Koordinationsfonds

• Antragstellerin: Professorin Dr.-Ing. Bai-Xiang Xu
• Fachliche Zuordnung: Thermodynamik und Kinetik sowie Eigenschaften der Phasen und Gefüge von Werkstoffen ; Herstellung und Eigenschaften von Funktionsmaterialien
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 556363981

Protonenleitende Elektrolytkeramiken sind Schlüsselmaterialien für reversibel arbeitende protonische keramische Elektrolyse- und Brennstoffzellen und ermöglichen im Vergleich zu oxidionenleitenden Zellen deutlich niedrigere Betriebstemperaturen. Zudem bieten sie technologische Vorteile wie komprimierten, hochreinen, trockenen Wasserstoff für Energieanwendungen. Um die angestrebte Anwendung protonischer keramischer Zellen zu realisieren, müssen sowohl die protonenleitenden Elektrolytmaterialien als auch die Sinterprozesse weiter optimiert werden. Die bislang vorherrschenden, rein zusammensetzungs- und prozessorientierten Strategien stoßen dabei zunehmend an ihre Grenzen und bedürfen dringend einer Erweiterung um defektchemische und mikrostrukturelle Aspekte. Wir verfolgen eine synergetische Optimierung der Mikrostruktur und neuartiger Sinterprozesse, indem wir die Synergie zwischen Simulation und Experiment und zwischen Daten und Verständnis nutzen. Als Modellsysteme betrachten wir BaZrO3- und Ba(Ce,Zr)O3-basierte Materialien, wobei wir Additive und Prozessparameter optimieren. Hierfür setzen wir innovative Sintertechnologien ein, z.B. das ultraschnelle Hochtemperatursintern und das photonenbasierte Sintern. Diese fortschrittlichen Verfahren verkürzen die Sinterdauer, steigern die Produktivität und beschleunigen die Rückkopplungsschleifen im Materialdesign. Um das volle Potenzial dieser neuartigen Verarbeitungstechnologien für das Design protonischer Keramiken auszuschöpfen, beabsichtigen wir den Aufbau einer umfassenden Prozess-Defekt-Mikrostruktur-Eigenschafts-Datenbank (P-D-M-P). Diese wird durch eine enge Verknüpfung von Simulation und Experiment ermöglicht. Hochdurchsatz-Prozesssimulationen und mikrostrukturbasierte Eigenschaftsberechnungen leisten dabei einen wesentlichen Beitrag zur umfassenden Datenanreicherung. Darüber hinaus erweitert maschinelles Lernen-gestützte Charakterisierung - etwa durch 4D-Scanning Transmission Electron Microscopy und in-situ Hydratationstests – das Datenspektrum erheblich. Basierend auf der P-D-M-E-Datenbank entwickeln wir maschinelles Lernen-gestützte Korelationsmodelle und inverse Design-Frameworks, um ein iteratives Materialdesign sowie die Prozessoptimierung zu ermöglichen - und damit die bisherigen Einschränkungen reiner Black-Box-Ansätze deutlich zu überwinden. In der ersten Förderperiode konzentriert sich unsere synergetische Forschung auf das Design von protonenleitenden Keramiken. In der zweiten Förderperiode wird der Ansatz auf das Sintern dünner Elektrolytschichten, die auf Kompositelektroden getragen sind, ausgeweitet. Die Ergebnisse dieses koordinierten Vorhabens sollen die Optimierung protonenleitender Elektrolyte und zugehöriger elektrochemischer Zellen beschleunigen und den Weg zu einem materialbasierten inversen Design über neuartige Verarbeitungsprozesse, defektchemische Modelle und mikrostrukturelles Verständnis ebnen.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5966: Synergetisches Design protonenleitender Keramiken für Energietechnologie (SynDiPET)