Wie KI Elektrofahrzeuge sicherer und effizienter macht

Laut einer aktuellen Umfrage der International Energy Agency wurden im letzten Jahr weltweit mehr als 250.000 Elektrofahrzeuge (Electric Vehicles, EVs) pro Woche verkauft. Die Umfrage ergab außerdem, dass die Akzeptanz bei den Verbrauchern an einem Wendepunkt steht. Führungskräfte der Industrie gehen davon aus, dass Elektrofahrzeuge bis 2030 40 % der Autoverkäufe ausmachen werden, vor allem weil Elektrofahrzeuge immer günstiger werden.

Die Batterie ist der größte Kostenfaktor bei Elektrofahrzeugen – und ein Hotspot für Bedenken hinsichtlich Sicherheit und Leistung.

Doch neue Forschungsergebnisse der University of Arizona zeigen, dass maschinelles Lernen dazu beitragen könnte, die Explosion von Elektrofahrzeugbatterien zu verhindern. Automobilhersteller können auch fortschrittliche Algorithmen verwenden, um die spezifische Chemie, Größe und Form zu bestimmen, die zu den besten Leistungen und nachhaltigeren Autos führen.

„Die Entwicklung und Perfektionierung dieser hypothetischen Batterien könnte eine Milliarden-Dollar-Chance eröffnen“, sagte Benjamin Boeser, Innovationsdirektor bei Mercedes-Benz, einem IBM-Partner.

Auch wenn die KI noch in den Kinderschuhen steckt, wird sie den wahrgenommenen Wert von Elektrofahrzeugen um mehr als 20 % steigern. Dies geht aus einer aktuellen Umfrage des IBM Institute for Business Value hervor.

Die Lithium-Ionen-Batterie ist seit Jahren die Königin des globalen Marktes für EV-Batterien, vor allem aufgrund ihrer außergewöhnlichen Energiedichte, ihrer langen Lebensdauer und ihres leichten Designs.

Bei Lithium-Ionen-Batterien bestehen weiterhin Sicherheitsbedenken, insbesondere in Bezug auf die Gefahr eines „thermischen Durchgehens“. Dies geschieht, wenn die Temperatur der Batterien unerwartet ansteigt und die Gefahr besteht, dass die Batterien ausfallen, Feuer fangen oder sogar explodieren.

Ein thermisches Durchgehen kann aufgrund verschiedener Faktoren auftreten, darunter Überladung, übermäßige Entladung, hohe Temperaturen, Fertigungsfehler und interne Kurzschlüsse.

Um dem thermischen Durchgehen entgegenzuwirken, hat ein Team der University of Arizona ein maschinelles Lernmodell entwickelt, das Temperaturspitzen in Lithium-Ionen-Batterien vorhersagt und verhindert.

Elektrofahrzeuge verfügen in der Regel über ein Batteriepaket, das aus Hunderten von eng miteinander verbundenen Zellen besteht, die in Modulen verpackt sind. Wenn es in einer Zelle zu einem thermischen Durchgehen kommt, ist es sehr wahrscheinlich, dass sich auch benachbarte Zellen erwärmen.

„Dadurch entsteht eine Kettenreaktion, da die Temperatur in der Batterie exponentiell ansteigt“, sagt Basab Ranjan Das Goswami, der Hauptforscher des Projekts. „In diesem Fall könnte der gesamte Akku des Elektrofahrzeugs explodieren.“

Inspiriert von Wettervorhersagemodellen, die Zeit und Ort berücksichtigen, entwickelte das Team einen Algorithmus, um vorherzusagen, wann und wo ein thermisches Durchgehen wahrscheinlich beginnen wird. Mithilfe von Wärmesensoren, die um die Batteriezellen herumgeführt waren, speisten sie historische Temperaturdaten in einen Algorithmus für maschinelles Lernen ein, um zukünftige Temperaturen vorherzusagen.

„Wenn wir die Position des Hotspots oder den Beginn des thermischen Durchgehens kennen, können wir Lösungen planen, um die Batterie zu stoppen, bevor sie dieses entscheidende Stadium erreicht“, sagte Goswami.

Eine mögliche zukünftige Lösung könnte ein Frühwarnsystem umfassen, das zukünftige Hotspots erkennt und einen Sicherheitsschalter aktiviert, um die elektrischen Verbindungen vom Hauptakku zu unterbrechen.

Fortschrittliche Algorithmen machen die Batterien nicht nur sicherer, sondern können auch ihre Leistung und Nachhaltigkeit verbessern.

„In Zukunft werden KI-Chips mit geringem Energieverbrauch dazu beitragen, den Bedarf an großen Batterien zu reduzieren“, sagt Noriko Suzuki, Technologievordenkerin am IBM Institute for Business Value. „EV-Batterien sind teuer und sehr schwer, was zu einer stärkeren Belastung der Straßeninfrastruktur führt.

Das Forschungslabor von IBM in Almaden, Kalifornien, hat ein dediziertes Projekt, das KI und maschinelles Lernen nutzt, um leistungsstärkere, nachhaltigere und energieeffizientere Batterien für Elektrofahrzeuge zu entwickeln.

Insbesondere nutzt das Team Workflows für künstliche Intelligenz und maschinelles Lernen, um die Entdeckung und Optimierung von Elektrolytmaterialien zu beschleunigen – einer kritischen Komponente, die Sicherheit, Stabilität und Effizienz einer Batterie beeinflusst. Dieser Workflow integriert automatisierte Workflows und umfangreiche domänenspezifische Kenntnisse und Datensätze mit speziell entwickelten KI-Modellen, um neue Elektrolytformulierungen für Hochleistungsakkus zu ermitteln.

„KI hat das Potenzial, die Entdeckung komplexer Batteriematerialien und -prozesse voranzutreiben und so ein schnelleres Laden, eine höhere Energiedichte und eine verbesserte Nachhaltigkeit zu ermöglichen“, sagt Murtaza Zohair, ein IBM-Forschungswissenschaftler im Almaden-Labor.

Die multimodalen KI Foundation Models, große Chemiemodelle, die auf über 90 Millionen Molekülen vortrainiert wurden, können mit gekennzeichneten Batteriedaten feinabgestimmt werden, um die Eigenschaften komplexer Materialien, wie z. B. Elektrolytformulierungen, vorherzusagen und so die Batterieleistung zu optimieren. Deep-Search-Algorithmen können schnell Wissen aus enormen Mengen bestehender wissenschaftlicher Literatur extrahieren. Das Toolkit kann effizient entscheiden, welche Art von Simulationen ausgeführt werden sollen, um Materialien und ihre Funktionen besser zu verstehen. Schließlich können generative Modelle schnell neue Materialien vorschlagen.

Während sich einige Forscher auf die interne Batteriechemie konzentrieren, nutzen andere KI, um die externen Faktoren zu untersuchen, die dazu beitragen können, den Energieverbrauch der EV-Batterie zu senken.

Eine Gruppe von Forschern der Arab Academy for Science in Gizeh, Ägypten, hat kürzlich einen neuen Algorithmus für das GPS-System von Elektrofahrzeugen entwickelt, das die kürzesten, schnellsten und energieeffizientesten Fahrtrouten auswählt.

Die Forscher verwendeten den Algorithmus, um den Energieverbrauch von Elektrofahrzeugen in verschiedenen Straßentopologien zu untersuchen und die Auswirkungen verschiedener Fahrzeugmodelle, Windgeschwindigkeit und -richtung auf den Energieverbrauch zu bewerten.

Die Forscher stellten fest, dass Windgeschwindigkeit und -richtung bei einer kurzen Fahrt von etwa 50 km etwa 49 % der Batteriekapazität erhalten können. Sie fanden auch heraus, dass die Straßentopologie einen großen Einfluss auf die Reichweitenvorhersage und den Energieverbrauch hat. Die Entscheidung für eine Straße mit weniger Steigungen könnte beispielsweise zu Energieeinsparungen von etwa 46 % führen.

Die Berücksichtigung all dieser Faktoren bei der Wahl der optimalen Route für das Elektrofahrzeug könnte Geld sparen und die Lebensdauer der Batterie verlängern.

Die Optimierung der gesamten Infrastruktur zum Laden der EV-Batterien wird auch kritisch sein, um den Weg für eine breite Einführung von EV zu ebnen. Beispielsweise wird KI wahrscheinlich für das „intelligente Laden“ eine wesentliche Rolle spielen. Hier überwachen Algorithmen den Zustand und den Status der Batterien und schlagen optimale Ladepunkte und -zeiten vor, um eine maximale Reichweite und eine lange Lebensdauer der Batterie zu gewährleisten. KI kann auch bei der Sicherheitsüberwachung und der Reaktion auf Vorfälle von Fahrzeugen und Ladenetzwerken helfen.

Algorithmen für maschinelles Lernen und Deep Learning bieten in Kombination mit Sensoren und Kameras bereits Unterstützung im Auto für Fahrer, die die Sicherheit und Effizienz ihres Fahrzeugs verbessern möchten. Volkswagen, zum Beispiel, hat generative KI in viele seiner Autos integriert, sodass die Treiber z. B. darum bitten können, das Auto zur nächsten EV-Ladestation umzuleiten.

Langfristig können wir davon ausgehen, dass KI den EV-Markt und den Transport im Allgemeinen verändern wird, da sie Fahrerassistenzsysteme und autonomes Fahren integriert, eine vorausschauende Wartung ermöglicht und die Integration mit dem Smart Grid unterstützt. Der Weg für die Innovation von Elektrofahrzeugen ist grenzenlos – und die KI trägt nur dazu bei, diesen Prozess reibungsloser zu gestalten.