Herr Dr. Frank Hees

small_ifu-vektor-ohne-rwth - Kopie.png

Institut für Unternehmenskybernetik e. V. an der RWTH Aachen

HR & Controlling

small_BMFTR_de_Web_RGB_gef_durch.jpg

Bundesministerium für Bildung und Forschung

Referat 525: Batterieforschung; KIT

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

Bundesministerium für ­Forschung, Technologie und Raumfahrt

large_Logo_greenbatt_logo.png.png

medium_Logo_greenbatt_logo.png.png

small_Logo_greenbatt_logo.png.png

thumbnail_Logo_greenbatt_logo.png.png

Logo_greenbatt_logo.png.png

Logo GreenBatt Web

large_greenbatt.tif

medium_greenbatt.tif

small_greenbatt.tif

thumbnail_greenbatt.tif

greenbatt.tif

Logo GreenBatt Druck

small_Demosens.png

Im Rahmen des Projekts DemoSens soll das Recycling von Lithium-Ionen-Batterien aus Elektrofahrzeugen, im Weiteren LIB, entlang der gesamten Prozesskette von der Demontage über die Sortierung bis hin zur mechanischen Aufbereitung digitalisiert und automatisiert werden. Bislang wird die Demontage von LIB manuell und mit einer geringen Demontagetiefe (z. B. Entfernung des Kabelbaums) durchgeführt. Freigelegte und für eine Materialtrennung zerkleinerte Batteriemodule und -zellen werden anschließend mit klassischen Trennverfahren wie Sichtung und Siebung aufbereitet. Im Rahmen von DemoSens soll erstmals eine automatische Demontage mit Hilfe von Robotern sowie eine sensorbasierte mechanische Aufbereitung erfolgen. Hierzu wird eine iterative und wechselseitige Anpassung der Prozessschritte Demontage und mechanische Aufbereitung erfolgen.
Für das Gesamtprojekt stellt die Heterogenität der LIB-Bestandteile, infolge unterschiedlichster Bauformen und Materialkombinationen, eine große Herausforderung für das Recycling dar. Dieser wird u. a. durch die Entwicklung eines Kennzeichnungssystems (z.B. mittels RFID-Chips oder QR-Codes) und der Auswahl geeigneter (Sensor-)Techniken für die Erkennung und Sortierung (z. B. Bilderkennung mit anschließendem mechanischen Trennsystemen etc.) begegnet.

Im Rahmen des Projektes wird hierfür ein Robotersystem für großvolumige und schwere Komponenten in einer Pilotanlage aufgebaut, welches in der Lage sein soll mittels optischer Sensorsysteme und verschiedener Trennverfahren eine Demontage bis auf Modul-/ Zellebene durchzuführen. Damit der Roboter die entsprechenden Arbeitsschritte selbstständig und selbstregulierend durchführen kann, werden passgenaue Machine Learning Verfahren entwickelt. Durch sensorbasierte Erkennung von Batteriesystemkomponenten während der Demontage können diese definierten Fraktionen zugeführt werden, wodurch anschließende Recyclingprozesse flexibler und effizienter gestaltet werden können. Die demontierten Fraktionen sowie Speicherkomponenten der Batterien (Module / Zellen) werden (nach einer mechanischen Aufbereitung) mit Hilfe von sensorbasierten Systemen charakterisiert und für ein optimiertes Recycling in entsprechende Fraktionen sortiert. Dabei werden die Auswirkungen auf die sich anschließende metallurgische Aufbereitung der Aktivmaterialien durch fortlaufende Materialcharakterisierungen und Modellierungen pyro- und hydrometallurgischer Prozesse bewertet.

Quelle: https://www.greenbatt-cluster.de/de/projekte/demosens/ (jüngster Zugriff: 10.10.2023)

large_Demosens.png

medium_Demosens.png

thumbnail_Demosens.png

Demosens.png