31 December 2025, 11:04

KI und EIS: Wie ein Braunschweig-Start-up Batterien revolutioniert

Ein Auto-Motor mit sichtbaren Rohren und einer Batterie.

KI und EIS: Wie ein Braunschweig-Start-up Batterien revolutioniert

Ein neues Start-up der TU Braunschweig entwickelt intelligentere Methoden zur Überwachung von Lithium-Ionen-Batterien. DOYAM-LiONEis, gegründet von Forschenden des Instituts für Elektrische Maschinen, Antriebe und Bahnen (IMAB), hat ein System entwickelt, das fortschrittliche Testverfahren mit maschinellem Lernen kombiniert. Ziel ist es, Batteriespeicher effizienter und langlebiger zu machen.

Zum Team von DOYAM-LiONEis gehören Thorben Schobre, Sheikh Mustafa Mumtaz und Lukas Radomsky – allesamt ehemalige wissenschaftliche Mitarbeiter des IMAB. Ihre Expertise umfasst Leistungselektronik, Batterietechnologie und maschinelles Lernen. Gemeinsam haben sie eine Lösung entwickelt, die elektrochemische Impedanzspektroskopie (EIS) mit KI-Algorithmen verknüpft, um den Zustand von Batterien präziser zu bewerten.

Cashback bei deinen
Lieblingsrestaurants und Services

Kaufe Gutscheine und spare in deinen Lieblingsorten in deiner Nähe

LiberSave App auf Smartphones

Die Technologie lässt sich auf große Batterieverbünde anwenden und hilft Betreibern, die Leistung zu optimieren, Wartungskosten zu senken und die Lebensdauer der Akkus zu verlängern. Das Projekt hat bereits fast eine Million Euro Förderung über das EXIST-Forschungstransfer-Programm erhalten, das risikoreiche, forschungsintensive Gründungen bei der Kommerzialisierung wissenschaftlicher Erkenntnisse unterstützt. Am IMAB wurden die Gründer von Professorin Regine Mallwitz, Professor Markus Henke und dem TransferService der Universität beraten. Ihr Fokus liegt nun darauf, den Prototypen weiterzuentwickeln und Deutschland als Vorreiter in der Batterieinnovation zu positionieren.

DOYAM-LiONEis will die Effizienz von Batteriespeichersystemen verbessern. Durch präzise Daten zu Ladezuständen und Alterungsprozessen könnte die Lösung des Start-ups Kosten senken und Ausfallzeiten reduzieren. Die Weiterentwicklung erfolgt mit Unterstützung der TU Braunschweig und des EXIST-Programms.