Heisenberg-Professur für Carsten Schilde Batterieforschung: Wie künstliche Intelligenz die Verfahrenstechnik voranbringen kann

Im Rahmen der Heisenberg-Professur zum Thema „Digitale Methoden für komplexe Systeme in der Verfahrens- und Fertigungstechnik“, die Professor Carsten Schilde 2022 zugesprochen wurde, beschäftigen sich Wissenschaftler*innen neben klassischen Simulationsmethoden mit Methoden der künstlichen Intelligenz (KI). Mit deren Hilfe sollen zukünftig das Verständnis und die Regelung verfahrenstechnischer Prozesse entlang der Herstellungsprozesskette erleichtert werden. Dieses Wissen kann auch in der Batterieforschung eine wichtige Rolle spielen.

Professor Carsten Schilde mit Präsidentin Angela Ittel und Professor Klaus Dröder (Dekan der Fakultät Maschinenbau). Bildnachweis: Kristina Rottig/TU Braunschweig

Die Anwendungsmöglichkeiten von KI-Methoden in diesem Bereich sind nicht nur vielfältig, sondern bergen auch eine Menge ungenutztes Potenzial, z.B. im Bereich der prädiktiven Modellierung, Prozess- und Formulierungsoptimierung, Fehlererkennung, Unsicherheitsbetrachtung, intelligenten Prozesssteuerung, Maßstabsübertragung und mechanistischen Modellierung.

In den letzten Jahren hat sich die Arbeitsgruppe verstärkt mit Methoden der künstlichen Intelligenz (genetische und symbolische Programmierung, genetische Algorithmen, verschiedenste neuronale Netze, etc.) in Verbindung mit Experiment und numerischer Simulation beschäftigt. Dabei stehen u.a. Hybridmodellierungsansätze über genetische und symbolische Programmierung, der Aufbau eines ML-Expert-Managementsystems sowie Projekte zur ML-basierten Maschinenregelung, DEM-ML-Surrogate Modelle oder die Programmierung neuer, auf Kombinatorik basierender KI-Methoden im Vordergrund.

So bearbeitet die Arbeitsgruppe beispielsweise eine Reihe von Projekten mit dem Ziel, datenbasiert physikalisch inspirierte Hybridmodelle abzuleiten, die unter anderem die komplexen Prozesse bei der Herstellung von Batterieelektroden beschreiben. Diese Modelle werden durch einen am Institut für Partikeltechnik (iPAT) entwickelten Hybridmodellierungsansatz abgeleitet und könnten bei der Auslegung, Optimierung und Übertragung von Materialien und Prozessen entlang der gesamten Wertschöpfungsprozesskette eine entscheidende Rolle spielen.

Darstellung der KI-Anwendungen in der Verfahrenstechnik. Bildnachweis: Ahmed Eisa/TU Braunschweig

Um geeignete Daten für die Hybridmodellierung zu erzeugen, werden in Kooperation mit dem Forschungsbereich Batterieverfahrenstechnik des iPAT Datenerfassungs­systeme in bestehende Prozesse weiter integriert. Diese Modelle sollen zukünftig als Reverse-Engineering-Strategien verwendet werden, um ein noch tieferes Verständnis von den untersuchten Produktentstehungsprozessen zu erlangen und dadurch eine nachhaltige Entwicklung des Technologiestandortes Deutschland und Sicherung der weltweiten Wettbewerbsfähigkeit in der Batterieverfahrenstechnik ermöglichen.