Das Projekt "Kems4Bats - Untersuchung der Gas-Wärmeentwicklung für zukünftige Batteriematerialien der Elektromobilität mittels KEMS und Kalorimetrie" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Hochschule Mannheim, Institut für angewandte Thermo- und Fluiddynamik.Leistungsfähige und sichere Lithium-Ionen-Batterien sind essentiell für den Ausbau der Elektromobilität und weitere Einsatzbereiche. Kems4Bats wird mit innovativen experimentellen Analysemethoden grundlegende Werkstoffeigenschaften von zukünftigen Batteriematerialien der Elektromobilität bestimmen und den Parameter Gasentwicklung als Folge von Degradationsprozessen bzw. Zersetzungsreaktionen untersuchen. Das Verständnis der Gas- und Wärmeentwicklung (z.B. beim Power Charging) ist essentiell, um die Solid Electrolyte Interphase-Bildung und den daraus resultierenden Kapazitätsverlust zu verstehen bzw. neue Alterungsmodelle zu ermitteln. Erstmalig wird die Gasentwicklung mit der Methode der Knudsen-Effusions-Massenspektrometrie (KEMS) untersucht. Deren Alleinstellungsmerkmal ist, dass die Gasentwicklung in situ untersucht werden kann im Temperaturbereich von minus - 80 - 800 Grad Celsius . Die Methode beeinflusst physikalische und chemische Vorgänge in der Batterie nicht. Die KEMS-Methode hat das Potential, um führend für die Charakterisierung von Batterieelektroden und -elektrolyten zu werden. Parallel untersucht Kems4Bats die elektrochemische und thermodynamische Eigenschaften von zukünftigen Elektrodenmaterialien, um Wärmeströme in Batterien unter variierenden Konditionen zu bestimmen. Die Erkenntnisse liefern den Input für Simulationen, um das Thermal-Management effizienter und sicherer zu gestalten. Darauf aufbauend geht es darum, die Wärme-Stofftransporte in Batterien mit einer intelligenten Software zu simulieren und für diese ein zusätzliches innovatives Datenbankformat zu entwickeln. Die Datenbank wird durch Methoden aus Big Data und künstlicher Intelligenz (z.B. maschinelles Lernen) erstellt. Die Industrie erhält so Möglichkeiten, Entwicklungszeiten für das Battery Thermal Management-System, für Werkstoffcharakterisierung und -entwicklung zu verkürzen. Zukünftig können somit schneller neue, leistungsfähigere und sichere Batteriematerialien identifiziert werden.
Das Projekt "BioFusion - Biologische Transformation 4.0: Weiterentwicklung von Industrie 4.0 durch Integration biologischer Prinzipien, Teilprojekt: Entwicklung einer 'Biokostenfunktion' für die Bahnplanung zur Fertigung biologisch transformierter Produkte" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: ModuleWorks GmbH.Ziel ist die Entwicklung intelligenter Softwarekomponenten für die Biologische Transformation bei der Herstellung von Produkten, die durch neuartige, biointelligente Materialien und Fertigungsverfahren mit Fokus auf größtmögliche Nachhaltigkeit (Ressourcenschonende Fertigung / Recycling) hergestellt werden. Außerdem sollen die nachhaltigsten Materialien und Fertigungsprozesse für das zu fertigende Produkt evaluiert werden. Ein wichtiges Kriterium ist die Bereitstellung der Komponenten für die durchgängige digitale Prozesskette. Hierdurch wird die Anwendbarkeit der Im Projekt entwickelten Lösungen sichergestellt. Bei der Fertigung könnten die durch die Industrie 4.0 eingeführten Techniken wie VR/AR-Systeme zum Einsatz kommen.
Das Projekt "NKI: Steigerung der Energie- und Ressourceneffizienz durch selbstlernende Prozesssteuerung in der Kläranlage Kaufbeuren" wird/wurde gefördert durch: Bundesministerium für Umwelt, Naturschutz und nukleare Sicherheit. Es wird/wurde ausgeführt durch: Stadt Kaufbeuren - Referat 400 Bau- und Umweltreferat - Entsorgung.Durch das Einrichten von Künstlichen Neuronalen Netzen und der historischen Datenauswertung sollen sogenannte Optimierer (Softwarebaustein) entwickelt werden, mit denen Teilprozesse der Kläranlage so automatisiert werden, dass die Anlagen energieoptimiert betrieben werden. Der Einsatz dieses intelligenten Systems wird bereits in der Pharmaindustrie bzw. in der Chemischen Industrie verwendet und soll nun auf den Prozess der Abwasserreinigung projiziert werden. Gerade bei so energieintensiven Prozessen, wie bei der Abwasserreinigung, sind dadurch große Energie- und somit CO2-Einsparungen zu realisieren. Die simulierten Modelle von Teilprozessen (wie z.B. Denitrifikation) werden einer Lern- und Analysephase unterzogen und werden hierdurch 'trainiert'. Der 'Optimierer' findet auf deren Ergebnisse mittels eines genetischen Algorithmus die optimalen Betriebszustände, um die Anlagen energieoptimiert zu betreiben. Mittels angepasster Prozessleittechnik soll ein energieoptimierter, automatischer Anlagenbetrieb ermöglicht werden. Dieser Ansatz unterscheidet sich grundlegend von klassischen.
