DC-DC-Wandler für Bordnetze mit KI-basierter Regelung; im Rahmen des Verbundvorhabens: Integrale agile E/E-Entwicklung für fusionierte und standardisierte Energie- und Datenbordnetze

Abstract

Das Teilvorhaben der Leibniz Universität Hannover im BMBF-Verbundprojekt KI4BoardNet befasste sich mit der Entwicklung eines KI-geregelten DC-DC-Wandlers für zukünftige Automobil-Bordnetze. Ausgangspunkt war die Herausforderung, die in Bordnetzen übliche Spannungskonversion von 48 V auf 5 V robuster und kosteneffizienter zu gestalten: Fertigungs- und Alterungsschwankungen passiver Bauelemente sowie die Leistungsgrenzen siliziumbasierter Wandler sollten durch den Einsatz von Galliumnitrid-(GaN)-Technologie und KI-gestützter adaptiver Regelung überwunden werden. Im technischen Kern entstanden zwei parallel entwickelte Bausteine. Zum einen wurde ein GaN-basierter 9:1-Dickson-Wandler als diskreter Prototyp und als monolithisch integrierter GaN-IC entworfen und beim Forschungsinstitut imec gefertigt, wobei letzterer erstmals einen kapazitiven Level-Shifter vollständig in GaN-Technologie integriert. Zum anderen wurden drei Reinforcement-Learning-Algorithmen (DDPG, TD3, Dueling-DQN) implementiert, in einem schnellen SystemC/AMS-Modell trainiert und ressourcenoptimiert auf einem Spartan-7-FPGA in VHDL umgesetzt – mit einer Berechnungsdauer von nur 12 ms pro Koeffizienten-Aktualisierung. Beide Entwicklungsstränge wurden in einem Gesamtdemonstrator zusammengeführt, der beim Abschlussworkshop im November 2025 in Berlin erfolgreich präsentiert wurde. Die wissenschaftliche Außenwirkung ist bereits sichtbar: Zwei Beiträge auf der IEEE APEC 2026 erhielten Best Paper Awards. Wirtschaftlich verspricht die Kombination aus bewusst toleranter Bauteilauswahl und adaptiver KI-Regelung kostengünstigere und energieeffizientere Wandler nicht nur für die Automobilbranche; die LUH prüft eine Weiterführung im Rahmen weiterer Verbundprojekte. The LUH sub-project within the BMBF joint project KI4BoardNet focused on developing an AI-controlled DC-DC converter for future automotive electrical systems. The starting point was the challenge of making the voltage conversion from 48 V to 5 V — standard in vehicle electrical systems — more robust and cost-efficient: manufacturing and aging variations in passive components, as well as the performance limitations of silicon-based converters, were to be addressed through the use of gallium nitride (GaN) technology and AI-based adaptive control. At the technical core, two parallel development streams were pursued. On one hand, a GaN-based 9:1 Dickson converter was designed as a discrete prototype and as a monolithically integrated GaN IC, fabricated at the research institute imec — the latter being the first to integrate a capacitive level shifter entirely in GaN technology. On the other hand, three reinforcement learning algorithms (DDPG, TD3, Dueling-DQN) were implemented, trained in a fast SystemC/AMS model, and deployed in a resource-optimized VHDL implementation on a Spartan-7 FPGA — with a computation time of just 12 ms per coefficient update. Both development streams were brought together in a joint demonstrator, which was successfully presented at the final workshop in Berlin in November 2025. The scientific impact is already visible: two papers at IEEE APEC 2026 received Best Paper Awards. On the commercial side, the combination of deliberately tolerance-permissive component selection and adaptive AI control promises more cost-effective and energy-efficient converters not only for the automotive industry; LUH is exploring continuation of the work within further joint projects.