KIMEA – Inline-Qualitätssicherung in der MEA-Fertigung mittels KI-basierter Modelle

Die MEA – Schlüsselkomponente für Elektrolyseure und Brennstoffzellen

Grüner Wasserstoff gewinnt zunehmend an Bedeutung – und mit ihm die Herstellung leistungsfähiger Membran-Elektroden-Einheiten (MEA). Als Herzstück von Elektrolyseuren und Brennstoffzellen bestimmen MEAs maßgeblich Effizienz, Lebensdauer und Wirtschaftlichkeit dieser Systeme.

Aktuelle Qualitätssicherungsverfahren, insbesondere die vollständige Aufnahme von I‑V-Kennlinien (Strom-Spannungs-Kurven), sind jedoch zeitaufwendig, laborgebunden und für die industrielle Massenproduktion kaum geeignet. Die Folgen: Unsicherheiten in der Qualität, höherer Ausschuss und steigende Kosten.

KI-gestützte Inline-Qualitätssicherung

Das Projekt KIMEA adressiert diese Herausforderung mit einem innovativen Ansatz: Ein KI-gestütztes Inline-Qualitätssicherungssystem prognostiziert auf Basis von Prozess-, Sensor- und Maschinendaten die elektrochemische Leistungsfähigkeit der MEA bereits während der Produktion. Dadurch können fehlerhafte Produkte frühzeitig erkannt und aussortiert werden – direkt im Fertigungsprozess.

Die Umsetzung erfolgt über ein Edge Device, das sich flexibel in neue und bestehende Produktionsanlagen integrieren lässt – unabhängig von Hersteller oder Systemarchitektur.

Unterstützung durch ein integriertes Sprachmodell

Ein eingebundenes, LLM-basiertes Sprachmodell analysiert komplexe Prozessdaten und unterstützt das Bedienpersonal mit verständlichen Handlungsempfehlungen auf Anfrage. So wird die Bedienung erleichtert und die Prozesssicherheit erhöht – auch ohne tiefgehendes Expertenwissen.

Entwicklung und Validierung mit realen Produktionsdaten

Für das Training der KI erzeugt das Fraunhofer IPT umfangreiche, strukturierte Datensätze an einer eigenen Versuchsanlage und verknüpft diese mit real gemessenen Leistungswerten.
Die Validierung erfolgt schrittweise:

1. an der institutseigenen Anlage
2. im realen Produktionsumfeld beim Projektpartner Laufenberg

Flexibel einsetzbar in unterschiedlichen Produktionsumgebungen

Ein zentraler Fokus des Projekts liegt auf der Übertragbarkeit der KI-Modelle.
Untersucht wird, inwieweit sich die entwickelten Lösungen auf verschiedene Anlagenkonfigurationen, Produktionsbedingungen und Materialsysteme (z. B. Tinten) anwenden lassen.
Ziel ist ein skalierbares und vielseitig einsetzbares Qualitätssicherungssystem für die industrielle Fertigung.