Strategien für mehr Effizienz
beim Batterietesten
Der verschärfte globale Wettbewerb bei batterieelektrischen
Fahrzeugen erfordert eine verkürzte Markteinführung neuer Modelle.
Daher müssen Batterien als zentrale Komponente schneller, aber auch
mit höherer Qualität entwickelt und getestet werden.
atteriezellen sind sehr sensibel, daher sind bei der
Entwicklung und Produktion umfangreiche und zeit-
aufwändige Tests erforderlich, um die Sicherheit
und Leistungsfähigkeit zu gewährleisten. Weiters müssen
verschiedene Zelltypen, Prüfkammern, Temperaturen und
Testszenarien berücksichtigt werden. Viele Testlabore arbeiten
noch manuell, was zu Fehlern und Verzögerungen führt. Um
dem entgegenzuwirken, gibt es drei wirksame Maßnahmen:
automatisiertes Labormanagement, simulationsgestützte
Verkürzung der Testzeit und KI-basierte Datenanalyse. Diese
Strategien erhöhen die Nachvollziehbarkeit und Transparenz,
senken Kosten und verkürzen die Time-to-Market.
1. Digitalisierung und Automatisierung im Labor
Durch die Verwendung digitaler Testaufträge und automa-
tisierter Prüfabläufe werden manuelle Aufgaben reduziert, Feh-
ler vermieden und die Ergebnisqualität erhöht. Eine durchgän-
gige digitale Auftragsabwicklung mit automatisierter Planung
des gesamten Batterielabors weist bis zu 1.000 Prüflinge den
passenden Testkammern zu. Eine Leistungsüberwachung und
-steuerung der KPIs von Prüfständen reduziert zudem den
Energieverbrauch. Die AVL Lab Management Softwarelösung
integriert nahtlos Hard- und Software, optimiert die Auslas-
tung und schafft somit Transparenz und Nachvollziehbarkeit.
2. Simulationsgestützte Optimierung von Tests
Batterietests sind wegen langsamer elektrochemischer Pro-
zesse sehr zeitaufwändig. Unsere Algorithmen – entwickelt
in jahrelanger Zusammenarbeit mit Pilotkunden und unserer
eigenen Antriebsentwicklung – analysieren Testdaten und
optimieren Testabläufe. Bei Alterungstests von Batteriezellen
kann bis zu 40 % Zeit eingespart werden, da nicht jeder Test
bis zum Ende durchgeführt werden muss und durch Simula-
tion ergänzt wird. KI-Modelle lernen das dynamische Verhalten
der Batterie, das je nach Temperatur und Ladezustand variiert,
und vermeiden so überflüssige Testzyklen. Echtzeit-Simulation
am Batterie-Prüfstand ermöglicht die Validierung und Optimie-
rung auf Systemebene unter realistischen Fahrbedingungen
im Labor (Road-to-Lab). Dadurch wird das Risiko von späten,
kostspieligen Änderungen kurz vor Produktionsstart verringert.
3. KI-basierte Auswertung der Testergebnisse
Die präzise Vorhersage des Ladezustands und der Lebensdau-
er von Batterien erfordert ein tiefes Verständnis der elektro-
chemischen Prozesse. Flottendaten dienen dazu, datengetrie-
bene Modelle auf Basis von neuronalen Netzen zu trainieren
und damit die Batteriealterung vorherzusagen. In Kombination
mit den Daten aus Zelltests kann die Qualität der Batteriemo-
delle verbessert und gleichzeitig die Entwicklungszeit verkürzt
werden. Dies erfordert die Verarbeitung enormer Datenmen-
gen aus verschiedenen Entwicklungsbereichen und Testumge-
bungen. Unsere moderne Data-Analytics-Plattform kann diese
verbinden und dient somit als zentrale Wissensquelle.
AVL legt großen Wert auf Zukunftssicherheit, was sich auch
in unserem Portfolio widerspiegelt. Unsere Lösungen in den
Bereichen virtuelles Testen, Datenanalyse und Labormanage-
ment sind skalierbar und flexibel, sodass sie sich den techno-
logischen Veränderungen anpassen können und den Weg in
eine sichere und nachhaltige Zukunft ebnen.
20 | 21
HOME OF INNOVATION
E-MOBILITÄT