KI hilft bei der Entwicklung leistungsstarker Photovoltaik
Perowskit-Solarzellen könnten der Gamechanger für die leistungsstarke Photovoltaik der Zukunft werden. Mit Hilfe von KI soll die Marktreife bald erreicht werden.
Mit Hilfe von maschinellem Lernen soll die Entwicklung von Perowskit-Solarzellen zur Marktreife gebracht werden.
Foto: Markus Breig, KIT / Grafik: Felix Laufer, KIT
Perowskit-Solarzellen gelten als eine vielversprechende Technologie der nächsten Generation. Ihre hohen Wirkungsgrade und kostengünstige Produktion könnten die Photovoltaik revolutionieren. Doch der Weg zur industriellen Nutzung birgt Hürden. Eine aktuelle Studie des Karlsruher Instituts für Technologie (KIT) zeigt, wie künstliche Intelligenz (KI) diese Herausforderungen bewältigen kann. Insbesondere maschinelles Lernen (ML) spielt eine Schlüsselrolle bei der Optimierung und Überwachung von Herstellungsprozessen.
Inhaltsverzeichnis
Warum Perowskit-Photovoltaik so vielversprechend ist
Perowskit-Solarzellen basieren auf Halbleiterschichten, die besonders effizient Sonnenlicht in elektrische Energie umwandeln. Aktuelle Laborexperimente erzielen Wirkungsgrade von über 26 %. Gleichzeitig sind sie flexibel und dünn, was völlig neue Einsatzmöglichkeiten eröffnet. Laut Professor Ulrich Wilhelm Paetzold vom KIT stehen Perowskit-Solarzellen kurz vor der Kommerzialisierung. Jedoch gibt es Probleme bei der Langzeitstabilität und der Produktion großer Flächen.
KI als Gamechanger für die Produktion
Um diese Herausforderungen zu meistern, untersuchte das KIT, wie maschinelles Lernen Prozesse verbessern kann. „Wir zeigen, dass maschinelles Lernen entscheidend ist, um das Monitoring der Perowskit-Dünnschichtbildung zu optimieren“, erklärt Paetzold. Deep Learning, eine Methode des ML, nutzt neuronale Netze, um aus großen Datensätzen Zusammenhänge zu erkennen.
Mithilfe von In-situ-Bildgebungstechniken werden Daten wie Photolumineszenz und diffuse Reflexion während der Schichtbildung gesammelt. Diese Daten werden von KI-Modellen analysiert, um Eigenschaften der Materialien und die Effizienz der Solarzellen präzise vorherzusagen. Ein großer Vorteil: Fehler können frühzeitig identifiziert werden, bevor teure Verarbeitungsschritte erfolgen.
Frühzeitige Fehlererkennung
Laut Felix Laufer, wissenschaftlicher Mitarbeiter am KIT, verbessert die Geschwindigkeit und Präzision von ML-Methoden die Produktionskontrolle erheblich. „Zusätzliche Untersuchungsmethoden sind nicht notwendig, da Prozessfehler direkt anhand der Produktionsdaten erkannt werden“, so Laufer. Das senkt die Kosten und reduziert Produktionsausschuss.
Ein Highlight der Studie war die Analyse von Prozessdaten, die die Bildung von Perowskit-Schichten dokumentieren. KI konnte präzise vorhersagen, wie sich Variationen in der Materialzusammensetzung auf den Wirkungsgrad der Solarzellen auswirken. So wurden wichtige Parameter wie die Verhältnisse von Cäsium, Blei und Halogenen exakt erfasst.
Optimierung der Produktionsprozesse
Neben der Frühdiagnose von Fehlern hilft ML auch bei der Prozesssteuerung. Durch Simulationen konnten Forschende Szenarien durchspielen, um optimale Bedingungen zu bestimmen. Ein Beispiel ist die Quenching-Zeit (Vakuumabschreckzeit) während der Schichtbildung. Hier zeigte sich, dass sowohl zu lange als auch zu kurze Abschreckzeiten die Effizienz negativ beeinflussen. Die KI konnte genaue Empfehlungen geben, wann der Prozess abgebrochen werden sollte, um das beste Ergebnis zu erzielen.
Zusätzlich analysierte die KI die Rauheit der Oberfläche der Perowskit-Schichten. Diese Eigenschaft ist entscheidend für Stabilität und Effizienz. Mithilfe von KI konnten Forschende vorhersagen, wie sich die Rauheit im Produktionsprozess entwickelt und wann ein optimaler Zustand erreicht wird.
Ausblick: Ein Schritt in Richtung Marktreife
Die Ergebnisse der KIT-Studie zeigen, wie künstliche Intelligenz zur Weiterentwicklung der Photovoltaik beitragen kann. Durch die Integration von ML-Methoden in die Produktion können Materialqualität und Effizienz verbessert sowie Kosten gesenkt werden. Professor Paetzold betont: „Die Perowskit-Photovoltaik hat das Potenzial, den Markt zu revolutionieren. Mit KI können wir die Kommerzialisierung dieser Technologie entscheidend vorantreiben.“
Ein weiterer Vorteil: Die entwickelten KI-Methoden sind nicht nur für die Forschung nützlich, sondern auch direkt in der industriellen Produktion einsetzbar. Zukünftig könnte dies eine nachhaltigere und kosteneffizientere Energiegewinnung fördern.
Ein Beitrag von:
