Tandemsolarzellen auf Basis von Perowskit-Halbleitern können das Sonnenlicht effizienter in Strom umwandeln als herkömmliche Silizium-Solarzellen. Um diese Technologie auf den Markt zu bringen, müssen Stabilität und Produktionsprozesse weiter verbessert werden. Forschende des Karlsruher Instituts für Technologie (KIT) sowie der Plattformen Helmholtz Imaging am Deutschen Krebsforschungszentrum (DKFZ) und Helmholtz AI, haben nun einen Weg gefunden, die Qualität der Perowskit-Schichten und damit der Solarzellen vorherzusagen.
Die untersuchte Technologie verspricht eine effizientere Umwandlung von Sonnenlicht in Strom im Vergleich zu herkömmlichen Silizium-Solarzellen.
Perowskit-Tandemsolarzellen kombinieren Perowskit-Halbleiter mit konventionellen Solarzellen, wie sie auf Silizium basieren. Diese gelten als vielversprechende Technologie der nächsten Generation, da sie mit einem Wirkungsgrad von über 33 Prozent deutlich effizienter sind. Das KIT-Forschungsteam unter der Leitung von Tenure-Track-Professor Ulrich W. Paetzold steht jedoch vor Herausforderungen bei der Herstellung hochwertiger und extrem dünner Perowskit-Schichten.
Künstliche Intelligenz findet Lösungsansätze
Um diese Herausforderungen zu bewältigen, haben die Forscher auf Maschinelles Lernen und Künstliche Intelligenz (KI) gesetzt. Mit Hilfe von neuronalen Netzwerken wurden Videoaufnahmen der Photolumineszenz von Perowskit-Dünnschichten während des Herstellungsprozesses analysiert. Die Photolumineszenz, also die strahlende Emission der Halbleiterschichten nach Anregung durch Licht, wurde durch KI-Methoden interpretiert, um verborgene Indizien für eine gute oder schlechte Beschichtung zu identifizieren.
Das Forschungsteam nutzte Erklärbare Künstliche Intelligenz (XAI), um die Hinweise der Deep-Learning-KI zu filtern und zu analysieren. Die Ergebnisse ermöglichten nicht nur Einblicke in die Einflussfaktoren auf die Beschichtungsqualität, sondern erlaubten auch die Vorhersage des Wirkungsgrades der Solarzellen basierend auf Variationen in der Lichtemission während der Produktion.
Ulrich W. Paetzold betonte die Bedeutung der Ergebnisse: „Dank des kombinierten Einsatzes der KI haben wir eine Idee, an welchen Stellschrauben wir zuallererst drehen müssen, um die Produktion zu verbessern. Das ist eine Blaupause für Folgeforschung, auch für viele weitere Aspekte in der Energieforschung und den Materialwissenschaften.“
Die Forschungsergebnisse, die in Advanced Materials veröffentlicht wurden, markieren einen bedeutenden Fortschritt auf dem Weg zu einer nachhaltigeren und effizienteren Solartechnologie und tragen dazu bei, die Herausforderungen der Energiewende zu bewältigen.
Originalpublikation
Lukas Klein, Sebastian Ziegler, Felix Laufer, Charlotte Debus, Markus Götz, Klaus Maier-Hein, Ulrich W. Paetzold, Fabian Isensee, Paul F. Jäger: Discovering Process Dynamics for Scalable Perovskite Solar Cell Manufacturing with Explainable AI. Advanced Materials, 2023. DOI: 10.1002/adma.202307160
https://onlinelibrary.wiley.com/doi/10.1002/adma.202307160
Foto: Amadeus Bramsiepe, KIT