Databrist hindrar batteriåteranvändning – AI kan ge klimatfördelar
Bristfällig och fragmenterad data försvårar strategiska beslut kring batteriåtervinning och återanvändning. Ny forskning från Chalmers tekniska högskola visar att AI kan bidra till förbättrade resultat, men strukturella hinder kvarstår.
Strategiska beslut om batteriers framtida livscykel – som återanvändning, renovering eller återvinning – hämmas av en brist på tillräcklig information om batteriernas faktiska skick. Forskare vid Chalmers tekniska högskola har presenterat hur artificiell intelligens (AI) kan analysera begränsad och fragmenterad data för att möjliggöra mer informerade val.
Problemet ligger dock primärt inte i den tekniska kapaciteten hos AI, utan snarare i de strukturella utmaningarna kring datainsamling och standardisering. Batteridata är ofta fragmenterad, svåråtkomlig och saknar enhetliga format, vilket begränsar potentialen för AI-baserad analys i dagens batterisystem.
Trots dessa hinder visar studien att AI-metoder kan ge betydande fördelar. Beräkningar indikerar att avancerad batteriåtervinning, med stöd av AI, kan bli mer än dubbelt så lönsam jämfört med traditionella metoder. Detta kan samtidigt leda till en minskad energikonsumtion på över 50 procent och en reduktion av koldioxidutsläpp med cirka 18 procent.
Forskarna lyfter även fram potentialen för "second-life"-applikationer, där batterier som inte längre används i exempelvis elbilar kan återanvändas i energilagringssystem. Such reuse kan öka lönsamheten med upp till 58 procent och minska miljöpåverkan. För att realisera detta krävs nya lösningar för datainsamling, delning och användning, inklusive standardisering och digitala "batteripass".