Tandemsolarzellen verbessern 16.11.2023, 13:30 Uhr

KI sagt Qualität von Perowskit-Solarzellen voraus

Forschende haben einen Weg gefunden, die Qualität von Perowskit-Solarzellen vorherzusagen. Mit Hilfe von künstlicher Intelligenz soll es künftig möglich sein, Stabilität und Produktionsprozesse dieser Solarzellen weiter zu verbessern und sie fit für den Markt zu machen.

Perowskit-Solarzellen

Mit Unterstützung von KI-Methoden wollen Forschende die Herstellungsprozesse für hocheffiziente Perowskit-Solarzellen verbessern.

Foto: Amadeus Bramsiepe, KIT

Perowskit-basierte Tandemsolarzellen können Sonnenenergie effizienter in Strom umwandeln als konventionelle Silizium-Solarzellen. Für eine Markteinführung dieser Technologie sind jedoch Verbesserungen in Stabilität und Produktion notwendig. Wissenschaftler des Karlsruher Instituts für Technologie (KIT) und der Helmholtz-Plattformen am Deutschen Krebsforschungszentrum sowie Helmholtz AI haben eine Methode entwickelt, um die Qualität von Perowskit-Schichten und somit der Solarzellen zu prognostizieren. Diese basiert auf Maschinellem Lernen und KI-Techniken, die durch die Analyse der Lichtemission während der Herstellung die Qualität der Solarzellen vorhersagen können.

Qualitätsschwankungen großes Manko

Perowskit-Tandemsolarzellen, die eine Perowskit- und eine konventionelle Solarzelle (oft auf Siliziumbasis) kombinieren, gelten als Technologie der nächsten Generation. Mit einem aktuellen Wirkungsgrad von über 33 Prozent übertreffen sie traditionelle Silizium-Solarzellen deutlich in der Effizienz. Zudem zeichnen sie sich durch günstige Rohstoffe und einfache Produktionsmethoden aus. Eine entscheidende Komponente für diese hohe Effizienz ist eine qualitativ hochwertige, extrem dünne Perowskit-Schicht, deren Dicke nur einen Bruchteil eines menschlichen Haares ausmacht.

Es gibt allerdings noch einige Kinderkrankheiten. „Eine der größten Herausforderungen ist dabei, diese hochwertigen sogenannten multikristallinen Dünnschichten mit kostengünstigen und skalierbaren Verfahren ohne Defekte und Löcher herzustellen“, erklärt Tenure-Track-Professor Ulrich W. Paetzold vom Institut für Mikrostrukturtechnik sowie vom Lichttechnischen Institut des KIT. Selbst unter perfekten Laborbedingungen gibt es jedoch durch unbekannte Einflüsse Qualitätsschwankungen bei den Halbleiterschichten: „Dies verhindert letztendlich den raschen Start der industriellen Produktion dieser hocheffizienten Solarzellen, die wir für die Energiewende so dringend benötigen“, so Paetzold.

Erfolgreiches Training des KI-Modells

Um die Einflussfaktoren auf die Beschichtung von Perowskit-Solarzellen zu untersuchen, kooperierte ein interdisziplinäres Team des KIT mit Spezialistinnen und Spezialisten für Maschinelles Lernen und Erklärbare Künstliche Intelligenz (XAI) von Helmholtz Imaging und Helmholtz AI am Deutschen Krebsforschungszentrum (DKFZ) in Heidelberg.

Stellenangebote im Bereich Energie & Umwelt

Energie & Umwelt Jobs
Bayerisches Staatsministerium für Wohnen, Bau und Verkehr-Firmenlogo
Traineeprogramm - Bachelor Fachrichtung Maschinenbau / Energie- und Gebäudetechnik (m/w/d) Bayerisches Staatsministerium für Wohnen, Bau und Verkehr
bayernweit Zum Job 
Bayerisches Staatsministerium für Wohnen, Bau und Verkehr-Firmenlogo
Traineeprogramm - Bachelor Fachrichtung Maschinenbau / Energie- und Gebäudetechnik (m/w/d) Bayerisches Staatsministerium für Wohnen, Bau und Verkehr
Stadtwerke Esslingen am Neckar GmbH & Co. KG-Firmenlogo
Fachkraft für Nah- und Fernwärme-Hausanschlüsse (m/w/d) Stadtwerke Esslingen am Neckar GmbH & Co. KG
Esslingen am Neckar Zum Job 
Landeshauptstadt Düsseldorf-Firmenlogo
Leitung des städtischen Krematoriums für das Garten-, Friedhofs- und Forstamt Landeshauptstadt Düsseldorf
Düsseldorf Zum Job 
THOST Projektmanagement GmbH-Firmenlogo
Wirtschaftsjurist*in / Ingenieur*in (m/w/d) für Contract & Claimsmanagement in Projektender Energiewende THOST Projektmanagement GmbH
Stuttgart, Mannheim Zum Job 
RES Deutschland GmbH-Firmenlogo
Head of Engineering / Leitung technische Planung Wind- & Solarparks (m/w/d) RES Deutschland GmbH
Vörstetten Zum Job 
MEWA Textil-Service SE & Co. Management OHG-Firmenlogo
Projektingenieur (m/w/d) Elektrotechnik MEWA Textil-Service SE & Co. Management OHG
Wiesbaden Zum Job 
KÜBLER GmbH-Firmenlogo
Techniker / Ingenieur / Fachplaner / TGA (m/w/d) Heizungstechnik und Elektro KÜBLER GmbH
Ludwigshafen Zum Job 
Stadtwerke München GmbH-Firmenlogo
Vertragsmanager*in Großprojekte Mobilität (m/w/d) Stadtwerke München GmbH
München Zum Job 
fbw | Fernwärmegesellschaft Baden-Württemberg mbH-Firmenlogo
Elektroingenieur (m/w/d) (Ingenieur für Elektrotechnik, Energie- oder Versorgungstechnik o. ä.) fbw | Fernwärmegesellschaft Baden-Württemberg mbH
Stuttgart Zum Job 
Veltum GmbH-Firmenlogo
Planungsingenieur:in für Versorgungstechnik Heizung, Lüftung, Sanitär Veltum GmbH
Waldeck Zum Job 
Stadtwerke Potsdam GmbH-Firmenlogo
Ingenieur/Techniker/Meister (m/w/d) Elektrische Energietechnik Netzausbau Strom Stadtwerke Potsdam GmbH
Potsdam Zum Job 
THOST Projektmanagement GmbH-Firmenlogo
Ingenieur*in (m/w/d) im Projektmanagement Bereich Energietechnik THOST Projektmanagement GmbH
verschiedene Standorte Zum Job 
ESWE Versorgungs AG-Firmenlogo
Asset Management & Transformationsplanung Fernwärmeversorgung (m/w/d) ESWE Versorgungs AG
Wiesbaden Zum Job 
naturenergie hochrhein AG-Firmenlogo
Projektentwickler kommunale Energielösungen (m/w/d) naturenergie hochrhein AG
Rheinfelden (Baden) Zum Job 
Stadtwerke Augsburg Energie GmbH-Firmenlogo
TGA-Planer*in / Ingenieur*in / Techniker*in (m/w/d) technische Gebäudeausrüstung Stadtwerke Augsburg Energie GmbH
Augsburg Zum Job 
Berliner Stadtreinigungsbetriebe (BSR)-Firmenlogo
Abteilungsleitung Deponien und Altablagerungen (w/m/d) Berliner Stadtreinigungsbetriebe (BSR)
Kromberg & Schubert Automotive GmbH & Co. KG-Firmenlogo
Ingenieur / Materialwissenschaften (m/w/d) Kromberg & Schubert Automotive GmbH & Co. KG
Abensberg Zum Job 
Die Autobahn GmbH des Bundes-Firmenlogo
Ingenieur (w/m/d) für Geotechnik, Abfall, Altlasten und Georisiken Die Autobahn GmbH des Bundes
Nürnberg Zum Job 
Hamburger Hochbahn AG-Firmenlogo
Senior - Projektleiter Elektrotechnik Betriebsanlagen (w/m/d) Hamburger Hochbahn AG
Hamburg Zum Job 

Die Forschenden entwickelten KI-Methoden, die Neuronale Netzwerke mit einem umfangreichen Datensatz trainieren und analysieren. Dieser Datensatz enthält Videoaufnahmen, die die Photolumineszenz der Perowskit-Dünnschichten während ihrer Herstellung zeigen. Photolumineszenz beschreibt die leuchtende Emission der Halbleiterschichten, verursacht durch eine externe Lichtanregung.

„Da selbst Fachleute nichts Bemerkenswertes auf den Dünnschichten erkennen konnten, entstand die Idee, eine KI für Maschinelles Lernen (Deep Learning) darauf zu trainieren, verborgene Indizien für eine gute oder schlechte Beschichtung in den Millionen Daten aus den Videos zu finden“, erklären Lukas Klein und Sebastian Ziegler von Helmholtz Imaging am DKFZ.

Um die umfangreichen und vielfältigen Informationen der Deep-Learning-KI effektiv zu nutzen, setzten die Forschenden anschließend auf Methoden der Erklärbaren Künstlichen Intelligenz, um diese Daten zu filtern und zu analysieren.

Faktoren identifiziert, die für eine hochwertige Solarzelle notwendig sind

Die Forschenden stellten durch das Training der KI fest, dass die Photolumineszenz während des Herstellungsprozesses Schwankungen unterliegt. Diese Variationen haben direkten Einfluss auf die Qualität der Beschichtung. „Entscheidend bei der Arbeit war, dass wir XAI-Methoden gezielt eingesetzt haben, um zu sehen, welche Faktoren sich für eine hochwertige Solarzelle ändern müssten“, so Klein und Ziegler.

Üblicherweise wird XAI nur als eine Art Leitplanke genutzt, um Fehler beim Bauen von KI-Modellen zu vermeiden. Das Forschungsteam ist anders vorgegangen, Klein und Ziegler ergänzen: „„Das ist ein Paradigmenwechsel, und dass wir so systematisch hochrelevante Erkenntnisse in Materialwissenschaften gewinnen können, ist neu.“  Die Photolumineszenz-Variationen erlaubten den Forschenden, Fortschritte zu machen. Nach dem Training der neuronalen Netzwerke konnte die Künstliche Intelligenz vorhersagen, ob eine Solarzelle einen niedrigen oder hohen Wirkungsgrad erreicht.

Die Höhe des Wirkungsgrads hing davon ab, zu welchem Zeitpunkt während der Produktion bestimmte Veränderungen in der Lichtemission auftraten. „Das sind extrem spannende Ergebnisse“, so Ulrich W. Paetzold. „Dank des kombinierten Einsatzes der KI haben wir eine Idee, an welchen Stellschrauben wir zuallererst drehen müssen, um die Produktion zu verbessern. Wir können unsere Experimente zielgerichteter durchführen und müssen nicht mehr im Dunkeln die Nadel im Heuhaufen suchen. Das ist eine Blaupause für Folgeforschung, auch für viele weitere Aspekte in der Energieforschung und den Materialwissenschaften.“

Ein Beitrag von:

  • Dominik Hochwarth

    Redakteur beim VDI Verlag. Nach dem Studium absolvierte er eine Ausbildung zum Online-Redakteur, es folgten ein Volontariat und jeweils 10 Jahre als Webtexter für eine Internetagentur und einen Onlineshop. Seit September 2022 schreibt er für ingenieur.de.

Zu unseren Newslettern anmelden

Das Wichtigste immer im Blick: Mit unseren beiden Newslettern verpassen Sie keine News mehr aus der schönen neuen Technikwelt und erhalten Karrieretipps rund um Jobsuche & Bewerbung. Sie begeistert ein Thema mehr als das andere? Dann wählen Sie einfach Ihren kostenfreien Favoriten.