Innovationstreiber KI: Entwicklung und Optimierung von Photovoltaikmaterialien

Erlangen/Nürnberg, 18.04.2024 - Photovoltaik ist eine Schlüsseltechnologie für die Energiewende. Für den notwendigen Zuwachs der weltweiten Nutzung von kostengünstigem Sonnenstrom müssen innovative Solarzellkonzepte schneller umgesetzt werden. Die Aktivitäten in Forschung und Entwicklung hierzu nehmen rasant zu und führen zu einer Fülle an wissenschaftlichen Publikationen. Deren volles Potenzial lässt sich jedoch nur ausschöpfen, wenn die Forschung diese immer größeren Datenmengen auch auswerten kann.

Doch durch die schiere Menge an Daten kommt es zu Grenzen bei der Umsetzung der neuesten Erkenntnisse. Mit dem von der Helmholtz-Gemeinschaft mit knapp 4 Millionen Euro geförderten Projekt SOL-AI wird ein KI Grundlagenmodell geschaffen, dass diese Grenzen überwinden soll. Dieses sogenannte Foundation Model zielt darauf ab, die Materialinformatik auf diesem Gebiet grundlegend zu reformieren. Es ist in der Lage, die Vielfalt der experimentellen Daten und Ergebnisse im Bereich der Forschung zu Photovoltaikmaterialien zusammenzuführen, um Innovationen in verschiedenen Bereichen voranzutreiben: angefangen bei der beschleunigten Bauteilentwicklung und -optimierung bis hin zur Entdeckung neuer Solarmaterialien. SOL-AI soll Lösungsansätze entwickeln, die praktische Relevanz für Forschung und Industrie besitzen werden.

Das HI ERN als Teil des Forschungszentrums Jülich, bringt sein Domänenwissen aus der Photovoltaik mit seinem gesamten Datenbestand ein und bereitet damit die Basis für das Training der KI-Modelle.

Hintergrund

Grundlagenmodelle sind KI-Anwendungen, die auf der Grundlage einer sehr breiten Wissensbasis in der Lage sind, eine Reihe von komplexen Problemen zu lösen. Auch der bekannte Chatbot ChatGPT von OpenAI basiert auf einem solchen Modell. Die sogenannten Foundation Models sind deutlich leistungsstärker und flexibler als herkömmliche KI-Modelle und eignen sich auch für die Wissenschaft. Durch gezieltes Training mit umfangreichen Datenmengen und die Nutzung von generativer KI sind sie in der Lage, komplexe Zusammenhänge auf der Grundlage erlernter Muster zu verstehen, neue Zusammenhänge zu generieren sowie Prognosen zu erstellen.

Projektpartner

Beteiligte Helmholtz-Zentren: Forschungszentrum Jülich (Koordination), Karlsruher Institut für Technologie, Helmholtz-Zentrum Berlin für Materialien und Energie und Helmholtz-Zentrum Hereon.

Förderung

Die Helmholtz-Gemeinschaft fördert neben SOL-AI drei weitere Pilotprojekte und die dafür benötigte Infrastruktur mit rund 23 Millionen Euro.

Mehr Informationen

Zur Pressemitteilung der Helmholtz-Gemeinschaft

Kontakt

Prof. Christoph Brabec

Director and Head of Research Department High Throughput Methods in Photovoltaics

Gebäude Helmholtz-Erlangen /
Raum 367

+49 9131/85-25462

E-Mail

Dr. Jens Hauch

Abteilungsleiter Teamleiter "High Throughput Materials and Devices"

Gebäude HIERN-Immerwahrstr /
Raum 1.12

+49 9131-12538301

E-Mail

Verwandte Inhalte

Pressemitteilung

Die Folgen des PV-Booms: Studie des HI ERN untersucht Recycling-Strategien für Solarmodule

Die Photovoltaik oder kurz PV ist eine wichtige Säule der Energiewende. Doch deren zu erwartende rapide Ausbau bindet große Mengen an Ressourcen. Zirkuläre Recycling-Strategien sind nötig, um in Zukunft Abfallströme zu vermeiden, die in der Größenordnung des heutigen weltweiten Elektroschrotts liegen. Zu diesem Ergebnis kommen Forschende des HI ERN in einer Studie in der renommierten Fachzeitschrift Joule.

Meldung

Mit Solaranlagen gegen Waldbrände

Ein Forscherteam der School of Photovoltaic and Renewable Energy Engineering (UNSW) in Australien und des HI ERN haben in einer aktuellen Studie untersucht, wie sich Waldbrände auf die Energieerzeugung durch Photovoltaik-Anlagen auswirken, und inwieweit Solaranlagen zukünftig bei der Erkennung und Überwachung von Waldbränden eingesetzt werden können.

Forschungsabteilung

Hoch­durch­satz­methoden in der Photo­voltaik

Die Forschungsabteilung hat zum Ziel, Materialien, Verfahren und Technologien zu entwickeln, die eine nachhaltige und signifikante Kostenverringerung der Photovoltaiktechnologie ermöglichen, von der kleinen, nicht netzgebundenen Energiegewinnung bis zur großtechnischen Energieerzeugung und von der Watt- zur Terawatt-Skala. Die Forschung verbindet Leistungen aus automatisierter Materialforschung, Digitalisierung, Simulation und Big-Data-Methoden mit dem Spezialwissen der Photovoltaik-Technologie.