Forscher haben eine Methode entwickelt, bei der KI und maschinelles Lernen die Kosten und den Energieaufwand für die Entwicklung neuer Lithium-Ionen-Batterien drastisch senken könnten.
Forscher haben eine neue Methode entwickelt, mit der die Industrie Lithium-Ionen-Batterien deutlich schneller und günstiger produzieren könnte. Durch maschinelles Lernen soll sich der Bedarf an Zeit und Energie massiv reduzieren lassen. Das neue Verfahren löst ein Problem, dass Experten die Lebensdauer von Batterien bisher nur sehr langsam voraussagen konnten.
Derzeit müssen Forscher eine neue Batterie monatelang konstant laden und entladen, nur um ihre Haltbarkeit zu prüfen. Dieses mühsame Testen könnte bis zum Jahr 2040 voraussichtlich 130.000 Gigawattstunden an Strom verbrauchen. Das entspricht etwa der Hälfte der Elektrizität, die Kalifornien in einem ganzen Jahr erzeugt.
Du willst nicht abgehängt werden, wenn es um KI, Green Tech und die Tech-Themen von Morgen geht? Über 12.000 Vordenker bekommen jeden Tag die wichtigsten News direkt in die Inbox und sichern sich ihren Vorsprung.
Nur für kurze Zeit: Anmelden und mit etwas Glück 50€ Amazon-Guthaben gewinnen!
Mit deiner Anmeldung bestätigst du unsere Datenschutzerklärung. Beim Gewinnspiel gelten die AGB.
KI macht die Batterieentwicklung deutlich günstiger
Wissenschaftler der University of Michigan haben deshalb ein System namens „Discovery Learning“ entwickelt. Damit verkürzten sie die Entwicklungszeit in der Theorie um rund 98 Prozent und reduzierten die Kosten um 95 Prozent. Eine KI nutzte dazu Daten aus früheren Testphasen, um die gesamte Lebensdauer einer Batterie präzise zu schätzen.
Das System nutzt drei Bausteine, damit Forscher weniger echte Daten für ihre Berechnungen benötigen. Zuerst wählt ein Learner-Modul gezielt die Prototypen aus, die für die Genauigkeit am wichtigsten sind. Danach wertet ein Interpreter physikalische Eigenschaften und historische Lebensdaten bereits existierender Batterien aus.
Dadurch lernt die KI aus der Vergangenheit, um die Zukunft vorherzusagen, ohne sie selbst abwarten zu müssen. Am Ende sagt ein Oracle-Modul voraus, wie lange die neuen Batterien halten. Das System meldet diese Ergebnisse direkt wieder an den Learner zurück, der dann die nächsten Tests plant.
Warum das für unseren Alltag wichtig ist
Dieser Sprung kann entscheidend sein, da wir für E-Autos oder Laptops immer bessere Akkus benötigen. Der weltweite Wert von Batterien liegt heute bereits bei 120 Milliarden US-Dollar und wächst bis 2030 voraussichtlich auf fast 500 Milliarden US-Dollar an. In diesem riesigen Markt können selbst geringe Effizienzgewinne eine große Wirkung haben.
Maschinelles Lernen kann die Entwicklung dabei gewaltig beschleunigen. Dennoch müssen Forscher noch beweisen, wie gut das System bei extrem neuen Designs, schwankenden Temperaturen oder unterschiedlichen elektrischen Lasten funktioniert.
Auch interessant:
