- Um 15 Prozent genauere Temperaturregelung durch Künstliche Intelligenz (KI)
- Betriebsstrategie der E-Antriebe optimiert, was deren Effizienz und Spitzenleistung steigert
- Optimierte thermische Auslegung reduziert Seltene Erden
- Signifikant kürzere Entwicklungszeiten
Mit der KI-basierten Lösung TempAI integriert ZF eine neue Methode, die das Temperaturmanagement in elektrischen Antrieben auf ein neues Niveau hebt. Durch den Einsatz eines lernfähigen Temperaturmodells verbessert TempAI die Prognosegenauigkeit um über 15 Prozent – und ermöglicht damit eine deutlich präzisere thermische Ausnutzung der elektrischen Maschine.
TempAI basiert auf einer Plattform, die physikalisch fundierte Modelle automatisiert aus Messdaten generiert und in kürzester Zeit lauffähig macht. Bestehende Steuergeräte reichen aus, da die verwendeten KI-Modelle geringe Rechenressourcen beanspruchen. Das führt zu einer sehr kosteneffizienten Umsetzung in der Serie. „Diese Technologie ermöglicht es uns, die Effizienz und Zuverlässigkeit unserer Antriebe weiter zu steigern. Gleichzeitig zeigen wir mit TempAI, wie datengetriebene Entwicklung nicht nur schneller, sondern auch nachhaltiger und leistungsfähiger sein kann“, sagt Dr. Stefan Sicklinger, Leiter KI, Digitales Engineering und Validierung im Bereich F&E.
Die auf KI basierte Technologie ist serienreif und für die neue Generation von ZF-Elektromotoren verfügbar. „Wir sind stolz darauf, diese Innovation nun in die Serienproduktion zu bringen und damit einen bedeutenden Beitrag zur effizienteren E-Mobilität zu leisten“, sagt Dr. Otmar Scharrer, Entwicklungsleiter für elektrifizierte Antriebstechnologien. „TempAI ist ein echter technologischer Durchbruch für das Temperaturmanagement elektrischer Antriebe.“
Mehr Leistung, weniger Reserven – auch im WLTP-Zyklus
Die präzisere Temperaturvorhersage ermöglicht eine gezieltere Regelung bis zur thermischen Betriebsgrenze. Das Ergebnis: bis zu sechs Prozent mehr Spitzenleistung und eine nachweisebare Effizienzsteigerung im WLTP-Zyklus, dem weltweit gültigen Prüfverfahren für realitätsnahe Fahrwerte. Bei dynamischer Fahrt – etwa auf der Nürburgring-Nordschleife – sinkt der Energieverbrauch je nach Lastpunkt um 6 bis 18 Prozent.
Weniger Seltene Erden, kürzere Entwicklungszeiten
Neben der Leistung bringt TempAI auch ökologische und wirtschaftliche Vorteile: Durch die optimierte thermische Auslegung lassen sich signifikante Mengen an schweren Seltenen Erden einsparen. Gleichzeitig verkürzt sich die Entwicklungszeit pro Projekt erheblich: von mehreren Monaten auf wenige Tage. Denn während der Entwicklung von E-Antrieben hilft die KI, Vorgänge im Inneren des E-Motors zu verstehen und zu erfassen, für die es – aus Kosten- oder Zeitgründen – kein physikalisch zuverlässiges Modell gibt. Die Herausforderung: Die Temperatur im Inneren eines Rotors lässt sich während des Betriebs nur mit hohen Kosten direkt messen.
Aber es gibt zahlreiche Messdaten, die bei aufwändigen Funktionstests am Prüfstand und später in den Erprobungsfahrzeugen systematisch erfasst werden: Dazu gehören Temperaturwerte aus dem Umfeld, etwa aus der Ölwanne, sowie die Drehzahlen des Rotors. Aus den verschiedenen möglichen Betriebspunkten und deren zeitlichen Verlauf ergeben sich Millionen von Datenpunkten. Sie sind abhängig davon, ob und wann die Fahrer die volle Leistung abrufen oder im Schritttempo dahingleiten. Entsprechend „antrainiert“ filtern KI-Algorithmen exakt jene Abhängigkeiten heraus, die für die Temperaturveränderungen am Rotor und Stator besonders aussagekräftig sind.
