2nd2SEA - Ein zweites Leben für Fahrzeugbatterien in der maritimen Landstromversorgung

Batterien länger nutzen statt frühzeitig recyceln

Batterien aus mobilen Anwendungen erreichen nicht zwangsläufig das Ende ihrer technischen Nutzbarkeit, wenn sie für ihre ursprüngliche Anwendung nicht mehr geeignet sind. Häufig besitzen die Batteriemodule noch nutzbare Kapazität. Eine Weiterverwendung in stationären Speichersystemen kann ihre Nutzungsdauer verlängern und die stoffliche Verwertung zeitlich hinauszögern.

Die technische Herausforderung liegt vor allem in der Unterschiedlichkeit zurückgeführter Batteriemodule. Zellchemie, Alterungszustand, Ladezustand, elektrische Eigenschaften und thermisches Verhalten können deutlich voneinander abweichen. Herkömmliche Batteriemanagementsysteme sind dagegen meist auf eine bestimmte Zellchemie und definierte Batterieeigenschaften ausgelegt.

Unterschiedliche Batteriemodule sicher zusammenführen

Für eine flexible Zweitnutzung werden Systeme benötigt, die den Zustand unterschiedlicher Batteriemodule zuverlässig erfassen und ihren gemeinsamen Betrieb steuern können. Genau hier setzt 2nd2Sea an.

Gleichzeitig wächst in Häfen der Bedarf an flexiblen Energiespeichern. Sie können unter anderem die Landstromversorgung unterstützen, erneuerbare Energien zwischenspeichern und Lastspitzen reduzieren. Gebrauchte Batteriemodule könnten hierfür eine zusätzliche Speicherressource bereitstellen

KI schafft die Grundlage für flexible Second-Life-Speicher

2nd2Sea entwickelt ein intelligentes und modulares System, das gebrauchte Lithium-Ionen-Batterien für stationäre Energiespeicher nutzbar machen soll. Dafür verbindet das Projekt Batteriediagnostik, künstliche Intelligenz, modulare Leistungselektronik und Energiemanagement.

Im Mittelpunkt steht ein KI-basiertes Batteriemanagementsystem. Es soll unterschiedliche Module unter anderem hinsichtlich Ladezustand, Gesundheitszustand, C-Rate und thermischem Verhalten bewerten. Dadurch sollen Batteriemodule mit unterschiedlichen Zellchemien, Alterungszuständen und elektrischen Eigenschaften sicher in einem gemeinsamen System betrieben werden können

Von Trainingsdaten zum Gesamtsystem

Die Entwicklung erfolgt in mehreren aufeinander abgestimmten Schritten:

  • Erzeugung von Trainingsdaten für Zellen und Module mit unterschiedlichen Zellchemien und Alterungszuständen
  • Entwicklung von Algorithmen zur Bewertung relevanter Batteriezustände
  • Umsetzung der KI-Modelle auf kostengünstiger, ressourcenbeschränkter Hardware mithilfe von Tiny Machine Learning (TinyML)
  • Verbindung des Batteriemanagements mit modularer Leistungselektronik und einem übergeordneten Energiemanagementsystem
  • Aufbau eines Demonstrators mit zwei unterschiedlichen Batteriemodulen
  • Validierung von Diagnose, Kommunikation sowie sicherem Laden und Entladen
  • Untersuchung von Skalierbarkeit, technischer Leistungsfähigkeit, Sicherheit, Effizienz und wirtschaftlicher Umsetzbarkeit

Batteriediagnostik und KI bewerten jedes Modul individuell

Das KI-basierte Batteriemanagementsystem bildet einen zentralen Baustein von 2nd2Sea. Es bewertet den Ladezustand, Gesundheitszustand, die C-Rate und das thermische Verhalten der eingesetzten Batteriemodule.

Um auch unterschiedliche Batterietypen berücksichtigen zu können, werden Trainingsdaten aus Zellen und Modulen mit verschiedenen Zellchemien und Alterungszuständen erzeugt. Die daraus entwickelten KI-Modelle sollen die Eigenschaften der einzelnen Module erfassen und eine Grundlage für ihren sicheren Betrieb im Gesamtsystem schaffen.

TinyML bringt KI auf ressourcenbeschränkte Hardware

Die KI-Modelle werden mithilfe von Tiny Machine Learning auf kostengünstige Embedded-Hardware übertragen. TinyML bezeichnet Verfahren, mit denen Modelle der künstlichen Intelligenz auf Geräten mit begrenzter Rechenleistung und begrenztem Speicher ausgeführt werden können.

Damit soll die Batteriediagnostik direkt in die Systemarchitektur integriert werden, ohne dafür leistungsstarke zentrale Rechner vorauszusetzen.

Modulare Leistungselektronik verbindet unterschiedliche Batterien

Ergänzend zur Batteriediagnostik entwickelt das Projekt modulare, softwaredefinierte Leistungselektronik und ein intelligentes Energiemanagementsystem. Sie sollen ermöglichen, Batteriemodule mit unterschiedlichen elektrischen Eigenschaften innerhalb eines gemeinsamen Speichersystems zu betreiben.

Wie die einzelnen Komponenten zusammenspielen, wird an einem Demonstrator mit zwei unterschiedlichen Second-Life-Batteriemodulen untersucht. Er dient dazu, Kommunikation, Diagnose, sicheres Laden und Entladen sowie die Skalierbarkeit des Ansatzes zu validieren.

Second-Life-Speicher für Hafeninfrastrukturen

Der primäre Einsatzbereich ist die stationäre Energiespeicherung für die Landstromversorgung in Häfen. Darüber hinaus können die entwickelten Methoden perspektivisch für weitere Aufgaben stationärer Speicher relevant sein, beispielsweise:

  • Zwischenspeicherung erneuerbarer Energien
  • Reduzierung von Lastspitzen
  • weitere stationäre Speichersysteme mit heterogenen Batteriemodulen

Verknüpfte Techline

Im Projekt werden Batteriezustände erfasst und ausgewertet sowie ein intelligentes Batteriemanagement für unterschiedliche Batteriemodule entwickelt. Erfahre mehr dazu in unsere Techline: Intelligente Batteriezellen mit integrierter Sensorik.

 

Verknüpfte Forschungsschwerpunkte

Ein Schwerpunkt des Projekts liegt auf dem KI-basierten Batteriemanagement und der Diagnose unterschiedlicher Batteriemodule. Erfahre mehr dazu in unserem Forschungsschwerpunkt: Intelligente Batteriemanagementsysteme für flexible Batteriespeicher.

 

Drei Forschungspartner verbinden Batterie-, Leistungs- und KI-Kompetenz

Das Projekt verbindet Kompetenzen aus Batteriediagnostik, Leistungselektronik, Energiemanagement und künstlicher Intelligenz.

 

Förderung

2nd2Sea wird im Rahmen des Programms „WIR! – Wandel durch Innovation in der Region“ (Phase II) durch das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) und das Land Schleswig-Holstein gefördert.

Projektlaufzeit: 1. Januar 2026 bis 31. Dezember 2027

Gesamtförderung: 749.578 Euro

Projektkoordination: Fraunhofer ISIT

 

Fraunhofer ISIT

Das Fraunhofer ISIT koordiniert das Projekt. Es entwickelt das KI-basierte Batteriemanagementsystem, erzeugt Trainingsdaten und entwickelt die Algorithmen für die Batteriediagnostik.

Technische Hochschule Lübeck

Die TH Lübeck entwickelt die modulare Leistungselektronik und das Energiemanagementsystem. Darüber hinaus übernimmt sie Systemsimulationen und den Aufbau des Demonstrators.

Christian-Albrechts-Universität zu Kiel (CAU Kiel)

Die CAU Kiel übernimmt die TinyML-Implementierung und optimiert die KI-Modelle für den ressourceneffizienten Einsatz auf Embedded-Hardware.

Second-Life-Konzepte verlängern die Nutzung vorhandener Batteriesysteme

2nd2Sea soll dazu beitragen, die vorhandene Kapazität gebrauchter Batteriemodule länger nutzbar zu machen. Werden geeignete Batterien nach ihrer ersten Nutzung in stationären Speichern weiterbetrieben, kann ihre Nutzungsphase verlängert und die stoffliche Verwertung zeitlich hinausgezögert werden.

Für Hafeninfrastrukturen eröffnet das Konzept die Möglichkeit, vorhandene Batterieressourcen für stationäre Energiespeicher einzusetzen. Solche Systeme können die Landstromversorgung unterstützen, erneuerbar erzeugte Energie zwischenspeichern und Lastspitzen reduzieren.

Flexible Diagnose erleichtert den Umgang mit heterogenen Batterien

Für Unternehmen sind insbesondere die entwickelten Methoden zur Bewertung unterschiedlicher Batteriemodule relevant. Das KI-basierte Konzept soll eine zustandsabhängige Beurteilung von Modulen ermöglichen, auch wenn Zellchemie, Alterung und elektrische Eigenschaften voneinander abweichen.

Damit untersucht das Projekt eine zentrale technische Voraussetzung für flexiblere Second-Life-Systeme: Statt nur identische Batteriemodule gemeinsam einzusetzen, sollen unterschiedliche Module intelligent bewertet und in eine gemeinsame Systemarchitektur eingebunden werden.

Übertragbare Methoden für zukünftige Speichersysteme

Neben dem konkreten Demonstrator entstehen im Projekt Methoden und Modelle für Batteriediagnostik, TinyML, modulare Leistungselektronik und intelligentes Energiemanagement.

Die entwickelten Ansätze könnten perspektivisch auf größere Speichersysteme in Häfen übertragen werden. Darüber hinaus besteht Transferpotenzial für weitere stationäre, transportbezogene und hybride Energiespeicheranwendungen.