zu einer Inline-Qualitätssicherung weiterentwickeln, die Zellen bereits während der Produktion prüft. Geringere Ausschussraten würden Kosten, CO₂-Emissionen und den Verbrauch kritischer Rohstoffe senken. Veröffentlichungsfähige Datensätze sollen zudem der Forschungsgemeinschaft als Open Data zur Verfügung stehen.

Das Projekt »BatterSense«  wird vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR), Förderkennzeichen: 03XPB065B gefördert.