Die 1999 geborene Doktorandin der Tsinghua-Universität gründete ein Startup: Sie stattet Batterien mit KI-Gehirnen aus und reduziert die ursprünglich 90 Tage lange Projektlaufzeit auf nur 2 Tage.

Welche neuen Möglichkeiten ergeben sich aus der Kombination von KI und Batterien? Projekte, für die ursprünglich 2 Ingenieure 3 Monate brauchten, können heute von mehreren Agenten in nur 2 bis 3 Tagen abgeschlossen werden. 

Vor kurzem hat eine 1999 geborene Doktorandin der Tsinghua-Universität ein Startup gegründet, das genau in diesem Bereich tätig ist. 

Sie ist Lu Yufang, Gründerin von Cycle Intelligence, die der Batterie ein KI-Gehirn verpassen möchte: Sie will den gesamten Prozess von der Entwicklung und Nutzung der Batterieprodukte bis hin zu deren Abbau und Recycling durch KI optimieren. 

Laut Lu Yufang besteht die von ihr gesehene neue Chance nicht darin, eine neue Batterie zu entwickeln, sondern den Dienstleistungsbereich der Batterieindustrie neu zu gestalten: In Zukunft kann ein Batterieexperte mit einem Team aus KI-Agenten zusammenarbeiten. 

Gibt es Chancen für KI-Batterien?

Ich bin der Gründer von Cycle Intelligence und wurde am 31. Dezember 1999 geboren. 

Im Jahr 2016, mit 16 Jahren, begann ich mein Bachelorstudium im Fach Fahrzeugtechnik an der Tsinghua-Universität. Im Herbst 2018 verbrachte ich ein Austauschsemester an der Princeton University. Nach meinem Bachelorabschluss im Jahr 2020 setzte ich mein direktes Promotionsstudium an der Tsinghua-Universität fort, wobei sich mein Forschungsschwerpunkt stets auf Lithiumbatterien bezog. 

Lu Yufang, Steinbock 

Warum konzentriere ich mich besonders auf KI + Batterien? Weil ich seit 2020 an der optimalen Schnellladung von Antriebsbatterien forsche. 

Damals dauerte das Aufladen von reinen Elektroautos auch bei Nutzung der Schnellladefunktion in der Regel mehr als eine Stunde. 

Bis zum Jahr 2025 hat BYD mit der von ihr vorgestellten Blitzladetechnologie die Ladezeit auf unter 10 Minuten verkürzt. 

Ich habe die Jahre der rasanten Entwicklung der Schnellladetechnologie direkt miterlebt. 

Meine Forschung zielt nicht nur darauf ab, einzelne Probleme zu lösen, sondern optimiert die Schnellladestrategie von Zellen und Modulen bis hin zum Batteriepaket. 

Beispielsweise verschlechtern sich Batterien nach einer gewissen Nutzungsdauer. Wenn die Batterie alt geworden ist, kann die ursprüngliche Ladesystematik dann noch weiterverwendet werden? Wie lassen sich Nebenreaktionen während des Ladevorgangs erkennen? Wie muss die Ladesystematik angepasst werden? Wie lässt sich die aktuelle Restlebensdauer der Batterie abschätzen? Wie lässt sich die immer deutlichere Inkonsistenz zwischen den einzelnen Zellen bewerten? 

All diese Probleme müssen gemeinsam berücksichtigt werden. 

Während meiner Promotionszeit habe ich als Erstautorin 7 SCI-Papiere und 3 EI-Papiere veröffentlicht, die sich alle mit Batteriealgorithmen und Schnellladung befassen. 

Teile der Forschungsergebnisse wurden in Projekten von Unternehmen wie CATL, BYD und CALB angewendet. 

Diese Erfahrung hat mich immer mehr überzeugt: Ich eigne mich für angewandte Forschung. 

Weniger als 5 Mitarbeiter – bereits profitabel

Ende September 2024 habe ich Cycle Intelligence in Suzhou registriert und mich im Suzhou Industrial Park angesiedelt. 

Der Name des Unternehmens „Cycle Intelligence“ steht für intelligente Dienstleistungen über den gesamten Lebenszyklus von Batterien. Wir möchten mit einem dualen Ansatz aus KI und Mechanik die Probleme von Batterien während der Produktentwicklung, Nutzung und Alterung lösen. 

Skyline des Suzhou Industrial Park 

Gleich zu Beginn der Unternehmensgründung haben ich und ein privater Investor eine Summe investiert, um den Betrieb in kleinem Maßstab aufzunehmen. Wir haben uns nicht beeilt, das Team zu vergrößern, und auch nicht sofort nach VC-Finanzierung gesucht. 

Denn dies ist mein zweites Startup. 

Bei meinem ersten Startup arbeitete ich mit einem älteren Kommilitonen zusammen, wir befassten uns mit der schnellen Niedrigtemperatur-Heiz- und Ladetechnologie für Elektroautos sowie Dienstleistungen im Zusammenhang mit Fahrzeug-Netz-Interaktion und Mikronetzen. 

Teile der Anwendungsbereiche von Cycle Intelligence 

Zu dieser Zeit entwickelte sich die neue Energiebranche sehr schnell. Unser Team stammte aus der Tsinghua-Universität, und die erste Finanzierung verlief reibungslos. 

Doch weil das Geld so leicht zu bekommen war, entstanden dadurch versteckte Probleme. Damals dachten wir zuerst daran, wie wir das Geld ausgeben und den Umfang vergrößern können, anstatt wirklich klar zu überlegen: Wer sind eigentlich unsere Kunden? Was ist das größte Problem der Kunden? 

Das Ergebnis war, dass wir viel Geld ausgegeben haben, aber das Produkt nicht marktfähig wurde, wodurch die zweite Finanzierungsrunde sehr viel schwieriger wurde. 

Deshalb habe ich bei diesem von mir geleiteten Startup darauf geachtet, dass wir uns selbst erhalten und überleben können, bevor wir klar wissen, wofür das Geld ausgegeben werden soll. 

Derzeit hat Cycle Intelligence weniger als 5 Vollzeitmitarbeiter (zuzüglich Teilzeitkräfte), das Unternehmen ist bereits profitabel. Jeder Ingenieur ist ein Super-Individual, das von einem Team aus Agenten unterstützt wird. 

3-monatiges Projekt – von KI in 2 bis 3 Tagen abgeschlossen

Cycle Intelligence befasst sich in der Anfangsphase hauptsächlich mit mehreren konkreten Problemen: sicherem Betrieb von Batterien, Risikowarnungen, Zustandsprognosen und Lebensdauerschätzung. 

Früher wurden solche Projekte hauptsächlich manuell erledigt. 

Die Datenqualität unterscheidet sich stark von Kunde zu Kunde. Nach Erhalt der Daten müssen Ingenieure zuerst die Daten bereinigen, vorverarbeiten und das Datenformat vereinheitlichen. Nach der Datenverarbeitung müssen Modelle trainiert, Algorithmen angepasst und Parameter wiederholt optimiert werden. 

Diese Arbeiten sind sehr zeitaufwändig. 

Ein Ingenieur probiert möglicherweise zwei bis drei Modelle aus, und nach längerer Zeit der fortlaufenden Fehlersuche wird er müde und hat keine Lust mehr, weitere Algorithmen auszuprobieren. Deshalb dauert die Lieferfrist eines Projekts in der Regel mindestens 3 Monate, bei komplexen Projekten sogar mehr als ein halbes Jahr. 

Seit 2026 entwickeln sich KI-Modelle und Agententechnologie sehr schnell. Durch einen Zufall haben wir ein im Vorjahr abgeschlossenes Projekt genommen und es die Agenten noch einmal durchführen lassen. 

Wir haben die ursprünglichen Unterlagen an die Agenten übergeben. Das System ermittelt anhand der Projektunterlagen und Anforderungen automatisch, wie viele Agenten für das Projekt benötigt werden. Manche Projekte brauchen 3, andere 5 Agenten. 

Diese Agenten haben unterschiedliche Aufgabenbereiche. Einige sind für die Datenverarbeitung zuständig, einige für die Projektprüfung, einige für das Projektmanagement und einige für die technische Umsetzung. 

Arbeitsgruppen-Chat von Cycle Intelligence 

Die Aufgaben, für die früher 2 Ingenieure 3 Monate brauchten, werden von dem Agententeam in etwa 2 bis 3 Tagen erledigt. 

Bei manchen Arbeitsschritten sind Menschen möglicherweise nur bereit, zwei bis drei Algorithmen auszuprobieren, während Agenten 10, 20 oder sogar noch mehr nacheinander testen können. Sie werden nicht müde und bekommen keine negative Stimmung aufgrund aufeinander folgender Fehlschläge. 

Wir haben das System auch mit einer Gruppe von öffentlichen wissenschaftlichen Daten getestet. Die Agenten haben in weniger als einer Woche einige der ursprünglichen Kennzahlen übertroffen. 

Dieses Ergebnis hat uns sehr überrascht. 

Das bedeutet, dass nach dem Einzug von KI in die industrielle Welt zuerst keine großen branchenweiten Konzepte verändert werden, sondern ganz konkrete Arbeitsabläufe. 

Genau das ist die Chance, die wir wirklich erkannt haben. 

Wird KI Batterieexperten ersetzen?

Ich glaube, dass KI Batterieexperten nicht ersetzen, sondern ihre Arbeitsweise neu gestalten wird. 

Batterien sind komplexe elektrochemische Systeme. Viele Probleme lassen sich nicht automatisch lösen, indem man einfach die Daten an das Modell übergibt. 

Bei schwierigeren Problemen sind nach wie vor Experten erforderlich, die sich seit langem mit Batterien befassen, um anhand der elektrochemischen Mechanismen, Materialreaktionen und Ausfallursachen zu beurteilen, wo genau das Problem liegt. 

Deshalb verfolgen wir derzeit nicht den Ansatz „ein Agent ersetzt einen Ingenieur“, sondern „ein Ingenieur leitet ein Team aus Agenten“. 

Der Ingenieur ist dafür verantwortlich, die Probleme der Kunden zu verstehen, Aufgaben zu verteilen, die Richtung zu bestimmen und die Agenten aus fachlicher Sicht zu korrigieren. Die Agenten erledigen große Mengen an Datenverarbeitung, Algorithmenprüfungen und wiederholten Arbeitsabläufen. 

Der Wert des Menschen verschiebt sich von der persönlichen Durchführung jedes einzelnen Schritts hin zur Formulierung richtiger Fragen, der Arbeitsorganisation und der Beurteilung der Ergebnisse. 

Das ist auch der größte Unterschied zwischen industriellen Agenten und normalen Büroagenten. 

Allgemeine Fähigkeiten wie das Schreiben von Dokumenten, die Abwicklung von Reisekostenabrechnungen oder die Zusammenstellung von Materialien werden in Zukunft sehr wahrscheinlich direkt von Basismodellen abgedeckt. Einfache Anwendungen, die nur diese Fähigkeiten umhüllen, haben keine hohen Eintrittsbarrieren. 

Die eigentliche Eintrittsbarriere für industrielle Agenten liegt darin, was sie gelernt haben und was sie beherrschen. 

Als Beispiel: Ein Agent, der aus einem Basismodell hervorgeht, ist wie ein Erstsemester, das gerade an der Tsinghua-Universität angekommen ist. Sie sind alle sehr intelligent, aber manche studieren Rechtswissenschaften, manche lernen Bürosoftware und manche befassen sich mit Batterien. 

Was sie am Ende lösen können, hängt nicht nur von ihrer Intelligenz ab, sondern auch von der fachlichen Ausbildung, die sie erhalten haben, und dem Branchenwissen, das sie beherrschen. 

Die großen Mengen an Prozessdaten, Versuchsdaten und Ausfalldaten von Batterieunternehmen werden nicht im Internet veröffentlicht. Warum treten bei Batterien Nebenreaktionen auf? Welche gängigen Ausfallarten gibt es? Warum kommt es bei einem bestimmten Arbeitsschritt in der Produktionslinie zu Abweichungen? Hinter all diesen Problemen stecken spezielle Mechanismen. 

Nur wenn man diese Probleme wirklich versteht, ist der Agent nicht nur eine Chat-Software, sondern ein „digitaler Ingenieur“, der technische Arbeiten erledigen kann. 

Neue Chancen in der Batterieindustrie

Chinas Batterieindustrie ist in eine neue Phase eingetreten. 

Früher haben wir uns hauptsächlich darauf konzentriert, ausländische Technologien zu erlernen und ausländische Unternehmen einzuholen. Aber zumindest in meinem Fachbereich der Batterietechnologie ist China bereits weltweit führend. 

Heute überlegen wir nicht mehr, wie wir fortschrittliche Technologien aus dem Ausland einführen können, sondern wie wir unsere eigenen Technologien und Produkte exportieren können. Einige der Großkunden, mit denen wir derzeit Kontakt haben, sind ausländische Unternehmen. 

Mit dem Eintritt der Batterieindustrie in die Reifephase verändern sich auch die vorhandenen Chancen. 

Früher lag der Kern der Chancen darin, die Energiedichte zu erhöhen, die Kosten zu senken, die Produktionskapazität zu erweitern und mehr Batterien herzustellen. In der Zukunft werden neue Anforderungen im Zusammenhang mit Sicherheit, Lebensdauer, Effizienz, Zustandsprognose und intelligenter Verwaltung über den gesamten Lebenszyklus von Batterien entstehen. 

Elektroautos brauchen Batterien, Energiespeichersysteme brauchen Batterien. Neue Produkte wie Niedrigflug-Fluggeräte und körperlich verankerte Roboter benötigen ebenfalls neue Batteriepakete und neue Verwaltungsansätze. 

Derzeit konzentriert sich Cycle Intelligence weiterhin auf intelligente Batteriesysteme und erforscht gleichzeitig Batteriepakete für den Niedrigflugbereich und körperlich verankerte Roboter. Diese Bereiche befinden sich aber noch in der Erkundungsphase. 

Für ein kleines Unternehmen hat es wenig Bedeutung, wenn man davon spricht, dass ein Markt mehrere Hundert Milliarden Yuan wert ist. 

Ich weiß auch nicht, wie groß der Markt für Agenten letztendlich sein wird, und schon gar nicht, ob Agenten in zwei Jahren von einer anderen „neuen Spezies“ abgelöst werden. 

Ich bin mir nur einer Sache sicher: Die Batterieunternehmen haben echte Probleme, und wir können die Effizienz der Problemlösung mit neuen Methoden verbessern. 

Erfolg bei der Gründung eines Startups ist für die Wenigen reserviert, Misserfolg ist die Normalität. 

Was ich tun