Herr  Moritz Effen

Das ISEA entwickelt im Teilprojekt des Vorhabens BatterSense die KI‑Methodik zur automatisierten Defekterkennung.

Quelle: https://www.isea.rwth-aachen.de/go/id/buqunw#aaaaaaaaabuquoe (jüngster Zugriff: 23.09.2026)

small_rwth_rgb.png

Rheinisch-Westfälische Technische Hochschule Aachen

Presse und Kommunikation

small_BMFTR_de_Web_RGB_gef_durch.jpg

Bundesministerium für Bildung und Forschung

Bundesministerium für Bildung und Forschung
Referat 511: Neue Werkstoffe, Nanotechnologie; KIT

Bundesministerium für Bildung und Forschung
Referat 523: Werkstoffinnovationen, Batterie; Hereon, KIT

Bundesministerium für Bildung und Forschung
Referat 525: Batterieforschung; KIT

Bundesministerium für ­Forschung, Technologie und Raumfahrt
Referat 525: Batterieforschung; KIT

small_BMFTR_de_v1__Web_farbig.png

Referat T15: Batterieforschung; KIT

Bundesministerium für­ Forschung, Technologie und Raumfahrt Referat T15: Batterieforschung; KIT

Bundesministerium für­ Forschung, Technologie und Raumfahrt

large_BatTs-Logo.jpg

medium_BatTs-Logo.jpg

small_BatTs-Logo.jpg

thumbnail_BatTs-Logo.jpg

BatTs-Logo.jpg

B@ts-Logo

small_BatTs-Logo-BatterSense.png

Die wachsende Nachfrage nach leistungsfähigen zylindrischen Lithium-Ionen-Batterien erfordert effiziente, ressourcenschonende und zuverlässigere Produktionsprozesse. Hohe Ausschussraten und die damit verbundenen Material-, Energie- und CO2-Aufwendungen stellen sowohl eine wirtschaftliche als auch eine ökologische Herausforderung dar. Gleichzeitig sind etablierte Diagnoseverfahren oft nicht ortsaufgelöst und ermöglichen häufig keine genaue Charakterisierung von Defekten während der Produktion.
Hier setzt das Projekt BatterSense an. Im Rahmen den Projekts wird ein ultraschallbasiertes, zerstörungsfreies Messverfahren entwickelt, das eine schnelle und kostengünstige frühzeitige Erkennung von Anomalien und Defekten während der Batterieproduktion ermöglicht. Ziel ist es, Qualitätsabweichungen während des Herstellungsprozesses zu identifizieren und dadurch sowohl eine gezielte Optimierung der Produktion als auch eine Steigerung der Qualität und Lebensdauer der Batterien zu ermöglichen.

Im Projekt wird dazu ein Scanning Acoustic Microscope (SAM) zur Untersuchung von zylindrischen Zellen entwickelt, welches Einblicke in das Innere der Zellen ermöglicht. Ergänzend werden moderne KI-Modelle entwickelt, um eine automatisierte Erkennung, Lokalisierung und Klassifizierung von Anomalien und Defekten auf Basis dieser Ultraschalldaten zu ermöglichen. Dadurch sollen unter anderem Prozesse wie die Optimierung von Schweißverbindungen und die Elektrolytbefüllung gezielt verbessert werden. Zusätzlich zu den Ultraschalldaten werden komplementäre CT-Aufnahmen als Referenz und zum Abgleich herangezogen.

Quelle: https://www.isea.rwth-aachen.de/go/id/buqunw#aaaaaaaaabuquoe (jüngster Zugriff: 23.09.2026)

large_BatTs-Logo-BatterSense.png

medium_BatTs-Logo-BatterSense.png

thumbnail_BatTs-Logo-BatterSense.png

BatTs-Logo-BatterSense.png

Multimodale KI-gestützte Qualitätsbewertung von Batteriezellen

V4Drive Battery GmbH – Tochter der VARTA AG

V4Smart GmbH & Co. KG

V4SMART bringt im Teilprojekt seine Erfahrung in der Zellfertigung sowie in Laserschweiß‑ und Klebeprozessen ein.

Quelle: https://www.isea.rwth-aachen.de/go/id/buqunw#aaaaaaaaabuquoe (jüngster Zugriff: 23.09.2026)

small_PTJ-Logo_Horizontal_Schutzraum_RGB.png

Arbeitseinheit NMT: Neue Materialien und Chemie

Projektträger Jülich Arbeitseinheit NMT: Neue Materialien und Chemie

Projektträger Jülich

PTJ-Logo_Horizontal_Schutzraum_RGB.png

[verbundprojekt]

[Verbundprojekt]

small_Fraunhofer_Gesellschaft-Logo.png

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V.

Wissenschaftskommunikation

small_ise_43mm_300dpi_rgb-1.jpg

Fraunhofer-Institut für Solare Energiesysteme ISE

Fraunhofer-Allianz Batterien

Kommunikation

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V. Fraunhofer-Allianz Batterien Fraunhofer-Institut für Solare Energiesysteme ISE

small_rwth_isea_de_rgb.png

Forschungsgruppe Künstliche Intelligenz für Batterien

Rheinisch-Westfälische Technische Hochschule Aachen Institut für Stromrichtertechnik und Elektrische Antriebe Forschungsgruppe Künstliche Intelligenz für Batterien

Institut für Stromrichtertechnik und Elektrische Antriebe

Herr Dr. Weihan Li

VARTA Microbattery fungiert im Verbund als Anwender und Validierer.

Quelle: https://www.isea.rwth-aachen.de/go/id/buqunw#aaaaaaaaabuquoe (jüngster Zugriff: 23.09.2026)

small_VARTA_Logo_Positive_RGB.png

VARTA Microbattery GmbH

Herr Dr. Nicolas Bucher

PVA TePla übernimmt im Teilprojekt den Bau des SAM‑Scanners. 

Quelle: https://www.isea.rwth-aachen.de/go/id/buqunw#aaaaaaaaabuquoe (jüngster Zugriff: 23.09.2026)

Laufzeit	01.07.2026 - 30.06.2029
Ausführende Stelle	RWTH Aachen • ISEA • AG Li
Standort	Aachen
Fördersumme	671.147,00 €
Projektvolumen	671.147,00 €
Fördergeber	BMFTR

Projekt

BatterSense

Multimodale KI-gestützte Qualitätsbewertung von Batteriezellen

Inhaltliche Beschreibung des Teilprojektes

Ausführliche Beschreibung

Herausforderungen Und Ziele

Projektbetreuung als

Forschungsgruppe Künstliche Intelligenz für Batterien

Rheinisch-Westfälische Technische Hochschule Aachen

Förderung

Dieses Projekt ist Teil des Verbundprojekts

BatterSense

Weitere Teilprojekte des Verbundvorhabens

Teilprojekt 1

Laufzeit:

Förderkennzeichen:

V4Smart GmbH & Co. KG

Teilprojekt 2

Laufzeit:

Förderkennzeichen:

Fraunhofer-Institut für Solare Energiesysteme ISE

Teilprojekt 4

Laufzeit:

Förderkennzeichen:

VARTA Microbattery GmbH

Teilprojekt 5

Laufzeit:

Förderkennzeichen:

PVA TePla Analytical Systems GmbH

Dieses Projekt ist Teil der Förderinitiative

B@TS

Teilprojektleitung

Forschungsgruppe Künstliche Intelligenz für Batterien

Teilprojektleiter*in

alternativer Kontakt

Pressekontakt

Verbundprojektkoordination

V4Smart GmbH & Co. KG

Verbundprojektkoordinator*in

Links