Theoretisch heißt es: Batterien von Elektroautos sollen nach fünf Jahren bzw. 100.000 Kilometern im Einsatz immer noch 80 Prozent ihrer ursprünglichen Kapazität aufweisen.
Aber offen bleibt nach wie vor, wie sich Batterien in den komplexen Zyklen unterschiedlicher Lade- und Fahrgewohnheiten (hoher Autobahnanteil, häufiges Super-Charger-Laden) halten.
Genau hier hakt AVL List mit einem spektakulären Projekt ein. Man setzt dafür – gemeinsam mit der Technischen Universität München – auf Künstliche Intelligenz und Machine Learning. Beim sogenannten Federated Learning Methode wird laut AVL „ein Modell mit großen, dezentral gespeicherten Datenmengen aus unterschiedlichen Fahrzeugflotten trainiert. Jede Flotte trainiert ein eigenes neuronales Netz. Das Erlernte wird an ein globales Modell weitergegeben“, erzählt Annalena Belnarsch, Entwicklungsingenieurin bei AVL.
Wichtiges Wissen für die Entwicklung
Laut AVL hat sie die Methode gemeinsam mit dem Lehrstuhl für Fahrzeugtechnik an der TUM entwickelt und anhand von 50.000 Trainingsdaten aus dem Labor getestet. „Wir haben beispielsweise einen Datensatz auf zehn Flotten verteilt. Im Vergleich zum Training eines neuronalen Netzes pro Flotte, konnten wir die Batterielebensdauer dank Federated Learning wesentlich genauer einschätzen.“
Mit diesem Wissen können die Fahrzeughersteller besser ihre Batterien entwickeln. Davon sollten auch Fahrzeughalterinnen und -halter profitieren. AVL List: „Mithilfe von KI-basierter Batterieanalyse können Fehlfunktionen frühzeitig erkannt werden. So können Fahrzeuge präventiv gewartet werden. Das kann in weiter Folge zu einer längeren Lebensdauer des E-Akkus bzw. einem höheren Restwert bei einem möglichen Wiederverkauf beitragen. Bedenkt man, dass eine Batterie pro kWh ca. 150 Euro kostet, kann hier genau berechnet werden.“ Dazu kommt bei dieser Methode: Alle Fahrzeugdaten bleiben lokal beim jeweiligen Flottenbetreiber, Datenschutzverletzungen oder Datenlecks sind kein Thema.