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)

PVA TePla Analytical Systems GmbH

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