Mobile-Menu

Elektromobilität Batterietechnik: Mit künstlicher Intelligenz schneller neue Materialvorschläge generieren

Von Stefanie Eckardt 2 min Lesedauer

Die Universität Bayreuth und die Hong Kong University of Science and Technology haben gemeinsam ein sogenanntes Multiagentensystem im Batteriedesign zum Einsatz gebracht. Mit dem KI-basierenden Tool lassen sich Vorschläge für neue Batteriematerialien schneller generieren.

Die Universität Bayreuth hat zusammen mit der Hong Kong University of Science ein Multiagentensystem entwickelt, das auf LLMs beruht und aus zwei Software-Agenten besteht, die kollektiv ein Problem oder eine Fragestellung lösen(Bild: Universität Bayreuth)
Die Universität Bayreuth hat zusammen mit der Hong Kong University of Science ein Multiagentensystem entwickelt, das auf LLMs beruht und aus zwei Software-Agenten besteht, die kollektiv ein Problem oder eine Fragestellung lösen
(Bild: Universität Bayreuth)

Um die Lebensdauer und Kapazität von Batterien zu erhöhen, sind effiziente Batteriedesigns mit neuen Materialen notwendig. Die Entdeckung geeigneter Materialien ist allerdings ein langwieriger und Ressourcen-intensiver Prozess. Der von der Universität Bayreuth und der Hong Kong University of Science and Technology entwickelte KI-Ansatz bietet eine Vorlage für die schnellere Entwicklung von neuen Batterien.

Elektrolytmaterialien schnell entdecken

Der Elektrolyt einer Batterie, der zwischen den Elektroden Ionen transportiert und so für den Stromfluss sorgt, ist ausschlaggebend für die Lebensdauer, Sicherheit und Gesamtleistungsfähigkeit von Batterien. Damit ist die Entdeckung neuer Elektrolytmaterialien ein treibender Faktor. Die Identifizierung geeigneter Elektrolyte setzt allerdings lange Forschungsarbeit voraus, in der vielversprechende Materialzusammensetzungen zunächst gefunden und anschließend experimentell getestet werden müssen – ein Prozess, der oft Wochen oder Monate erfordert. Mit einem KI-basierten Ansatz haben Forscher vom Lehrstuhl für Elektrodendesign elektrochemischer Energiespeicher am Bayerischen Zentrum für Batterietechnik (BayBatt) der Universität Bayreuth einen wichtigen Schritt zur Beschleunigung dieses Prozesses gemacht.

Neues Multiagentensystem

Hierfür hat die Universität zusammen mit der Hong Kong University of Science ein Multiagentensystem entwickelt, das auf Large-Language-Models (LLMs) wie ChatGPT beruht und aus zwei spezialisierten Einheiten (Software-Agenten) besteht, die kollektiv ein Problem oder eine Fragestellung lösen. Ein Agent hat dabei einen breiten Überblick über die vorliegende Literatur zur Forschungsfrage, der andere hat Zugriff auf fundiertes, detailliertes Fachwissen. Wenn Menschen recherchieren, aussieben und abwägen, dann dauert es Wochen und Monate bis ein geeignetes Material identifiziert ist. Die KI macht das in nur wenigen Stunden. Mit diesem Multiagentensystem hat das Team einen wegweisenden Ansatz zur Nutzung KI-gesteuerter Kreativität zur Beschleunigung der Materialentdeckung geschaffen.

Effiziente Vorschläge für die Praxis

Das Multiagentensystem schlug mehrere neue kostengünstige und umweltfreundliche Elektrolytkomponenten für Zinkbatterien vor. Einer der Elektrolyten zeigte in der experimentellen Testung eine herausragende Leistung, die mit den fortschrittlichsten Batteriesystemen dieser Elektrolytklasse konkurrieren kann. Das neue Design bewies seine Haltbarkeit durch mehr als 4.000 Lade- und Entladezyklen. Außerdem stellte es einen neuen Schnelllade-Rekord in seiner Elektrolytklasse auf und bot im Vergleich zu ähnlichen Elektrolyten eine um fast 20 Prozent höhere Kapazität bei Schnellladegeschwindigkeiten. (se)

(ID:50512354)

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte