Das KIBa-Projekt kombiniert experimentelle Batteriematerialherstellung mit Künstlicher Intelligenz, um Hybridmodelle zu entwickeln, die die Fertigung von NMC-Kathodenaktivmaterialien (NMC622, NMC811) für Lithium-Ionen-Batterien optimieren. Die Motivation ist zweifach: Deutschland droht gegenüber internationalen Wettbewerbern in digitalen Produktionsmethoden zurückzufallen, und der wachsende Bedarf an Hochleistungsbatteriematerialien für Elektrofahrzeuge und Energiespeicher erfordert effizientere und skalierbarere Herstellungsprozesse. Das Projekt konzentriert sich auf zwei zentrale Produktionsschritte: die Fällung bzw. Synthese von NMC-Vorläufermaterialien, geleitet von BASF, und die anschließende Konditionierung kalzinierter Partikel durch Zerkleinerung in Rührwerkskugelmühlen, geleitet von NETZSCH. Beide Prozesse werden mit Inline-Sensorik und Analytik ausgestattet, um Prozess- und Produktdaten wie Partikelgrößenverteilung, pH-Wert, Temperatur, Drehmoment und Druck kontinuierlich zu erfassen. Durch systematische Parameterstudien mit Variation von Rührerdrehzahl, Temperatur, Vorstufenkonzentration und Mahlkörpern wird ein umfangreicher Datensatz erzeugt. Dieser wird durch CFD- und DEM-Simulationen ergänzt, die physikalische Größen wie Mischintensität und mechanische Beanspruchung ableiten, welche experimentell kaum zugänglich, aber für übertragbare Modelle essenziell sind. Der Modellierungsansatz erfolgt in zwei Stufen. Zunächst werden Künstliche Neuronale Netze als Black-Box-Modelle trainiert, die anschließend virtuelle Datensätze in großer Zahl erzeugen. Diese dienen als Grundlage für eine genetische Programmierung, die automatisch physikalische Short-cut-Modelle auswählt und kombiniert, um ein semi-mechanistisches Hybridmodell zu erzeugen, das Prozess-Struktur-Eigenschaftsbeziehungen mit hohem physikalischem Interpretierbarkeitsgrad vorhersagt. Im letzten Schritt werden die Modelle auf industrielle Prozesse bei BASF und NETZSCH übertragen, anhand neuer Daten validiert und als Grundlage für eine KI-gestützte Prozessregelung genutzt. Das Projekt umfasst zudem eine ökonomische und ökologische Bewertung auf Basis gemessener Energie- und Stoffströme. Partner sind die TU Braunschweig, BASF, NETZSCH und Malvern Panalytical.