Verbundprojekt KIARA - Künstliche Intelligenz zur Alterungsidentifikation realer Anwendungen von Abgaskatalysatoren

Abstract

Stand von Wissenschaft und Technik Die Gestaltung nachhaltiger Mobilität zählt zu den zentralen Herausforderungen unserer Zeit. Politische und gesellschaftliche Anforderungen, Emissionen zu minimieren und gleichzeitig die Umweltverträglichkeit von Fahrzeugen zu maximieren, setzen Fahrzeughersteller und Entwickler von Abgasnachbehandlungssystemen erheblich unter Druck. Während die Elektromobilität häufig als Schlüsseltechnologie diskutiert wird, bleibt der Einsatz von Verbrennungsmotoren in gewissem Umfang weiterhin notwendig. Moderne Fahrzeuge verfügen über Abgasnachbehandlungssysteme, die unter Idealbedingungen die gesetzlichen Grenzwerte deutlich unterschreiten. Dennoch besteht erheblicher Forschungsbedarf, um auch bei gealterten Systemen und unter variierenden Betriebsbedingungen niedrige Emissionen sicherzustellen. Zielsetzung und Begründung der Studie Um langfristig einen Beitrag zur emissionsarmen Mobilität zu leisten, ist die Entwicklung von Abgasnachbehandlungssystemen mit höchster Effizienz und Langlebigkeit unerlässlich. Der Schlüssel liegt in der präzisen und zuverlässigen chemischen Umwandlung von Schadstoffen wie Stickoxiden (NOₓ), Kohlenmonoxid (CO) und unverbrannten Kohlenwasserstoffen (HC) in weniger schädliche Komponenten über den gesamten Lebenszyklus des Fahrzeugs hinweg. Mit zunehmender Laufleistung unterliegen Katalysatoren und andere Abgaskomponenten jedoch einem Alterungsprozess, der durch thermische, chemische und mechanische Belastungen verursacht wird. Diese Alterung führt zu einem Rückgang der Umwandlungsleistung und damit zu höheren Emissionen. Methode Im Projekt „KIARA – Künstliche Intelligenz zur Alterungsidentifikation realer Anwendungen von Abgaskatalysatoren“ wurde ein neuartiger Ansatz verfolgt. Ziel war die Entwicklung eines Modells auf Basis künstlicher Intelligenz (KI), das Alterungsmechanismen von Abgaskatalysatoren präzise erkennen und vorhersagen kann. Untersucht wurden verschiedene Fahrzeugtypen – darunter Diesel-, Benzin- und Hybridfahrzeuge – mit unterschiedlichen Fahrprofilen. Die aus Feld- und Prüfstandsmessungen gewonnenen Daten wurden systematisch erfasst, validiert und analysiert. Neben der Identifikation bekannter Alterungseffekte wurden auch neue, bislang wenig erforschte Mechanismen untersucht. Ergebnisse Die gewonnenen Erkenntnisse flossen in die Entwicklung eines datenbasierten KI-Modells ein, das nicht nur bestehende Alterungsmechanismen abbildet, sondern auch potenzielle zukünftige Veränderungen prognostiziert. Dieser innovative Ansatz eröffnet die Möglichkeit, die Leistungsfähigkeit und Effizienz von Abgasnachbehandlungssystemen zu verbessern. Zudem wurde ein Plug-and-Play-Software-Setup entwickelt, das generisch in unterschiedlichen Testumgebungen eingesetzt werden kann, um das KI Modell in Echtzeit auszuführen. Fazit und Anwendungsmöglichkeiten Dieser Ansatz bildet die Grundlage für adaptive Betriebsstrategien, die eine gezielte Kompensation von Alterungseffekten ermöglichen, Emissionen reduzieren und die Lebensdauer der Systeme verlängern können. Das Projekt KIARA leistet somit einen entscheidenden Beitrag zur Weiterentwicklung nachhaltiger Antriebstechnologien und zur Erfüllung zukünftiger Emissionsvorgaben.

Current State of Science and Technology Designing sustainable mobility is one of the central challenges of our time. Political and societal demands to minimize emissions while maximizing the environmental compatibility of vehicles exert significant pressure on vehicle manufacturers and developers of exhaust aftertreatment systems. While electromobility is often discussed as a key technology, the use of internal combustion engines will still be necessary to some extent. Modern vehicles are equipped with exhaust aftertreatment systems that significantly exceed legal limits under ideal conditions, but there is a considerable need for research to keep emissions low even with aged systems and varying operating conditions. Justification/Objective of the Study To ensure these systems contribute to low-emission mobility in the long term, the development of exhaust aftertreatment systems with the highest efficiency and durability is essential. The key lies in the precise and reliable chemical conversion of pollutants such as nitrogen oxides (NOₓ), carbon monoxide (CO), and unburned hydrocarbons (HC) into less harmful components throughout the vehicle's lifecycle. However, with increasing mileage, catalysts and other exhaust components undergo an aging process caused by thermal, chemical, and mechanical stresses. This aging leads to a decline in conversion performance, resulting in higher emissions. Method In the project "KIARA – Artificial Intelligence for Aging Identification of Real Applications of Exhaust Catalysts," a novel approach was pursued. The goal was to develop a model using artificial intelligence (AI) that can precisely detect and predict the aging mechanisms of exhaust catalysts. Different vehicle types, including diesel and gasoline engines as well as hybrid, were examined with various driving profiles. Data obtained from field and test bench measurements were systematically recorded, validated, and analyzed. In addition to identifying known aging effects, new, previously little-researched mechanisms were investigated. Result The insights gained were incorporated into the development of a data-driven AI model that not only maps existing aging mechanisms but also predicts potential future changes. This innovative approach offers the possibility to improve the performance and efficiency of exhaust aftertreatment systems. A plug-and-play software setup was also developed that can be used generically across different testing environments to run the AI model in real-time. Conclusion/Possible Applications This approach lays the foundation for adaptive operating strategies that can enable targeted compensation for aging effects, reducing emissions and extending the systems' lifespan. The KIARA project thus makes a decisive contribution to the further development of sustainable drive technologies and the fulfillment of future emissions regulations.