Das Projekt "Predictive Maintenance für die e-Mobilität (ePredict)" wird vom Umweltbundesamt gefördert und von Technische Universität Dresden, Institut für Leichtbau und Kunststofftechnik, Professur Leichtbaudesign und Strukturbewertung durchgeführt. Zwei aktuelle Megatrends, die auch die sächsische Gesellschaft und Industrielandschaft grundlegend verändern werden, sind alternative Mobilitätskonzepte und die fortschreitende Digitalisierung. Eine nachhaltige individuelle Mobilität in Ballungsräumen erfordert neue, möglichst emissionsfreie Antriebskonzepte. Hier spielen Elektroantriebe, ob batterieelektrisch, hybrid oder mit Brennstoffzelle, eine wichtige Rolle. Diese Antriebe sind bereits jetzt hochintegriert aufgebaut, d.h. die Komponenten Antrieb, Elektronik und Sensorik sind auf engstem Raum vereint. Die kompakten Abmessungen und die Integration von Elektronik und tragendem Bauteil führen dabei zu höchsten thermomechanischen Belastungen. Dies gilt auch für den Einfluss neuer Betriebsmoden, wie z.B. der Rekuperation von Antriebsenergie durch elektrisches Bremsen. Die Zukunft der individuellen Mobilität basiert zudem auf neuen Mobilitätskonzepten. Diese beinhalten u.a. Car- und Bikesharing-Lösungen, digitale Verkehrsleitsysteme und das autonome Fahren. Dadurch kommt es zu einem häufigeren, variableren Einsatz der Fahrzeuge durch verschiedene Nutzer, sodass das professionelle Flottenmanagement mit gesteigerten Anforderungen an Verfügbarkeit, Überwachung und Instandhaltung der Fahrzeuge an Bedeutung gewinnt. Die rasant voranschreitende Digitalisierung ermöglicht in diesem Zusammenhang vollkommen neue Ansätze. Durch die schnelle Übertragung mittels digitaler Infrastruktur, Speicherung und Verarbeitung großer Datenmengen ist es möglich, ein digitales Abbild - einen Digitalen Zwilling - eines komplexen Systems oder einer ganzen Fahrzeugflotte zu generieren, das zur Analyse und Optimierung eingesetzt werden kann. Aufgrund der zukünftig verfügbaren Daten bieten sich neue Methoden aus dem Bereich der künstlichen Intelligenz (KI), der Analyse von Massendaten (Big Data) sowie der Verknüpfung von Bauteil und Daten im Sinne des Internets der Dinge (IoT) an.
Das Ziel des Vorhabens ist daher die Entwicklung von grundlegenden digitalen Methoden zur Lebensdauerüberwachung und Zuverlässigkeitssteigerung hochintegrierter mechatronischer Systeme. Diese Methoden sind Voraussetzung für den sicheren Einsatz von hochintegrierten mechatronischen Systemen, deren frühzeitigen Service und Wartung bereits vor dem Schadensfall und neue Geschäftsmodelle von Systemanbietern, die Produkt, Einsatz und Service verknüpfen.