chevron_left
chevron_right
Technische Rundschau

Mit Robotern die Batterieforschung beschleunigen

Empa-Forscher Enea Svaluto-Ferro arbeitet gemeinsam mit dem Batterieroboter «Aurora». Die Entwicklungszeit von neuen Stromspeichern soll so künftig stark verkürzt werden.
Bild: Empa

Empa-Forscher wollen die Entwicklung dringend benötigter neuer Energiespeicher mit Hilfe des Batterieroboters «Aurora» beschleunigen. Das Projekt gehört zur europäischen Forschungsinitiative Battery2030+, die unlängst von der EU mit über 150 Millionen Euro gefördert wurde. Zudem ist das Projekt Teil der «Open Research Data»-Initiative des ETH-Rats, die die Digitalisierung und den freien Zugang zu Forschungsdaten vorantreibt.

Die Welt braucht dringend neuartige Energiespeicher. Komplett neue Konzepte für Batterien zu entwickeln und deren Potenzial zu erkunden, ist zurzeit allerdings ein langwieriger Prozess, wie Corsin Battaglia, Leiter des «Materials for Energy Conversion»-Labors der Empa in Dübendorf und Professor an der ETH Zürich, betont «Unser Ziel ist es, diesen Prozess zu beschleunigen», so Battaglia. Diese Beschleunigung manifestiert sich derzeit in Form der Roboterplattform Aurora, die vollautomatisiert und künftig auch autonom Materialauswahl, Montage und Analyse von Batteriezellen im Labor übernehmen soll. Als Teil der europäischen «Materials Acceleration Platform», die innerhalb des europäischen Battery2030+-Projektes BIG-MAP aufgebaut wird, sollen die derzeitigen Entwicklungsprozesse rund zehnmal schneller ablaufen. 

Innovationsprozess vorantreiben

Für eine international wettbewerbsfähige Batterieforschung und -entwicklung werden nun zeitaufwendige und fehleranfällige Arbeitsschritte im Innovationsprozess mittels Aurora automatisiert. Die Roboterplattform wird derzeit in den Empa-Labors gemeinsam mit der Chemspeed Technologies AG weiterentwickelt. Momentan implementiert Empa-Forscher Enea Svaluto-Ferro die Arbeitsschritte und «trainiert» Aurora. «Während der Roboter die einzelnen Zellkomponenten in konstanter Präzision wiegt, dosiert und zusammenbaut, Ladezyklen exakt initiiert und abschliesst oder andere repetitive Schritte vollführt, können Forschende aufgrund der generierte Daten den Innovationsprozess weiter vorantreiben», sagt Svaluto-Ferro.

Künftig soll Aurora darüber hinaus aber auch lernen, autonom zu arbeiten. Mittels maschinellem Lernen könnte die Aurora-KI so mathematische Modelle erstellen und entscheiden, welche Experimente in einem nächsten Schritt ausgeführt werden sollen und welche Materialien und Komponenten besonders vielversprechende Kandidaten für die gewünschte Batterieanwendung darstellen. Denn weltweit läuft derzeit die Suche nach neuen Batteriematerialien, die kostengünstig und gut verfügbar sind und keine technischen Nachteile mit sich bringen. 

empa.ch