Revolutionierung der Batterietechnologie: Wie Künstliche Intelligenz die Energiespeicherung der Zukunft prägen wird

Die Qualität von Batterien entscheidet über vieles in unserem Alltag: Kommen wir mit dem Elektroauto am Urlaubsort an? Bleiben wir auf unseren Smartphones erreichbar? Hat das Hörgerät auch spätabends noch genug Energie? Mohamed El Bahnasawi arbeitet im EU Horizon Europe Projekt „Battery Cell Assembly Twin (BatCAT)“ daran, dass Batterien intelligenter und effizienter werden. Mittels Künstlicher Intelligenz will man mehr über die Prozesse in den Akkus erfahren, um sie künftig effizienter nutzen zu können.

Mohamed El Bahnasawi ist kein Chemiker oder Physiker, sondern Wissenschaftler im Bereich Künstliche Intelligenz. Wie gehen er und seine Kolleg:innen im Projekt BatCAT an die Erforschung von intelligenteren Batterien heran? Uns erklärt er: „Wir erstellen einen digitalen Zwilling der Batterie. In diesem Zwilling modellieren wir alles: von dem chemischen Prozess bis zum Design der Herstellung. Mit dem digitalen Modell können wir dann viele Szenarien simulieren, ohne in der physischen Welt mit echten Batterien hantieren zu müssen.“

Der Bedarf für intelligentere Batterien sei immer höher: „Da Batterien eine wachsende Zahl von Technologien – von Smartphones bis hin zu Elektrofahrzeugen – antreiben, ist es wichtig, ihre Effizienz zu verbessern, ohne sie zu vergrößern. Kleinere, haltbarere Batterien könnten zum Beispiel die Reichweite von Elektrofahrzeugen erhöhen oder schlankere, effizientere Smartphones ermöglichen.  Der Fortschritt in diesem Feld ist rasant.“ Die Künstliche Intelligenz ermöglicht es, aus historischen Daten Vorhersagen für die Zukunft zu treffen. Das soll auch für Batterien möglich sein, um ihr zukünftiges Verhalten und ihren Zustand abschätzen zu können. Damit Daten zur Verfügung stehen, müssen Sensoren und intelligente Software implementiert werden, die uns helfen, den Zustand der Batterie und die Auswirkungen auf den gesamten Lebenszyklus zu verstehen.

Ein wichtiger Aspekt im durch die Europäische Union geförderten Projekt sei dabei die „explainable KI“. Mohamed El Bahnasawi erklärt dazu: „Deep Learning ist sehr leistungsfähig. Wir sehen aber, dass in vielen Feldern zwischen der Eingabe und der Ausgabe von Daten Dinge passieren, die wir nicht nachvollziehen können. Das nennen wir Black Box. Die Europäische Union ist hier restriktiv: Es muss beschreib- und erklärbar sein, was die KI macht. Für uns bedeutet das, einen Kompromiss zu finden, zwischen Erklärbarkeit und Leistung. Wir brauchen ein Modell, das erklärbar ist, und gleichzeitig sehr gut funktioniert.“ Daran arbeiten seit Jänner 2024 18 Partner in neun europäischen Ländern. Das Projekt wird von Forscher:innen an der Norwegian University of Life Sciences geleitet. An der Universität Klagenfurt fungieren Martin Gebser (Institut für Artificial Intelligence & Cybersecurity) sowie Kyandoghere Kyamakya (Institut für Intelligente Systemtechnologien) als Projektleiter.

Mohamed El Bahnasawi ist wissenschaftlicher Mitarbeiter im Projekt und arbeitet im Zuge dessen an seiner Dissertation. Er hat sein Bachelorstudium an der Nile University in Ägypten im Fach „Mechatronics, Robotics, and Automation Engineering“ abgeschlossen. Ein Auslandssemester brachte ihn an die Fachhochschule Oberösterreich nach Wels. Schließlich entschied er sich, sein Masterstudium an der Universität Klagenfurt in „Information and Communications Engineering / Autonomous Systems and Robotics“ mit Unterstützung des von der AAU finanzierten Technology Scholarships (mit dem OeAD durchgeführt) zu belegen. Das Vollzeit-Studium kombinierte er dann auch noch mit einer Vollzeit-Berufstätigkeit: Ein Jahr lang arbeitete er als Hardware Development Engineer bei AT&S in Leoben. Seit Juni 2024 ist er nun an als PräDoc-Mitarbeiter im Projekt BatCAT tätig.