KI entdeckt die Zukunft der Batterien – und sie ist nicht aus Lithium

Forscher des New Jersey Institute of Technology haben mit einem dualen KI-System fünf neue poröse Materialien identifiziert, die multivalente-Ionen-Batterien ermöglichen könnten. Diese Technologie verspricht leistungsstärkere, kostengünstigere und umweltfreundlichere Energiespeicher als herkömmliche Lithium-Ionen-Batterien. Die Studie wurde in der Fachzeitschrift Cell Reports Physical Science veröffentlicht.

Die globale Batterieforschung steht vor einem Wendepunkt. Während die Nachfrage nach leistungsfähigen Energiespeichern exponentiell wächst, zeigen sich bei Lithium-Ionen-Batterien deutliche Grenzen: begrenzte Rohstoffvorkommen, Nachhaltigkeitsprobleme und Sicherheitsrisiken. Professor Dibakar Datta und sein Team am New Jersey Institute of Technology haben nun eine bahnbrechende Lösung entwickelt, die diese Herausforderungen adressiert.

Das Forscherteam setzte eine innovative Kombination aus Crystal Diffusion Variational Autoencoder (CDVAE) und einem spezialisierten Large Language Model ein. Diese dual-KI-Architektur ermöglichte es, aus Millionen möglicher Materialkombinationen systematisch die vielversprechendsten Kandidaten zu identifizieren. „Eines der größten Hindernisse war nicht der Mangel an vielversprechenden Batteriechemien – es war die schiere Unmöglichkeit, Millionen von Materialkombinationen zu testen“, erklärt Datta.

Die KI-gestützte Materialforschung konzentrierte sich auf multivalente-Ionen-Batterien, die anstelle von Lithium-Ionen mit einfacher Ladung auf Elemente wie Magnesium, Calcium, Aluminium und Zink setzen. Diese Ionen tragen zwei oder sogar drei positive Ladungen und können theoretisch deutlich mehr Energie speichern als herkömmliche Systeme. Der Nachteil: Ihre größere Atomgröße und höhere elektrische Ladung erschweren den Transport durch Batteriestrukturen erheblich.

Was sind multivalente-Ionen-Batterien?

Multivalente-Ionen-Batterien repräsentieren eine neue Generation von Energiespeichern, die auf abundanten Elementen basieren. Im Gegensatz zu Lithium-Ionen mit ihrer einfachen positiven Ladung nutzen diese Batterien mehrfach geladene Ionen:

• Magnesium-Ionen (Mg²⁺): Zweifach positiv geladen, etwa viermal häufiger als Lithium in der Erdkruste verfügbar. Magnesium-basierte Batterien könnten theoretisch eine höhere Energiedichte erreichen.
• Calcium-Ionen (Ca²⁺): Ebenfalls zweifach geladen und noch abundanter als Magnesium. Calcium-Batterien versprechen besonders kostengünstige Lösungen für stationäre Energiespeicher.
• Aluminium-Ionen (Al³⁺): Mit dreifacher Ladung das leistungsstärkste multivalente Ion. Aluminium ist nach Sauerstoff und Silizium das dritthäufigste Element der Erdkruste.

KI-Revolution in der Materialwissenschaft

Das NJIT-Team entwickelte einen zweistufigen KI-Ansatz, der traditionelle Labormethoden um ein Vielfaches übertrifft. Der Crystal Diffusion Variational Autoencoder wurde zunächst mit umfangreichen Kristallstrukturdatenbanken trainiert und kann vollständig neue Materialien mit diversen strukturellen Möglichkeiten vorschlagen. Das parallel eingesetzte Large Language Model fokussiert sich darauf, thermodynamisch stabile Materialien zu identifizieren – eine entscheidende Voraussetzung für die praktische Synthese.

„Unsere KI-Tools beschleunigten den Entdeckungsprozess dramatisch und enthüllten fünf völlig neue poröse Übergangsmetalloxid-Strukturen mit bemerkenswerten Eigenschaften“, betont Datta. Die entdeckten Materialien weisen große, offene Kanäle auf, die ideal für den schnellen und sicheren Transport der sperrigen multivalenten Ionen sind.

Die Validierung der KI-generierten Strukturen erfolgte durch quantenmechanische Simulationen und Stabilitätstests. Diese bestätigten, dass die Materialien experimentell synthetisiert werden können und großes Potenzial für reale Anwendungen besitzen. Die beschleunigte Materialentdeckung durch KI reduziert die Entwicklungszeit von Jahren auf wenige Wochen.

Drei entscheidende Vorteile der neuen Batterietechnologie

Die durch KI entdeckten multivalenten Materialien bieten konkrete Verbesserungen gegenüber bestehenden Lithium-Ionen-Technologien:

• Höhere Energiedichte: Durch die Nutzung mehrfach geladener Ionen können theoretisch zwei- bis dreimal höhere Energiedichten erreicht werden. Dies würde Elektrofahrzeuge mit deutlich größeren Reichweiten bei gleichem Batteriegewicht ermöglichen.
• Nachhaltige Rohstoffbasis: Magnesium ist etwa 3.000-mal häufiger als Lithium, Aluminium sogar noch abundanter. Dies eliminiert Abhängigkeiten von wenigen Lithium-Förderländern und reduziert Umweltbelastungen durch den Abbau.
• Verbesserte Sicherheit: Multivalente-Ionen-Batterien zeigen deutlich geringere Brandrisiken als Lithium-Systeme. Die stabileren Ionenstrukturen minimieren die Gefahr thermischer Durchgehreaktionen.

Die wirtschaftlichen Implikationen sind beträchtlich. Der globale Batteriemarkt wird bis 2030 auf über 400 Milliarden US-Dollar geschätzt, wobei Lithium-Ionen-Batterien derzeit dominieren. Eine erfolgreiche Kommerzialisierung multivalenter Systeme könnte diese Marktverteilung grundlegend verändern.

Ausblick und Markteinführung

Das NJIT-Team plant bereits die nächsten Schritte: Kooperationen mit experimentellen Laboren zur Synthese der KI-vorgeschlagenen Materialien. Datta sieht das Potenzial weit über Batterien hinaus: „Dies ist mehr als nur die Entdeckung neuer Batteriematerialien – es geht darum, eine schnelle, skalierbare Methode zu etablieren, um beliebige fortschrittliche Materialien zu erforschen.“

Die industrielle Umsetzung steht jedoch noch vor Herausforderungen. Während die KI-Modelle vielversprechende Materialien identifizieren können, müssen diese erst in größerem Maßstab synthetisiert und in funktionsfähige Batteriefamilien integriert werden. Experten schätzen, dass erste kommerzielle multivalente-Ionen-Batterien frühestens in fünf bis zehn Jahren verfügbar sein werden.

Parallel entwickeln auch andere Forschungsgruppen KI-gestützte Materialentdeckungsansätze. Microsoft und das Pacific Northwest National Laboratory nutzten ähnliche Techniken, um neue Elektrolytmaterialien zu identifizieren. Diese Entwicklungen zeigen: Die Kombination von Künstlicher Intelligenz und Materialwissenschaft revolutioniert die Energiespeicherforschung fundamental.

Die Auswirkungen auf die Energiewende könnten beträchtlich sein. Kostengünstigere, leistungsstärkere und nachhaltigere Batterien würden nicht nur die Elektromobilität beschleunigen, sondern auch die Integration erneuerbarer Energien in das Stromnetz erleichtern. Die KI-gestützte Materialentdeckung könnte somit einen entscheidenden Baustein für eine nachhaltige Energiezukunft liefern.