Japanischer Durchbruch beim maschinellen Lernen verspricht stabiles und effizientes drahtloses Laden

Revolution der drahtlosen Energieübertragung: Durchbruch beim maschinellen Lernen in Japan

Auf dem Weg in eine wirklich drahtlose Zukunft haben Wissenschaftler in Japan ein auf maschinellem Lernen basierendes Verfahren vorgestellt, das die Stabilität und Effizienz von Systemen zur drahtlosen Energieübertragung (WPT) deutlich verbessert. Die von einem Forschungsteam der Universität Chiba entwickelte Innovation wurde im Juni 2025 in der renommierten Fachzeitschrift IEEE Transactions on Circuits and Systems veröffentlicht. Sie könnte den Weg für den breiten Einsatz des drahtlosen Ladens ebnen – von Smartphones über Elektrofahrzeuge bis hin zu Industrieanlagen.

Die drahtlose Energieübertragung, also das Laden von Geräten ohne physische Kabel, ist seit Langem ein Wunsch von Ingenieuren und Verbrauchern. Zwar kommt WPT bereits in Produkten wie Smartphones, elektrischen Zahnbürsten und Induktionskochfeldern zum Einsatz, doch technische Herausforderungen haben eine breitere Nutzung bislang erschwert. Besonders problematisch ist die instabile Stromversorgung, wenn Geräte mit unterschiedlichem Energiebedarf angeschlossen werden. Der Durchbruch aus Japan geht dieses Problem direkt an: Mithilfe künstlicher Intelligenz entstehen Systeme, die unabhängig vom jeweils geladenen Gerät gleichmäßig und effizient Energie übertragen.

Warum ist eine stabile drahtlose Energieübertragung so schwierig?

Im Kern funktioniert die drahtlose Energieübertragung, indem Energie über elektromagnetische Felder übertragen wird. Eine Sendespule erzeugt eine bestimmte Frequenz, und eine auf dieselbe Frequenz abgestimmte Empfangsspule nimmt die Energie auf und wandelt sie wieder in elektrische Energie um. Dieser als Resonanz bezeichnete Vorgang reagiert sehr empfindlich auf die Eigenschaften des empfangenden Geräts, der sogenannten „Last“.

Beim Laden eines Smartphones beispielsweise verändert sich der Widerstand des Akkus mit zunehmendem Ladezustand. In herkömmlichen WPT-Systemen kann das zu Spannungsschwankungen führen, die das Laden verlangsamen, die Effizienz verringern oder sogar empfindliche Elektronik beschädigen. Bei größeren Akkus, etwa in Elektrofahrzeugen, fällt das Problem noch stärker ins Gewicht, da sich die Last während des Ladevorgangs erheblich verändern kann.

Herkömmliche Lösungen stützen sich auf komplexe analytische Gleichungen, um präzise Werte für Schaltkreiskomponenten wie Spulen und Kondensatoren zu berechnen. Diese Gleichungen beruhen jedoch oft auf idealisierten Annahmen und berücksichtigen reale Faktoren wie Fertigungstoleranzen, parasitäre Kapazitäten und Umwelteinflüsse nicht. Deshalb können bei herkömmlichen WPT-Systemen Laständerungen Spannungsschwankungen am Ausgang von bis zu 18 Prozent verursachen; die Effizienz kann auf bis zu 65 Prozent sinken.

Wie maschinelles Lernen die Entwicklung drahtloser Energieübertragung verändert

Das Team der Universität Chiba unter Leitung von Professor Hiroo Sekiya begegnete diesen Herausforderungen mithilfe von maschinellem Lernen und numerischer Optimierung. Das Verfahren bildet den gesamten WPT-Schaltkreis mithilfe von Differentialgleichungen ab, die das Verhalten realer Bauteile präzise wiedergeben, einschließlich nicht idealer Eigenschaften wie der parasitären Kapazität von Dioden. Die Gleichungen werden schrittweise numerisch gelöst, bis das System einen stabilen Betriebszustand erreicht.

Zur Optimierung des Systems setzten die Forscher einen genetischen Algorithmus ein – eine Form künstlicher Intelligenz, die von der natürlichen Selektion inspiriert ist. Der Algorithmus bewertet verschiedene Schaltkreiskonfigurationen anhand zentraler Ziele: stabile Ausgangsspannung, effiziente Energieübertragung und geringe harmonische Verzerrungen, die andere elektronische Geräte stören können. Anschließend passt er die Schaltkreisparameter schrittweise an und „entwickelt“ den Entwurf so lange weiter, bis er unter einer großen Bandbreite von Lastbedingungen die bestmögliche Leistung erzielt.

Dieses vollständig numerische, auf maschinellem Lernen beruhende Verfahren ermöglicht einen Betrieb, den Ingenieure als „lastunabhängig“ bezeichnen. Das System hält also Ausgangsspannung und Effizienz auch bei wechselnder Last stabil. Die Forscher demonstrierten ihre Methode an einem WPT-System der Klasse EF. Diese Topologie kombiniert einen Wechselrichter der Klasse E und F mit einem Gleichrichter der Klasse D. Beide sind für ihre hohe Effizienz und ihre Eignung für Anwendungen zur drahtlosen Energieübertragung bekannt.

Die wichtigsten Ergebnisse: deutlich mehr Stabilität und Effizienz

Die Ergebnisse waren bemerkenswert. Das neue System senkte die Schwankungen der Ausgangsspannung auf weniger als 5 Prozent – eine deutliche Verbesserung gegenüber den 18-prozentigen Schwankungen herkömmlicher Konstruktionen. Bei 6,78 MHz stieg die Effizienz der Energieübertragung auf 86,7 Prozent; die Ausgangsleistung lag bei mehr als 23 Watt. Herkömmliche Systeme haben dagegen oft Schwierigkeiten, bei wechselnder Last eine Effizienz von mehr als 65 Prozent zu erreichen.

Der Ansatz mit maschinellem Lernen verbesserte auch die Leistung bei geringer Last, bei der herkömmliche Systeme besonders anfällig für Instabilität sind. Durch die genaue Modellierung der realen Eigenschaften der Bauteile hielt das System die Energieverluste in der Sendespule bei unterschiedlichen Lasten nahezu konstant. Das deutet auf eine wirksame Stromregelung und minimale Energieverluste hin.

Der federführende Autor, Professor Hiroo Sekiya, erklärte: „Unser Ansatz mit maschinellem Lernen bildet das System virtuell ab, führt Simulationen durch und nutzt künstliche Intelligenz, um die Leistung zu optimieren. Dabei werden Energieverluste in Form von Wärme minimiert und die Signalqualität erhalten.“

Was macht diesen Durchbruch besonders?

Drahtloses Laden ist zwar nicht neu, doch der Erfolg des japanischen Teams besteht darin, die anhaltende Herausforderung der lastabhängigen Instabilität zu überwinden. Die Methode erfordert nicht, dass Schaltkreiskomponenten für jedes neue Gerät oder jede Anwendung mühsam von Hand abgestimmt werden. Stattdessen kann der KI-gestützte Entwicklungsprozess automatisch auf unterschiedliche Lasten, Umgebungen und Anwendungsfälle eingestellt werden. Damit eignet er sich deutlich besser für den praktischen Einsatz.

Diese Flexibilität ist besonders wertvoll für neue Anwendungen wie Elektrofahrzeuge, Industrieroboter und medizinische Implantate, deren Energiebedarf sich schnell und unvorhersehbar ändern kann. Indem die Technologie unter allen Bedingungen eine stabile und effiziente Energieversorgung gewährleistet, könnte sie die Nutzung drahtloser Energie in Bereichen beschleunigen, die bislang auf umständliche Kabel und Steckverbindungen angewiesen sind.

Vom Labor in den Alltag: Der Weg zu einer drahtlosen Gesellschaft

Die Bedeutung dieser Forschung reicht weit über Verbrauchergeräte hinaus. Das Team der Universität Chiba stellt sich eine Zukunft vor, in der drahtlose Energie so allgegenwärtig ist wie WLAN und Geräte in Haushalten, Büros, Fabriken und öffentlichen Räumen nahtlos geladen werden. Das vereinfachte, lastunabhängige Design könnte zudem Kosten und Größe von WPT-Systemen verringern und so ihre Massenproduktion und Integration in Alltagsprodukte erleichtern.

Wie bei jeder neuen Technologie sind jedoch noch Hürden zu überwinden, bevor sie sich breit auf dem Markt durchsetzen kann. Weitere Entwicklungsarbeit, strenge Sicherheitstests und die Erarbeitung von Branchenstandards sind unerlässlich, um Zuverlässigkeit und Kompatibilität zwischen verschiedenen Geräten und Herstellern sicherzustellen. Experten sind dennoch überzeugt, dass der Durchbruch drahtlose Energie innerhalb der nächsten fünf bis zehn Jahre zum Alltag machen könnte.

Wie ColombiaOne.com berichtet, „könnte die Verbesserung besonders für größere und komplexere Akkus wie die in Elektrofahrzeugen wichtig sein, bei denen sich die Last beim Laden stark verändern kann. Das Verfahren vereinfacht außerdem den Aufbau der Schaltkreise und könnte Kosten und Größe verringern. Das Team will drahtlose Energie innerhalb von fünf bis zehn Jahren zum Alltag machen.“

Künstliche Intelligenz: Die Zukunft der Entwicklung von Leistungselektronik

Der Durchbruch in Japan ist Teil eines breiteren Trends in der Elektrotechnik: der Integration künstlicher Intelligenz und maschinellen Lernens in die Hardwareentwicklung. Die Entwicklung von Leistungselektronik – etwa Wechselrichtern, Gleichrichtern und Systemen zur drahtlosen Energieübertragung – war traditionell arbeitsintensiv und erforderte viel Fachwissen sowie zahlreiche Versuche und Irrtümer.

Neuere Fortschritte bei der künstlichen Intelligenz, darunter große Sprachmodelle und evolutionäre Algorithmen, beschleunigen diesen Prozess. KI-gestützte Entwicklungswerkzeuge können Schaltkreisparameter automatisch optimieren und reale Komplexitäten berücksichtigen. Dadurch verkürzen sie die Entwicklungszeit, verringern menschliche Fehler und ermöglichen ein neues Maß an Leistung und Effizienz.

Einer aktuellen Übersichtsarbeit zufolge, die auf ScienceDirect veröffentlicht wurde, „optimiert KI-gestützte Entwicklung die Parameter von Hochfrequenzsystemen zur drahtlosen Energieübertragung. Auf GPT basierende KI-Modelle verringern Entwicklungszeit und Komplexität in der Leistungselektronik erheblich.“ Die Übersichtsarbeit zeigt das Potenzial künstlicher Intelligenz, nicht nur die drahtlose Energieübertragung, sondern das gesamte Gebiet der Leistungselektronik zu revolutionieren – vom Verkehr bis zum Internet der Dinge (IoT).

Wie geht es mit der drahtlosen Energie weiter?

Die Ergebnisse des Teams der Universität Chiba beruhen bislang auf Laborversuchen, doch die zugrunde liegenden Prinzipien lassen sich breit anwenden. Mit der Weiterentwicklung und zunehmenden Verbreitung KI-gestützter Entwicklungsmethoden sind rasche Fortschritte bei praktischen und zuverlässigen Systemen zur drahtlosen Energieübertragung für zahlreiche Anwendungen zu erwarten.

Branchenbeobachter prognostizieren, dass im kommenden Jahrzehnt Umgebungen entstehen könnten, die vollständig drahtlos funktionieren: Geräte laden sich automatisch auf, sobald sie einen Raum betreten, Fahrzeuge werden im Stand oder sogar während der Fahrt geladen, und Industrieanlagen arbeiten ohne die Einschränkungen durch Stromkabel. Das würde nicht nur den Komfort erhöhen, sondern auch Elektroschrott verringern, die Sicherheit verbessern und neue Formen der Vernetzung und Automatisierung ermöglichen.

Zusammenfassung

• Japanische Forscher der Universität Chiba haben ein auf maschinellem Lernen basierendes Verfahren entwickelt, das unabhängig von Laständerungen eine stabile und effiziente drahtlose Energieübertragung ermöglicht.
• Der Durchbruch senkt die Schwankungen der Ausgangsspannung auf unter 5 Prozent und steigert die Effizienz auf 86,7 Prozent. Bei herkömmlichen Systemen liegen die entsprechenden Werte bei 18 Prozent und 65 Prozent.
• Der KI-gestützte Entwicklungsprozess nutzt numerische Modellierung und genetische Algorithmen, um Schaltkreisparameter zu optimieren und die Grenzen herkömmlicher analytischer Verfahren zu überwinden.
• Die Technologie könnte die Nutzung drahtloser Energie in Smartphones, Elektrofahrzeugen, Industrieanlagen und weiteren Bereichen beschleunigen und drahtloses Laden möglicherweise innerhalb von fünf bis zehn Jahren zum Alltag machen.
• Die Forschung unterstreicht die wachsende Rolle künstlicher Intelligenz bei der Automatisierung und Optimierung der Entwicklung von Leistungselektronik. Das verspricht künftig schnellere Innovationen und höhere Zuverlässigkeit.