Entwicklung eines selbstlernenden Verfahrens zur Qualitätsbestimmung und -verbesserung in der Batteriezellproduktion

Die Ausschussquote in der Batteriezellproduktion, insbesondere in der Ramp-up-Phase, ist hoch. In diesem Anlaufzeitraum der industriellen Fertigung kommt es zu Ausschussraten von 15 bis 30 Prozent. Die End-of-Line-Qualitätskontrolle, die nach dem aktuellen Stand der Technik die Funktionstüchtigkeit gewährleisten soll, erfasst vor allem den globalen elektrischen Zustand der Zelle. Kleine Defekte können dabei übersehen werden. Die Einführung einer innovativen, zerstörungsfreien Qualitätskontroll-Messtechnik ist daher unabdingbar.

Ziel des Projektes ist die Entwicklung einer solchen, in die Batterieproduktion integrierbaren Messmethode mit räumlicher Auflösung der Zellausdehnung während der Lade- und Entladezyklen. Auf diese Weise sollen potenzielle Produktionsfehler frühzeitig erkannt, verantwortliche Prozessschritte identifiziert und zeitnah optimiert werden, um Kosten und Ressourcen zu sparen.

Für die Messungen wird eine Pouchzelle zwischen zwei Metallplatten komprimiert, wobei der Druck zentral über einen pneumatischen Zylinder aufgebracht und mit einer Kraftmessdose erfasst wird. Um das Verhalten der Zelle bestimmen zu können, messen wir die Ausdehnung derselben während der Lade- und Entladezyklen. Dafür erfassen drei in Dreiecksform angeordnete Abstandssensoren am Zellrand die Bewegung der Metallplatten. Daraus wird die räumliche Ausdehnung der Zelle rekonstruiert. Die KI-gestützte Verarbeitung der Messdaten ermöglicht eine klare Qualitätsbewertung: Ein Modell wird mit Ausdehnungsmustern defektfreier und damit »guter« Zellen trainiert. Zellen mit signifikanten Abweichungen werden als »defekt« klassifiziert.

Quelle: https://www.ise.fraunhofer.de/de/forschungsprojekte/quaze.html (jüngster Zugriff: 17.08.2026)