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
TenneT TSO GmbH-Firmenlogo
Ingenieur als Projektleiter Leitungsbau (m/w/d) TenneT TSO GmbH
VIVAVIS AG-Firmenlogo
Sales Manager (m/w/d) Metering VIVAVIS AG
Ettlingen / Homeoffice Zum Job 
Chemische Fabrik Kreussler & Co. GmbH-Firmenlogo
Projektingenieur (m/w/d) Advanced Energy Solutions Chemische Fabrik Kreussler & Co. GmbH
Wiesbaden Zum Job 
Netzgesellschaft Potsdam GmbH-Firmenlogo
Ingenieur (m/w/d) Strategische Netzplanung Strom Netzgesellschaft Potsdam GmbH
Potsdam Zum Job 
FUNKE Wärmeaustauscher Apparatebau GmbH-Firmenlogo
Entwicklungsingenieur (m/w/d) FUNKE Wärmeaustauscher Apparatebau GmbH
Gronau (Leine) Zum Job 
Staatliche Gewerbeaufsicht Niedersachsen-Firmenlogo
Ingenieur / Naturwissenschaftler (m/w/d) für den Einsatz im Arbeitsschutz / Umweltschutz / Verbraucherschutz (Bachelor of Science / Bachelor of Engineering / Diplom / FH) Staatliche Gewerbeaufsicht Niedersachsen
Braunschweig Zum Job 
Staatliche Gewerbeaufsicht Niedersachsen-Firmenlogo
Ingenieur / Naturwissenschaftler (m/w/d) für den Einsatz im Arbeitsschutz / Umweltschutz / Verbraucherschutz (Master, Diplom Uni) Staatliche Gewerbeaufsicht Niedersachsen
verschiedene Standorte Zum Job 
Thyssengas GmbH-Firmenlogo
Ingenieur Projektleiter Leitungsbau (m/w/d) Thyssengas GmbH
Dortmund Zum Job 
Hamburger Hochbahn AG-Firmenlogo
Senior - Projektleiter Elektrotechnik Betriebsanlagen (w/m/d) Hamburger Hochbahn AG
Hamburg Zum Job 
Iqony Solutions GmbH-Firmenlogo
Projektingenieur (m/w/d) Prozesssimulation/Verfahrenstechnik Iqony Solutions GmbH
WESSLING Consulting Engineering GmbH & Co. KG-Firmenlogo
Abteilungsleiter Gebäudeschadstoffe (m/w/d) WESSLING Consulting Engineering GmbH & Co. KG
Berlin-Adlershof Zum Job 
Hochschule Angewandte Wissenschaften München-Firmenlogo
Professur für Modellbildung und Simulation in der Energie- und Gebäudetechnik (W2) Hochschule Angewandte Wissenschaften München
München Zum Job 
Forschungszentrum Jülich GmbH-Firmenlogo
Teamleiter:in - Integrierte Ressourcenbewertung (w/m/d) Forschungszentrum Jülich GmbH
Jülich bei Köln Zum Job 
Iqony Solutions GmbH-Firmenlogo
Key-Account-Manager:in (m/w/d) Iqony Solutions GmbH
VIVAVIS AG-Firmenlogo
Sales Manager (m/w/d) Industrie VIVAVIS AG
Ettlingen Zum Job 
Birkenstock Productions Sachsen GmbH-Firmenlogo
Projektingenieur für Versorgungstechnik (TGA) (m/w/d) Birkenstock Productions Sachsen GmbH
Görlitz Zum Job 
Berliner Stadtreinigung (BSR)-Firmenlogo
Mitarbeiter:in (w/m/d) strategisches Stoffstrom- und Anlagenmanagement Berliner Stadtreinigung (BSR)
Stadtwerke Essen AG-Firmenlogo
Ingenieur/Techniker (gn) für Kanal- und Entwässerungsplanung Stadtwerke Essen AG
TenneT TSO GmbH-Firmenlogo
Genehmigungsplaner (m/w/d) TenneT TSO GmbH
Kiel, Stockelsdorf Zum Job 
Berliner Stadtreinigungsbetriebe (BSR)-Firmenlogo
Betriebsleiterin / Betriebsleiter (w/m/d) Biogasanlage Berliner Stadtreinigungsbetriebe (BSR)
Berlin-Ruhleben Zum Job 
TenneT TSO GmbH-Firmenlogo
Ingenieur als Projektleiter Leitungsbau (m/w/d) TenneT TSO GmbH
VIVAVIS AG-Firmenlogo
Sales Manager (m/w/d) Metering VIVAVIS AG
Ettlingen / Homeoffice Zum Job 
Chemische Fabrik Kreussler & Co. GmbH-Firmenlogo
Projektingenieur (m/w/d) Advanced Energy Solutions Chemische Fabrik Kreussler & Co. GmbH
Wiesbaden Zum Job 
Netzgesellschaft Potsdam GmbH-Firmenlogo
Ingenieur (m/w/d) Strategische Netzplanung Strom Netzgesellschaft Potsdam GmbH
Potsdam 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.