Wie KI und Bildverarbeitung die Produktionskosten bei Elektrofahrzeugen senken

Elektrofahrzeuge (EVs) sind gekommen, um zu bleiben. Immer mehr Hersteller verpflichten sich, Fahrzeugemissionen zu reduzieren und den Anteil von E-Autos zu erhöhen.

Auch die Nachfrage steigt, angetrieben durch staatliche Anreize wie Steuervergünstigungen, Investitionen in die lokale Fertigung und Zielvorgaben für höhere Verkaufszahlen von EVs. Der Weg zur breiten Verbreitung ist jedoch noch lang: Laut Reuters sind weniger als 1 % der rund 250 Millionen Fahrzeuge in den USA elektrisch, während jährlich etwa 17 Millionen Neuwagen verkauft werden.

Hohe Preise bremsen das Wachstum

Eines der größten Hindernisse für Verbraucher ist der Preis. Zwar können Elektrofahrzeuge im Betrieb geringere Wartungs‑ und Energiekosten verursachen als Fahrzeuge mit Verbrennungsmotor, doch die hohen Anschaffungskosten schrecken trotz Steueranreizen und anderer Fördermaßnahmen weiterhin viele Käufer ab.

Auch wenn der durchschnittliche Transaktionspreis für EVs sinkt, liegen sie weiterhin über dem Preisniveau von Fahrzeugen mit Verbrennungsmotor. Dieser Trend könnte laut Jim Farley, CEO von Ford Motor Co. bis 2030 anhalten. Auf einer Investorenkonferenz im Mai 2023 erklärte Farley, dass ein deutlicher Preisrückgang erst mit der Einführung von Modellen der zweiten und dritten Generation im späteren Verlauf des Jahrzehnts zu erwarten ist.
 

Wettlauf um niedrigere Kosten: günstigere Batterien, größerer Marktanteil

Die hohen Kosten von E-Fahrzeugen verhindern eine breite Akzeptanz und begrenzen letztlich die Anzahl der Fahrzeuge und Batterien auf dem Markt. Mit zunehmenden staatlichen Fördermaßnahmen und wachsendem Wettbewerb in der Fertigung entsteht ein starker Anreiz für Hersteller und Zulieferer, Kosten zu senken und Preisvorteile an Kunden weiterzugeben.

Zwei wesentliche Kostentreiber sind Batterien und Arbeitsaufwand. Lithium‑Ionen‑Batteriepacks machen laut Reuters laut Reuters bis zu 50 % der Gesamtkosten eines EV aus. Sie erfordern teure und seltene Materialien wie Kobalt, Nickel und Lithium. Die Preise dieser Metalle unterliegen starken Schwankungen und werden unter anderem durch politische Entscheidungen in wichtigen Förder‑ und Produktionsländern beeinflusst, wie Forbes berichtet.  

Das Finanzdienstleistungsunternehmen Morningstar erwartet, dass die Lithiumpreise bis 2030 auf einem hohen Niveau bleiben, da die Nachfrage nach EVs steigt und neue Produzenten, wie bei großen Industrieprojekten üblich, häufig mit Verzögerungen konfrontiert sind.

Beim Thema Arbeitskosten ist die Entwicklung klarer. Ford‑CEO Jim Farley geht davon aus, dass EVs künftig einfacher herzustellen sind und mit kleineren Batterien aus kostengünstigeren Materialien ausgestattet werden. Dadurch könnten die Arbeitskosten im Zeitraum von 2030 bis 2035 sinken.
 

Kostensenkung gezielt vorantreiben

Hersteller von EVs und Batteriezulieferer stehen unter Druck, Kosten zu reduzieren. Zu den effektivsten Ansätzen zählen die Automatisierung komplexer und zeitintensiver Prüfungen von EV‑Batterien sowie manueller Prozesse.

Bildverarbeitung und KI sind zentrale Technologien für die Automatisierung in der Fertigung. Sie steigern Effizienz, verbessern die Qualitätskontrolle und tragen zur Kostensenkung bei. Bildverarbeitung nutzt Kameras und Sensoren zur Erfassung und Analyse visueller Daten, während KI diese Daten interpretiert und anspruchsvolle Prüfaufgaben löst.

Unterscheidung zwischen zulässigen und tatsächlichen Fehlern

Diese Technologien senken die Kosten von EV‑Batterien, indem sie Prüfzeiten verkürzen, Ausschuss reduzieren und selbst feine Defekte erkennen, um Qualität und Effizienz der Batterien sicherzustellen.

Die Identifikation von Fehlern ist entscheidend für Sicherheit und Leistungsfähigkeit von EV‑Batterien. Fehlererkennung ist eine zentrale Aufgabe, doch viele Prüfprozesse sind zeitaufwendig, ressourcenintensiv und nicht immer zuverlässig. Wird ein optischer Makel als funktionaler Fehler eingestuft, entstehen hohe Kosten, da wertvolle und teure Materialien verworfen werden.  

Zur Reduzierung von Ausschuss und Nacharbeit setzt Cognex in der Fertigung von EV‑Batterien auf fortschrittliche Algorithmen und Software zur Bildanalyse, um echte Defekte von oberflächlichen Abweichungen zu unterscheiden. Mit Hilfe der Deep-Learning-Technologie lässt sich ein Bildverarbeitungssystem so konfigurieren, dass es Fehler erkennt, beurteilt, ob diese innerhalb zulässiger Toleranzen liegen, und unzulässige Abweichungen kennzeichnet – auch unter Berücksichtigung von Variationen wie reflektierenden Oberflächen.

Bewertung von Batterieschweißnähten

Die Prüfung von Schweißnähten in EV‑Batterien ist entscheidend für die strukturelle Integrität und Leistungsfähigkeit. Mit klassischen Bildverarbeitungssystemen ist es nahezu unmöglich, optische Merkmale von funktionalen Abweichungen zu unterscheiden, da sie sich visuell kaum unterscheiden.  

Cognex Software lokalisiert den Prüfbereich, während 3D‑Sensoren Schweißkanten und Ecken analysieren, um sicherzustellen, dass diese vollständig geschlossen und frei von Fehlern sind. Deep-Learning-basierte Defekterkennungs- und Klassifizierungstools werden mit einer Vielzahl von Schweißvarianten trainiert und lernen, funktionale Fehler zuverlässig von optischen Makeln zu unterscheiden.

Prüfung der Oberflächen von Batteriezellen, Pouch‑ und Zylinderzellen

Eine gründliche Oberflächenprüfung ist entscheidend, um Defekte, Verunreinigungen und Auffälligkeiten zu erkennen, die die Batterieleistung beeinträchtigen können. Bildverarbeitungssysteme erfassen Unregelmäßigkeiten wie Kratzer, Dellen oder Fremdpartikel und verbessern so die Gesamtqualität von EV‑Batterien.

Prüfung von Elektrodenbeschichtungen

Die Gleichmäßigkeit der Elektrodenbeschichtungen haben großen Einfluss auf die Batterieleistung. Präzise Bildverarbeitungslösungen prüfen die Beschichtung und erkennen Unregelmäßigkeiten oder Fehler. So werden eine gleichmäßige Schichtdicke und hohe Qualität sichergestellt, was Leistung und Lebensdauer der Batterien verbessert.

Cognex Industrie‑Zeilenkameras eignen sich besonders für sogenannte „Web“-Oberflächenprüfungen. Sie stellen sicher, dass das Trägermaterial gleichmäßig mit Kupfer und Aluminium beschichtet ist.
 

Bildverarbeitung trägt zur Senkung der EV‑Kosten bei

Der Einsatz von Bildverarbeitung und KI ist für Hersteller von EVs entscheidend, um Herausforderungen zu bewältigen sowie Effizienz und Produktionsqualität zu steigern. Durch die Nutzung dieser Technologien lassen sich Kosten senken, die Produktivität erhöhen und die Verbreitung von Elektrofahrzeugen beschleunigen.

Für weiterführende Informationen zur Implementierung von Bildverarbeitung und KI in der EV‑Fertigung steht ein EV‑Lösungsleitfaden zum Download bereit.