Weniger seltene Erden TempAI: ZF verbessert Temperaturmanagement in elektrischen Antrieben mit KI

Mit der auf künstlicher Intelligenz basierenden Lösung TempAI integriert ZF eine neue Methode, die das Temperaturmanagement in elektrischen Antrieben optimiert. Durch den Einsatz eines lernfähigen Temperaturmodells verbessert TempAI die Prognosegenauigkeit um über 15 Prozent – und ermöglicht damit eine deutlich präzisere thermische Ausnutzung der elektrischen Maschine.

Im E-Motor, dort wo es zu heiß, zu eng oder schlicht unmöglich ist, misst ZF jetzt präzise die Temperatur, so der Zulieferer. Die Vorteile liegen klar auf der Hand: Exakte Daten ermöglichen es, deutlich mehr Leistung aus einem Elektromotor herauszuholen. Das funktioniert ohne zusätzliche Hardware – nur durch künstliche Intelligenz (KI).

Die neue Lösung TempAI basiert auf einer Plattform, die physikalisch fundierte Modelle automatisiert aus Messdaten generiert und in kurzer Zeit lauffähig macht. Bestehende Steuergeräte reichen aus, weil die verwendeten KI-Modelle geringe Rechenressourcen beanspruchen. Das führt zu einer sehr kosteneffizienten Umsetzung in der Serie. „Diese Technologie ermöglicht es uns, die Effizienz und Zuverlässigkeit unserer Antriebe weiter zu steigern. Gleichzeitig zeigen wir mit TempAI, wie datengetriebene Entwicklung nicht nur schneller, sondern auch nachhaltiger und leistungsfähiger sein kann“, erklärt Dr. Stefan Sicklinger, Leiter KI, Digitales Engineering und Validierung im Bereich F&E.

Die auf KI basierende Technologie ist serienreif und für die neue Generation von ZF-Elektromotoren verfügbar, wie Dr. Otmar Scharrer, Entwicklungsleiter für elektrifizierte Antriebstechnologien betont: „Wir sind stolz darauf, diese Innovation nun in die Serienproduktion zu bringen und damit einen bedeutenden Beitrag zur effizienteren E-Mobilität zu leisten. „TempAI ist ein echter technologischer Durchbruch für das Temperaturmanagement elektrischer Antriebe.“

Sechs Prozent mehr Spitzenleistung im WLTP-Zyklus

Die präzisere Temperaturvorhersage ermöglicht eine gezieltere Regelung bis zur thermischen Betriebsgrenze. Das Ergebnis: bis zu sechs Prozent mehr Spitzenleistung und eine nachweisebare Effizienzsteigerung im WLTP-Zyklus. Bei dynamischer Fahrt – etwa auf der Nürburgring-Nordschleife – sinkt der Energieverbrauch je nach Lastpunkt um 6 bis 18 Prozent.

Seltene Erden reduzieren

TempAI punktet auch mit ökologischen und wirtschaftlichen Vorteilen: Durch die optimierte thermische Auslegung lassen sich signifikante Mengen an schweren seltenen Erden einsparen. Gleichzeitig verkürzt sich die Entwicklungszeit pro Projekt erheblich: von mehreren Monaten auf wenige Tage. Denn während der Entwicklung von E-Antrieben hilft KI, Vorgänge im Inneren des E-Motors zu verstehen und zu erfassen, für die es – aus Kosten- oder Zeitgründen – kein physikalisch zuverlässiges Modell gibt. Die Herausforderung: Die Temperatur im Inneren eines Rotors lässt sich während des Betriebs nur mit hohen Kosten direkt messen.

Aber es gibt zahlreiche Messdaten, die bei aufwändigen Funktionstests am Prüfstand und später in den Erprobungsfahrzeugen systematisch erfasst werden: Dazu gehören Temperaturwerte aus dem Umfeld, etwa aus der Ölwanne, sowie die Drehzahlen des Rotors. Aus den verschiedenen möglichen Betriebspunkten und deren zeitlichen Verlauf ergeben sich Millionen von Datenpunkten. Sie sind abhängig davon, ob und wann die Fahrer die volle Leistung abrufen oder im Schritttempo dahingleiten. Wenn KI-Algorithmen darauf trainiert sind, können sie exakt jene Abhängigkeiten herausfiltern, die für die Temperaturveränderungen am Rotor und Stator aussagekräftig sind. (se)

ZF eMobility Tech Day 2025

Technologische Vielfalt für nachhaltige Mobilität

(ID:50472438)