BMW reduziert Batteriezellabfall und Prozesszeiten um über 50 % mithilfe von KI

BMW Group sagt, dass neue KI-Modelle, die mit der Universität Zagreb entwickelt wurden, den Materialverbrauch und die Produktionszeit bei der Herstellung von Batteriezellen in einigen Prozessschritten um mehr als 50 Proz BMW Group sagt, dass neue KI-Modelle, die mit der Universität Zagreb entwickelt wurden, den Materialverbrauch und die Produktionszeit bei der Herstellung von Batteriezellen in einigen Prozessschritten um mehr als 50 Prozent senken können.

Der Automobilhersteller sagte, dass das Forschungsprojekt „Insight“ darauf abzielt, die Batteriezellenproduktion über die gesamte Wertschöpfungskette zu verbessern, von der Elektrodenfertigung bis zum Endkontrolltest und Recycling.

Das Projekt kombiniert bestehende Testergebnisse mit Live-Produktionsdaten, um Prozessparameter und die Leistung von Batteriezellen vorherzusagen. BMW sagt, dass dies die Anzahl und Dauer kostspieliger Testläufe reduzieren kann, während die Qualität aufrechterhalten oder verbessert wird.

Die Arbeit wird im Battery Cell

Die Arbeit wird im Battery Cell Competence Centre von BMW in München durchgeführt, wo das Unternehmen Zellen für zukünftige Generationen von Hochvolt-E-Auto-Batterien entwickelt.

Smarter Fabriktest Batteriezellenentwicklung erfordert typischerweise wiederholte Testreihen, die Rohmaterial verbrauchen, Produktionslinien belegen und Laborkapazitäten beanspruchen. BMW sagt, dass das KI-System diesen Zyklus verkürzen kann, indem es Ergebnisse früher prognostiziert.

Das könnte wichtig werden, da Automobilhersteller um die Skalierung der EV-Batterieproduktion bei gleichzeitiger Senkung der Produktionskosten und Reduzierung von Abfall konkurrieren. Das Unternehmen sagt auch, dass die Modelle helfen könnten, einen weiteren Engpass nach der Fertigung zu beseitigen.

Nachdem die Zellen ihre anfängliche Ladung

Nachdem die Zellen ihre anfängliche Ladung erhalten haben, werden sie oft für einen bestimmten Zeitraum bei kontrollierten Temperaturen gelagert, bevor sie in Batteriegehäuse eingesetzt werden. BMW bezeichnet diese Lagerphase als „Quarantäne“.

Sie erfordert Lagerraum und verlängert die Zeit vor der Endmontage. Das Unternehmen sagt, dass seine KI-Systeme Batteriezellen vorausschauend analysieren können und damit potenziell einen Schritt in Zukunft eliminieren könnten.

Bei erfolgreicher Skalierung könnte dies die Produktion von Akkupacks beschleunigen und gleichzeitig den Lagerbedarf in den Fabriken reduzieren. Über eine Fabrik hinaus startete BMW das Projekt im Jahr 2024 mit dem Regional Centre of Excellence for Robotic Technology der Universität Zagreb in Kroatien.

Leistung und Energieausbeute

Studierende und Doktoranden organisieren Produktionsdaten und bauen Modelle, die Muster in Bezug auf Qualität, Kosten und Leistung erkennen. „Wir arbeiten daran, die neu entwickelten KI-Modelle aus der Prototypenumgebung zu skalieren“, sagte Christian Siedelhofer, Leiter der Technologieentwicklung für Lithium-Ionen-Batteriezellen bei der BMW Group.

„Wir prüfen auch, inwieweit diese Modelle für zusätzliche Anwendungsfälle in unserem Produktionsnetzwerk geeignet sind.“ BMW sagt, dass die Partnerschaft auch als Talent-Pipeline für zukünftige Batterie- und KI-Spezialisten dient.

„Unser gemeinsames Projekt erreicht Doktoranden und Studierende, die sich für KI und Batteriezellen sowie die spannende Arbeit interessieren, die wir in unseren Battery Cell Competence Centres leisten“, sagte Stefan Kerscher, Leiter der Technologieentwicklung für Batteriezellen bei der BMW Group.

„Wir freuen uns, wenn junge Talente

„Wir freuen uns, wenn junge Talente sich für eine Karriere mit unserem Unternehmen entscheiden.“ BMW hat seine Batterieaktivitäten an Standorten in München, Parsdorf und Salching konzentriert.

München konzentriert sich auf Forschung und Entwicklung, Parsdorf übernimmt die Fertigung von Near-Series-Zellen, und Salching unterstützt das Recycling durch BMWs Direktrecyclingprozess. Die Ankündigung enthüllte nicht, welche spezifischen KI-Modelle verwendet werden oder wann ein vollständiger industrieller Einsatz beginnen könnte.