Wett, Björn ChristopherBjörn ChristopherWett2026-05-052026-05-052026https://dspace.ub.uni-siegen.de/handle/ubsi/9164The pervasive application of lithium-ion batteries has significantly reduced costs and rapidly increased global cell production. While this supports national and international targets for decarbonization and electrification, particularly of the transport sector, it also poses substantial challenges. Traction batteries from damaged or retired electric vehicles demand efficient approaches to classify their suitability for second-life applications, assess recyclability, and identify safety concerns. In second-life scenarios, rapid diagnosis and decision-making are essential for economically feasible battery handling. Existing research on battery diagnostics has largely focused on accurately predicting aging or defects in well-referenced cells. Universal approaches for analyzing cells with unknown chemistries, states of charge, and states of health remain largely unexplored, despite their potential to significantly increase re-use and recycling rates. This work investigates different approaches for the rapid diagnosis of lithium-ion batteries and their combination to assess second-life and recycling viability. Data-driven identification of cell chemistries, particularly distinguishing lithium nickel manganese cobalt oxide from lithium iron phosphate, based on partial open circuit voltage curves is investigated. Synthetic data was generated to improve generalizability across different states of charge and health. The trade-off between measurement speed and classification accuracy is evaluated, providing insights into the influence of measurement steps and charged or discharged capacity. State of health estimation represents another crucial aspect of usability assessment. Experimental campaigns inducing specific defect and aging mechanisms, such as lithium plating and solid electrolyte interphase growth, were conducted alongside electrochemical impedance spectroscopy reference measurements. The resulting data were combined with publicly available impedance data from various cells to investigate rapid state of health determination for unknown lithium-ion batteries using neural networks. The most relevant frequency range was identified between 1 kHz and 100mHz, demonstrating that multisine impedance measurements as short as four seconds can predict state of health with a mean absolute error of 1.6 %. Finally, a novel method for assessing the state of usability of end-of-life cells is introduced, enabling the combination of different diagnostic methods and tools.Die breite Anwendung von Lithium-Ionen-Batterien hat die Kosten deutlich gesenkt und die weltweite Zellproduktion stark erhöht. Dies unterstützt nationale und internationale Ziele der Dekarbonisierung und Elektrifizierung, besonders im Verkehrssektor, bringt jedoch erhebliche Herausforderungen mit sich. Traktionsbatterien aus beschädigten oder ausgemusterten Elek- trofahrzeugen erfordern effiziente Ansätze, um ihre Eignung für Second-Life-Anwendungen zu prüfen, ihre Recyclingfähigkeit einzuschätzen und Risiken zu erkennen. Für eine wirtschaftliche Handhabung in Second-Life-Szenarien sind schnelle Diagnose und Entscheidungen wichtig. Bisherige Forschung konzentrierte sich vor allem auf die Vorhersage von Alterung oder Defekten in gut bekannten Zellen. Universelle Ansätze zur Analyse von Zellen mit unbekannter Chemie, Ladezustand und Alterungszustand sind hingegen kaum erforscht, obwohl sie das Potenzial haben, Wiederverwendung und Recycling deutlich zu steigern. Diese Arbeit untersucht verschiedene Ansätze zur schnellen Diagnose von Lithium-Ionen-Batterien und deren Kombination zur Bewertung der Second-Life- und Recycling-Fähigkeit. Untersucht wird die datenbasierte Identifikation von Zellchemien, insbesondere die Unterscheidung von Lithium-Nickel-Mangan-Kobalt-Oxid und Lithium-Eisen-Phosphat anhand partieller Leerlaufspannungskurven. Zur Verbesserung der Generalisierbarkeit auf unterschiedliche Lade- und Alterungszustände wurden synthetische Daten erzeugt. Der Kompromiss zwischen Messgeschwindigkeit und Klassifikationsgenauigkeit wird bewertet, wobei der Einfluss der Messschritte sowie der geladenen oder entladenen Kapazität analysiert wird. Die Abschätzung des Alterungszustands ist ein zentraler Aspekt der Nutzbarkeitsbewertung. Messkampagnen zur Induktion spezifischer Defekt- und Alterungsmechanismen, wie Lithiumplating und Wachstum der Solid Electrolyte Interphase, wurden zusammen mit Referenzmessungen mittels elektrochemischer Impedanzspektroskopie durchgeführt. Die Daten wurden mit öffentlich verfügbaren Impedanzdaten verschiedener Zellen kombiniert, um die schnelle Bestimmung des Alterungszustands unbekannter Lithium-Ionen-Batterien mittels neuronaler Netze zu prüfen. Als relevantester Frequenzbereich wurde 1 kHz bis 100mHz identifiziert; es zeigte sich, dass Multisinus-Impedanzmessungen von nur vier Sekunden ausreichen, um den Alterungszustand mit einem mittleren absoluten Fehler von 1,6% vorherzusagen. Zuletzt wird eine neue Methode zur Bewertung der Nutzbarkeit von End-of-Life-Zellen vorgestellt, die die Kombination verschiedener Diagnoseverfahren und -werkzeuge ermöglicht.enAttribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/620 Ingenieurwissenschaften und zugeordnete TätigkeitenLithium-Ion batteriesLithium-Ionen-BatterienSecond-LifeDiagnosisState estimationZustandsbestimmungRecyclingDefect and aging mechanismsDiagnoseDefekt- und AlterungsmechanismenDoctoral ThesisSeeger, Thomasurn:nbn:de:hbz:467-91646