„ProMoBatt“: Konsortium will Prozessschritte der Batteriezellen-Fertigung optimieren

Im Rahmen des frisch gestarteten und vom Bund geförderten Projekts „ProMoBatt“ (Prozessmodellierung zur Optimierung der Batteriezellfertigung) wollen Forschende mehrerer Institute und Industriepartner die Prozessschritte der Zellstapelbildung analysieren und systematisch verbessern.

In dem Projekt arbeiten Forschungsteams der Hochschule Aalen, dem Karlsruher Institut für Technologie (KIT) und der TU Berlin gemeinsam mit den Industriepartnern Custom Cells Itzehoe, Siemens, Jonas & Redmann Automationstechnik, Carl Zeiss Industrielle Messtechnik, BST und J. Schmalz zusammen.

Bis zum Ende des bis Februar 2026 laufenden Projekts wollen die Forschenden innovative, technische Lösungen für die Bereiche der Materialbahnführung, der Greif- und Handhabungstechnik sowie der Qualitätssicherung gefunden und in einem Anlagensetup konkret umgesetzt haben, wie es in der Mitteilung der HS Aalen heißt.

Dabei geht es auch, aber nicht nur um die Elektromobilität. Lithium-Ionen-Batterien kommen in immer mehr Produkten zum Einsatz – sei es in Mobiltelefonen, Power Tools, in großen stationären Energiespeichern oder eben in Elektroautos. Die steigende Nachfrage erfordere schlankere und effizientere Produktionstechniken in der Batteriezellfertigung.

„Die Fertigungsprozesse beinhaltet aktuell starke, prozessübergreifende Wechselwirkungen, die wir noch nicht richtig verstehen“, sagt Andreas Kopp, Doktorand am Institut für Materialforschung (IMFAA) an der Hochschule Aalen. Diese unbekannten Wirkzusammenhänge stellten für den deutschen Produktionsstandort nach wie vor ein „echtes Hemmnis“ dar, Batteriezellen für den globalen Markt effizient und wirtschaftlich in hohen Stückzahlen fertigen zu können.

„Wir wollen uns unter anderem genau anschauen, wie die Stapel aufeinander liegen, ob und wie beispielsweise ein Versatz entsteht“, erklärt Kopp. Dazu setzen die Forschenden aus Aalen zerstörungsfreie mikroskopische Methoden ein, um ins Innere der Zellen blicken zu können: Zunächst ermöglichen 3D-Computertomographieaufnahmen eine hochauflösende, räumliche Analyse der Stapelqualität, der Mikrostruktur und beispielsweise der Elektrodenposition. Danach kommt Machine Learning zum Einsatz: „Die künstliche Intelligenz hilft uns dabei, die Daten auszuwerten und bisher eventuell unbekannte Wirkzusammenhänge zu erkennen“, so Kopp.
Quelle: Info per E-Mail