KISS - KI-basiertes Sortieren von Spektren

Die elektrochemische Impedanzspektroskopie (EIS) ist eine der wichtigsten Methoden zur Materialcharakterisierung. Sie erlaubt es, zerstörungsfrei physikalisch-chemische Prozesse auf einer mehrere Größenordnungen umfassenden Zeitachse zu untersuchen und wichtige Schlüsselparameter zu ermitteln, z.B. die elektrische Leitfähigkeit von Materialien, oder gar Performance-Parameter wie den „Gesundheitszustand“ oder Ladezustand einer Batterie. Nachdem vor mehr als 35 Jahren moderne Messgeräte zu erschwinglichen Preisen auf den Markt kamen, werden heutzutage riesige Mengen an Impedanzdaten generiert. Die Auswertung der Daten ist allerdings immer noch sehr zeitaufwendig und erfolgt auch heutzutage durch Experten semi-manuell, was ein großes Problem darstellt: Kostbare Ressourcen werden unnötigerweise gebunden und wichtige Prozesse verzögert. „Wissenschaftlern mehr Zeit zu geben, sich statt mit der aufwendigen, kraft- und zeitraubenden Auswertung von Impedanzmessdaten mehr mit den daraus abgeleiteten Erkenntnissen zu befassen, um uns allen in kürzerer Zeit Antworten auf die drängenden Fragen rund um das Thema Energiewende, Energiekonversion und Zukunftsmaterialien zu geben“ – so kann man nun das übergeordnete Ziel der Projektpartner RHD und TU DA formulieren. Um dies zu erreichen, entwickeln die Partner eine Software-Lösung basierend auf maschinellem Lernen, die Impedanzmessdaten automatisiert sortiert, physikalischen Modellen zuordnet und auswertet – und das in kurzer Zeit, mit hoher Präzision und Robustheit. Ebenfalls sollen Metadaten wie Probentemperatur, elektrisches Potential, Druck etc. miteinbezogen werden. Dies soll ermöglichen, dass die Informationen über die elektrischen Prozesse mit weiteren Eigenschaften der Materialien korreliert werden. So könnten in Bezug auf die untersuchten Materialien für die Entwicklung wichtige Vorhersagen getroffen werden.

Der Bedarf an einer solchen Lösung ist branchenübergreifend sehr groß. Folgende Zielanwendungen lassen sich beispielsweise aufführen: Sortieren und Auswertung von EIS-Daten (i) von Batterien und Kondensatoren aus der Forschung und Entwicklung und zunehmend auch aus der Qualitätssicherung (chemische Industrie, Batteriehersteller, Kondensatorhersteller, Automobilhersteller und -zulieferer), (ii) von Sensoren (Sensorhersteller), (iii) von Dielektrika (chemische Industrie), (iv) von medizinischen Proben (Medizintechnikhersteller, Anwender in der medizinischen Forschung).

RHD ist ein hessisches Unternehmen mit Sitz in Darmstadt. RHD entwickelt und vertreibt Hardware- und Software-Lösungen für die elektrochemische Materialcharakterisierung. Die TU DA hat im Fachbereich Material- und Geowissenschaften umfassende Kenntnisse im Bereich Materialentwicklung für Energieanwendungen. Diese Entwicklung wird auch durch maschinelles Lernen unterstützt. Die Partner RHD und TU DA vereinen die für die Durchführung des Projekts benötigten Kompetenzen in den Bereichen Impedanzspektroskopie, Softwareprogrammierung und Machine Learning und werden durch eine enge, arbeitsteilige Zusammenarbeit die Schritte zur Erreichung des Entwicklungsziels in Angriff nehmen.