details_view: 3 von 5

 

Verbundvorhaben: KISS-PRO - Künstliche Intelligenz und physikalische Simulation zur effizienten Überwachung einer HJT-Solarzellenproduktion; Teilvorhaben: Plattformunabhängige Modell-/Dateninfrastruktur für die lernende Produktion

Zeitraum
2026-06-01  –  2029-05-31
Bewilligte Summe
451.285,14 EUR
Ausführende Stelle
Kontron AIS GmbH, Dresden, Sachsen
Förderkennzeichen
03EE1259C
Leistungsplansystematik
Qualitätssicherung, Zuverlässigkeit, Langzeitstabilität Komponenten [EB1041]
Verbundvorhaben
01288283/1  –  KISS-PRO - Künstliche Intelligenz und physikalische Simulation zur effizienten Überwachung einer HJTSolarzellenproduktion
Zuwendungsgeber
Bundesministerium für Wirtschaft und Energie (BMWE.IIC2)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESE1)
Förderprogramm
Energie
 
Das Projekt verfolgt das Ziel, die Fertigung von Silicium-Heterojunction-(HJT)-Solarzellen durch den kombinierten Einsatz von Künstlicher Intelligenz (KI) und physikalischer Simulation wesentlich zu verbessern. Im Zentrum steht der Aufbau einer integrierten Infrastruktur, die Inline-Messtechnik, skalierbare Datenverarbeitung und hybride Analysemodelle verbindet und damit einen digitalen Zwilling der Produktion ermöglicht. Die Vorgehensweise sieht vor, zunächst Messsysteme weiterzuentwickeln, die elektrische und optische Parameter hochauflösend und inline erfassen können. Darauf aufbauend wird eine Dateninfrastruktur mit DataLake und Messagebus geschaffen, die große, heterogene Datenmengen effizient strukturiert. Auf dieser Basis werden KI-Modelle entwickelt, die Defekte automatisch detektieren, klassifizieren und Leistungsverluste prognostizieren. Ergänzend entstehen physikalische Simulationsmodelle, die zusammen mit datengetriebenen Ansätzen robuste, erklärbare Ergebnisse liefern. Ein weiterer Schwerpunkt liegt auf der Integration der Modelle in bestehende MES-Systeme, sodass Produktionsdaten sowohl in Echtzeit als auch retrospektiv analysiert werden können. Nutzerfreundliche Visualisierungen stellen die Ergebnisse für verschiedene Zielgruppen – von Anlagenbedienern bis zu Prozessingenieuren – transparent dar. Rückmeldungen aus der Anwendung fließen zurück in die Modellentwicklung und schaffen eine kontinuierlich lernende Produktion. Ziel ist eine deutliche Steigerung von Effizienz, Ausbeute und Wettbewerbsfähigkeit der Photovoltaikproduktion in Europa.