-40% Reichweite.
Defekt oder Physik?

KI-gestützte Simulation macht Batteriezustand, Alterung und Reichweite messbar.

Selbst simulieren
Dr. Gerald Sammer Dr. Gerald Sammer Gründer & CEO

Interaktive Reichweitensimulation

Bewegen Sie die Regler und sehen Sie live, wie Temperatur, Alter, Fahrmodus und Klimaanlage die Reichweite beeinflussen.

487 km
Simuliertes Elektrofahrzeug mit sichtbarem Batteriepaket
SOH: 98%

Das ist, was ich für Sie tun kann. Nur mit Ihren echten Daten.

Zur Fallstudie

Fallstudie: Reichweitenverlust in der Praxis

Eine simulationsbasierte Analyse – Schritt für Schritt.

Das Problem

Ein Flottenbetreiber meldet 40% Reichweitenverlust nach 3 Jahren

22 Elektrische Transporter in einer Zustellflotte in Norddeutschland. Fahrer berichten seit dem zweiten Winter über drastisch sinkende Reichweite. Die Leasinggesellschaft fordert ein unabhängiges Gutachten.

-41% Reichweitenverlust gemessen vs. WLTP im 3. Winter

Ist das normal? Liegt ein Batterieschaden vor?

Schritt 1 – Datenanalyse

Ladehistorie und Nutzungsmuster auswerten

OBD-Daten und Ladeprotokolle zeigen: Die Flotte lädt ausschließlich per DC-Schnelllader. Durchschnittlich 1,2 Schnellladungen pro Tag, häufig bei SOC <15%.

DC >100kW
73%
AC
20%
AC <11kW
7%
Ladeverhalten ist extrem belastend für die Zellchemie.
Schritt 2 – Simulation

Temperatur × Ladeverhalten × Alterung modellieren

Simulation kombiniert reales Nutzungsprofil mit elektrochemischem Alterungsmodell und Klimadaten aus Hamburg.

100% 95% 90% 85% 0 1 Jahr 2 Jahre 3 J. Simulation Messung (<3% Abw.)
Modell stimmt mit Realität überein.
Schritt 3 – Ursachenzerlegung

Was verursacht die 41%? Eine Zerlegung.

Simulation ermöglicht die isolierte Analyse jedes einzelnen Faktors.

Temperatur (-8°C)
-19%
HVAC-Last
-11%
Degradation
-7%
Fahrprofil
-4%
Kein Batteriedefekt. 7% Degradation nach 3 Jahren liegt im erwarteten Bereich. Der Großteil des Verlusts ist temperatur-/HVAC-bedingt und reversibel.
Ergebnis

Faktenbasierte Klärung statt Spekulation

Der Flottenbetreiber erhält einen belastbaren Bericht mit reproduzierbarer Simulation. Die Leasinggesellschaft akzeptiert das Ergebnis. Ein teurer Rechtsstreit wird vermieden.

3 Wochen Projektdauer
0 Fahrzeuge mit echtem Defekt

So arbeite ich. Haben Sie einen ähnlichen Fall?

Projekt besprechen

Dienstleistungen

Reichweitenanalyse – Fahrer mit Reichweitenwarnung

Reichweitenanalyse

Herausforderung Die reale Reichweite ist schwer vorhersagbar, da sie stark von Fahrstil, Umgebungstemperatur, Verkehr, Streckenprofil und Batteriezustand beeinflusst wird.
Lösung KI-gestützte Simulation kombiniert Fahrzeug-, Batterie-, Strecken- und Umweltdaten für präzise Reichweitenprognosen und ermöglicht reproduzierbare Parametervariationen.
Batteriealterung – Einflussfaktoren auf den Batteriezustand

Batteriealterung

Herausforderung Komplexe Alterung durch Ladeverhalten, Temperatur, Lastprofile, kalendarische Alterung und Betriebsbedingungen erschwert die Zustandsbewertung.
Lösung KI-gestützte Batterie-Simulation identifiziert Alterungsmuster, schätzt den State-of-Health reproduzierbar und ermittelt die wesentlichen Einflussfaktoren der Batteriedegradation.
Schadensanalyse – Simulationsbasierte Ursachenklärung im e-Antrieb

Schadensanalyse

Herausforderung Fehlverhalten im e-Antrieb – Leistungsverlust, erhöhter Verschleiß – ist schwer quantifizierbar und durch Inspektion allein nicht objektiv erklärbar.
Lösung Simulationsbasierte Schadensanalyse reproduziert das beobachtete Verhalten unter realen Betriebsbedingungen, isoliert die Ursachen und liefert belastbare, gutachterlich verwertbare Ergebnisse.

Methode

Ich setze KI-gestützte Simulationen ein, um reale technische Sachverhalte unter definierten Randbedingungen strukturiert und nachvollziehbar im Computer nachzubilden.

  • Basierend auf öffentlich verfügbaren technischen Daten, Herstellerangaben sowie – sofern vorhanden – Mess-, Test- oder Felddaten
  • Systematische Untersuchung von Nutzungsprofilen, Temperatur, Lastzuständen, Ladehistorie und Umgebungsbedingungen
  • Reproduzierbare Analysen und transparente, belastbare Schlussfolgerungen
  • Objektive Klärung komplexer Zusammenhänge und nachvollziehbare Bewertung von Szenarien
Simulationsbasierte Methodik – Fahrzeug- und Datenanalyse

Über mich

In über 30 Jahren in der Automobilindustrie habe ich eines gelernt: Die besten Technologien scheitern nicht an der Physik – sondern an der Qualität.

Deshalb habe ich simotive.ai gegründet – eine unabhängige Beratung für KI, Simulation und Qualitätsmanagement in der Elektromobilität.

Mein Fokus: Reichweitenanalyse, Batteriealterung, prädiktive, KI-gestützte Modellierung zur faktenbasierten Klärung z.B. im Bereich der Schadenanalyse oder Wertermittlung.

Bis 2025 leitete ich als Principal Business Field Manager bei AVL globale Batterie- und EV-Projekte. Zudem war ich 15 Jahre Mitglied im technischen Steuerkreis von ASAM, einer Standardisierungsorganisation für Automotive-Standards in Messtechnik, Simulation und autonomem Fahren.

Meine akademische Ausbildung in Wirtschaftswissenschaften, Informatik und Elektrotechnik hat meine Überzeugung geprägt, dass Lösungen nicht nur technisch überzeugen, sondern vor allem einen klaren Mehrwert für den Anwender schaffen müssen.

Wenn Sie sich fragen, wie KI und Simulation Ihre Ergebnisse verbessern können – lassen Sie uns sprechen.

Dr. Gerald Sammer
Gründer & CEO, simotive.ai

Dr. Gerald Sammer – Gründer und CEO von simotive.ai

Kontakt

Haben Sie eine technische Fragestellung rund um Elektromobilität? Lassen Sie uns besprechen, wie simulationsbasierte Analyse Ihnen helfen kann.

gerald.sammer@simotive.ai

Projekt besprechen