Die Modellierung natürlicher und technischer Systeme spielt eine wichtige Rolle, um deren Verhalten zu simulieren und vorherzusagen. Die Impedanzspektroskopie ist in diesem Zusammenhang eine interessante Methode, da die Impedanz oft einfach messbar ist. Die herausfordernde Aufgabe ist die Interpretation gemessener Daten. Das Verständnis des Zusammenhanges zwischen realen Effekten und gemessener Impedanz anhand eines Impedanzmodells ist eine zentrale Problemstellung. Die Herleitung solcher Modelle wird in dieser Arbeit anhand drei verschiedenartiger Beispiele aus dem Gebiet der Messtechnik untersucht. Wirbelstromsensoren werden allgemein zur Messung von Abstand und Materialeigenschaften eingesetzt. Anhand eines Modells wird untersucht, wie diese Größen simultan bestimmbar sind. Die Messung der Zusammensetzung von Materialgemischen ist vielfach technisch relevant. Am Beispiel von Waschlaugen und Dispersionen mit Carbon Nano Tubes wird gezeigt, wie deren Zusammensetzung die Impedanz beeinflusst und welche Eigenschaften messbar sind. Batterien spielen eine wichtige Rolle zur Speicherung elektrischer Energie. Mit einem fraktionalen Differentialgleichungsmodell erfolgt eine Simulation der Batteriespannung unter wechselnden Einsatzbedingungen. Anhand der Anwendungen wird deutlich, dass es keinen Automatismus zur Modellerstellung und kein Modell für alles geben kann. Um so mehr liefert das vorgeschlagene Vorgehen einen Einstieg in die Modellerstellung. / Modeling natural and technical systems is important in order to simulate and predict their behavior. Impedance spectroscopy is an interesting method in the field of modeling because the impedance often is easily measurable. Nevertheless, interpretation of measured data is the challenging task in this field. The fundamental problem is understanding the relationship between real physical effects, measured impedance and impedance model. Fundamentals and advanced methods for deriving impedance models are investigated for three different problems in the field of measurement and sensor technology in this work. Eddy current sensors are commonly used to measure distance and material properties. Based on a model, it is investigated how these quantities can be determined simultaneously. Measuring the composition of material mixtures has many technical applications. Using the example of dispersions containing laundry detergents and dispersions with carbon nanotubes shows how their composition effects the impedance and measurable quantities. Batteries play an important role for storing electrical energy. Applying a fractional differential equation model allows a simulation of the battery voltage under varying operating conditions. Based on these applications it becomes clear, there can be no fully automated model creation method. A scientific analysis of the underlying problem is always required. The more the proposed approach provides an introduction to modeling.

Die Modellierung natürlicher und technischer Systeme spielt eine wichtige Rolle, um deren Verhalten zu simulieren und vorherzusagen. Die Impedanzspektroskopie ist in diesem Zusammenhang eine interessante Methode, da die Impedanz oft einfach messbar ist. Die herausfordernde Aufgabe ist die Interpretation gemessener Daten. Das Verständnis des Zusammenhanges zwischen realen Effekten und gemessener Impedanz anhand eines Impedanzmodells ist eine zentrale Problemstellung. Die Herleitung solcher Modelle wird in dieser Arbeit anhand drei verschiedenartiger Beispiele aus dem Gebiet der Messtechnik untersucht. Wirbelstromsensoren werden allgemein zur Messung von Abstand und Materialeigenschaften eingesetzt. Anhand eines Modells wird untersucht, wie diese Größen simultan bestimmbar sind. Die Messung der Zusammensetzung von Materialgemischen ist vielfach technisch relevant. Am Beispiel von Waschlaugen und Dispersionen mit Carbon Nano Tubes wird gezeigt, wie deren Zusammensetzung die Impedanz beeinflusst und welche Eigenschaften messbar sind. Batterien spielen eine wichtige Rolle zur Speicherung elektrischer Energie. Mit einem fraktionalen Differentialgleichungsmodell erfolgt eine Simulation der Batteriespannung unter wechselnden Einsatzbedingungen. Anhand der Anwendungen wird deutlich, dass es keinen Automatismus zur Modellerstellung und kein Modell für alles geben kann. Um so mehr liefert das vorgeschlagene Vorgehen einen Einstieg in die Modellerstellung. / Modeling natural and technical systems is important in order to simulate and predict their behavior. Impedance spectroscopy is an interesting method in the field of modeling because the impedance often is easily measurable. Nevertheless, interpretation of measured data is the challenging task in this field. The fundamental problem is understanding the relationship between real physical effects, measured impedance and impedance model. Fundamentals and advanced methods for deriving impedance models are investigated for three different problems in the field of measurement and sensor technology in this work. Eddy current sensors are commonly used to measure distance and material properties. Based on a model, it is investigated how these quantities can be determined simultaneously. Measuring the composition of material mixtures has many technical applications. Using the example of dispersions containing laundry detergents and dispersions with carbon nanotubes shows how their composition effects the impedance and measurable quantities. Batteries play an important role for storing electrical energy. Applying a fractional differential equation model allows a simulation of the battery voltage under varying operating conditions. Based on these applications it becomes clear, there can be no fully automated model creation method. A scientific analysis of the underlying problem is always required. The more the proposed approach provides an introduction to modeling.

As an efficient energy storage technology, lithium-ion batteries play a key role in the ongoing electrification of the mobility sector. However, the required modelbased design process, including hardware in the loop solutions, demands precise battery models. In this work, an encoder-decoder model framework based on recurrent neural networks is developed and trained directly on unstructured battery data to replace time consuming characterisation tests and thus simplify the modelling process. A manifold pseudo-random bit stream dataset is used for model training and validation. A mean percentage error (MAPE) of 0.30% for the test dataset attests the proposed encoder-decoder model excellent generalisation capabilities. Instead of the recursive one-step prediction prevalent in the literature, the stage-wise trained encoder-decoder framework can instantaneously predict the battery voltage response for 2000 time steps and proves to be 120 times more time-efficient on the test dataset. Accuracy, generalisation capability and time efficiency of the developed battery model enable a potential online anomaly detection, power or range prediction. The fact that, apart from the initial voltage level, the battery model only relies on the current load as input and thus requires no estimated variables such as the state-of-charge (SOC) to predict the voltage response holds the potential of a battery ageing independent LIB modelling based on raw BMS signals. The intrinsically ageingindependent battery model is thus suitable to be used as a digital battery twin in virtual experiments to estimate the unknown battery SOH on purely BMS data basis.