Perowskit-Tandemsolarzellen kombinieren eine Perowskit- mit einer konventionellen Solarzelle, beispielsweise auf Basis von Silizium. Sie gelten als Technologie der nächsten Generation, da sie mit einem Wirkungsgrad von derzeit mehr als 33 Prozent viel effizienter sind als herkömmliche Silizium-Solarzellen – und das bei kostengünstigen Ausgangsstoffen und einfachen Herstellungsmethoden.
Voraussetzung, um diesen Wirkungsgrad zu erreichen, sei aber eine hochwertige und extrem dünne Perowskit-Schicht, die nur einen Bruchteil der Dicke eines menschlichen Haares besitzt, erklärt Professor Ulrich W. Paetzold vom Institut für Mikrostrukturtechnik sowie vom Lichttechnischen Institut des KIT. Selbst unter augenscheinlich perfekten Bedingungen im Labor führen unbekannte Einflüsse zu Schwankungen in der Qualität der Halbleiterschichten: „Dies verhindert letztendlich den raschen Start der industriellen Produktion dieser hocheffizienten Solarzellen, die wir für die Energiewende so dringend benötigen“, weiß Paetzold.
KI findet Indizien für eine gute Beschichtung
Um herauszufinden, welche Faktoren die Beschichtung beeinflussen, hat sich ein interdisziplinäres Team aus den Perowskit-Solarzellen-Fachleute vom KIT mit Spezialisten für Maschinelles Lernen und Erklärbare Künstliche Intelligenz von Helmholtz Imaging und Helmholtz AI am DKFZ in Heidelberg zusammengeschlossen. Die Forscher haben KI-Methoden entwickelt, die sogenannte Neuronale Netzwerke mithilfe eines großen Datensatzes trainieren und analysieren. Der Datensatz beinhaltet Videoaufnahmen der Photolumineszenz der Perowskit-Dünnschichten während des Herstellungsprozesses. Photolumineszenz sind dabei strahlende Emissionen der Halbleiterschichten, die durch Anregung mit externen Lichtquellen entstehen.
Die Forscher konnten im Versuch erkennen, dass die Photolumineszenz während der Produktion variiert und dies die Beschichtungsqualität beeinflusst. Mit Maschinellem Lernen und neuen Methoden der KI lässt sich diese bereits bei der Herstellung aus Variationen in der Lichtemission erkennen. Nach entsprechendem Training der Neuronalen Netzwerke konnte die KI voraussagen, ob die Solarzelle einen niedrigen oder hohen Wirkungsgrad erreicht, je nachdem wann welche Variation in der Lichtemission im Laufe der Produktion stattfand. So haben die Wissenschaftler, an welchen Stellschrauben sie zuallererst drehen müssen, um die Produktion zu verbessern. „Das ist eine Blaupause für die Folgeforschung“, frohlockt Paetzold. (nhp)
Mehr aktuelle News:
ZSW: Dünnschicht im Duo immer effizienter
KIT: Knapp 25 Prozent Effizienz für CIS-Tandemzelle mit Perowskit
