Lang lebe die Batterie

Michael Baumann (30) hat einen Weg gefunden, die Akkus von Elektroautos haltbarer zu machen.

Lesezeit: 1 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 3 Beiträge
Von
  • Alexander Stirn

Batterien, insbesondere in Elektroautos, sind eine Art Blackbox. ­Niemand weiß, wie es in ihnen ausschaut, wie lange die Stromspeicher noch durchhalten, was sie wert sind. Dabei sind diese Informationen entscheidend, um Elektroautos wirtschaftlich zu betreiben.

„Batterien stellen einen sehr großen finanziellen Wert dar“, sagt Mi­chael Baumann, einer der Gründer des Münchner Softwareunternehmens Twaice. „Je nachdem, wie man sie handhabt, können sie in einem Jahr schon kaputt sein oder erst nach zehn Jahren.“ Das Start-up hat sich daher zum Ziel gesetzt, die chemischen und physikalischen Prozesse in den Akkus besser zu verstehen. Am Ende will Twaice die Leistungsfähigkeit und den Wert der Batterien vorhersagen.

(Bild: Twaice)

Möglich machen soll das ein Computermodell, dessen Grundzüge ­Baumann während seiner Promotion an der Technischen Universität München entwickelt hat. Dieser, wie der Forscher es nennt, „digitale Zwilling“ ist online mit der realen Batterie verbunden, weiß also ­immer, wie diese gerade belastet wird.

Das Modell berücksichtigt elektrische Vorgänge wie Laden und Entladen, Temperaturverläufe und Alterungsprozesse. Daraus errechnet es den Gesundheitszustand der Batterie. Falls nötig, gibt es Tipps, wie sich die Lebenszeit verlängern lässt. Selbst eine Restwertberechnung für den Gebrauchtwagenmarkt ist möglich. Bislang kommt die Software nur in einer kleinen Flotte mit etwa 20 Elektrofahrzeugen zum Einsatz. Sollten eines Tages aber Hunderte Autos überwacht werden, könnten die dabei gewonnenen Erfahrungswerte rund um die Nutzung sowie die Alterung der Batterien zusätzlich ins Modell einfließen – und die Prognosen dank künstlicher Intelligenz verbessern.

„Viele Start-ups denken, mit dieser Art des maschinellen Lernens alles voraussagen zu können“, sagt Baumann. „Wir glauben das nicht und setzen daher primär auf unser Batteriewissen mit seinem analytischen Modell – nur punktuell ergänzt um maschinelles Lernen.“

(jle)