AI kan batterijhergebruik verbeteren – mits data beschikbaar komen

Lithium-ionbatterijen die uit elektrische voertuigen worden gehaald, beschikken vaak nog over 70 tot 80 procent van hun oorspronkelijke capaciteit. Toch verdwijnen veel van deze batterijen voortijdig naar de recyclingstroom. Niet omdat de technologie voor hergebruik ontbreekt, maar omdat er onvoldoende betrouwbare gegevens beschikbaar zijn over de werkelijke conditie van de batterij.

Dat concluderen onderzoekers van de Chalmers University of Technology in onderzoek gepubliceerd in Nature Reviews Clean Technology.

Volgens de onderzoekers vormt het gebrek aan gestandaardiseerde batterijdata momenteel de grootste belemmering voor een efficiënte circulaire batterij-economie. Kunstmatige intelligentie kan helpen om gebruikte batterijen beter te beoordelen en de optimale bestemming te bepalen, maar daarvoor zijn voldoende gegevens nodig over gebruiksgeschiedenis, laadgedrag en degradatie.

Waardevolle batterijen verdwijnen te vroeg uit de keten

Batterijen worden vaak buiten gebruik gesteld zodra ze niet langer voldoen aan de eisen van een elektrische auto. Dat betekent echter niet dat ze versleten zijn. Voor minder veeleisende toepassingen, zoals stationaire energieopslag voor zonne- en windenergie, kunnen deze batterijen nog jarenlang functioneren.

Het probleem is dat bedrijven vaak onvoldoende inzicht hebben in de resterende levensduur en veiligheid van individuele accupakketten. Daardoor wordt uit voorzorg gekozen voor recycling, terwijl hergebruik of revisie technisch en economisch aantrekkelijker kan zijn.

AI ondersteunt beslissingen over hergebruik, revisie en recycling

De onderzoekers beschrijven hoe AI-systemen kunnen worden ingezet om ook met beperkte of gefragmenteerde datasets betrouwbare voorspellingen te doen over de conditie van batterijen. Afhankelijk van de beschikbare data kunnen verschillende technieken worden toegepast, variërend van fysische modellen tot machine learning en federated AI. Dat is een AI-methode waarbij organisaties gezamenlijk een model trainen zonder hun data centraal op te slaan of uit te wisselen.

AI kan vervolgens ondersteunen bij beslissingen over:

• hergebruik van complete batterijmodules;
• herbestemming voor stationaire energieopslag;
• remanufacturing (industriële revisie) van batterijcellen;
• recycling van waardevolle grondstoffen zoals lithium, nikkel en kobalt.

Volgens de onderzoekers moet AI niet alleen worden toegepast aan het einde van de levenscyclus, maar gedurende de volledige levensduur van de batterij, van productie tot recycling.

Grote economische en ecologische voordelen

De potentiële opbrengsten zijn aanzienlijk. Het onderzoek laat zien dat geavanceerde AI-gestuurde recyclingprocessen in sommige gevallen meer dan twee keer zo winstgevend kunnen worden als conventionele methoden. Tegelijkertijd kan het energieverbruik met meer dan 50 procent afnemen en de CO₂-uitstoot met circa 18 procent worden verlaagd.

Ook hergebruik biedt interessante perspectieven. Wanneer afgedankte EV-batterijen een tweede leven krijgen als energieopslagsysteem, kan de economische waarde volgens de onderzoekers met maximaal 58 procent toenemen.

Deze cijfers zijn relevant nu de Europese batterijmarkt snel groeit en de eerste generatie elektrische voertuigen op grote schaal het einde van hun eerste levensfase bereikt.

Batterijpaspoort wordt cruciale schakel

Om het potentieel van AI daadwerkelijk te benutten, is volgens de onderzoekers een betere digitale infrastructuur nodig. Daarbij speelt het batterijpaspoort een belangrijke rol. Dit digitale dossier legt gedurende de volledige levenscyclus gegevens vast over productie, prestaties, onderhoud en gebruik.

Dergelijke gegevens kunnen bedrijven helpen om de resterende waarde van batterijen nauwkeuriger vast te stellen en betere keuzes te maken tussen hergebruik, revisie of recycling. Bovendien sluiten batterijpaspoorten aan bij Europese regelgeving die de traceerbaarheid en circulariteit van batterijen moet verbeteren.