Vorhersagendes Design dehnbarer Elektroden mit rissunempfindlicher Leistung durch einen workflow, der Robotik und maschinelles Lernen integriert

Elektronik, die sich wie Haut dehnen kann

Von intelligenten Hemden, die unseren Herzschlag messen, bis zu weichen Robotern, die sich wie Lebewesen bewegen – die Geräte von morgen benötigen Leitungen und Batterien, die sich dehnen, verdrehen und biegen lassen, ohne auszufallen. Dieser Artikel beschreibt eine neue Methode zur Gestaltung solcher „dehnbarer Elektroden“, damit sie auch dann funktionieren, wenn sie auf das Mehrfache ihrer ursprünglichen Länge gezogen werden. Durch die Kombination von Laborrobotern, künstlicher Intelligenz und Computersimulationen finden die Forschenden Materialien und Strukturen, die sich eher wie elastische Haut als wie sprödes Metall verhalten.

Warum sich dehnbare Leiter schwer herstellen lassen

Die meisten Metalle und Batteriematerialien leiten zwar hervorragend, können aber schlecht mit Dehnung umgehen. Beim Dehnen reißen dünne Metallschichten schnell, und ihr elektrischer Widerstand steigt stark an, wodurch Geräte ausfallen. Ingenieure haben Flüssigmetalle, Netze aus Nanodrähten und geschickte Muster zur Spannungsverteilung ausprobiert, doch die gleichzeitige Erfüllung dreier Anforderungen – hohe Leitfähigkeit, große Dehnbarkeit und stabile Leistung unter Belastung – war bislang schwer zu erreichen. Der übliche Trial-and-Error-Ansatz, bei dem jeweils nur ein Parameter verändert wird, kommt mit der enormen Zahl möglicher Rezepturen und Prozessschritte einfach nicht zurecht.

Roboter und KI erforschen einen riesigen Designraum

Die Autorinnen und Autoren gehen das Problem an, indem sie eine integrierte Pipeline zur „Materialentdeckung“ aufbauen. Ein Pipettierroboter mischt zunächst Hunderte von Kombinationen aus vier Bausteinen: leitfähigen MXen-Blättern, Kohlenstoff-Nanoröhren, Goldnanopartikeln und einem flexiblen Polymer. Diese Mischungen werden zu dünnen Filmen filtriert und daraufhin auf ihre Leitfähigkeit getestet. Mit diesen Ergebnissen sortiert ein Modell des maschinellen Lernens schnell schlechte Kandidaten aus und kartiert einen kleineren, vielversprechenden Bereich des Designraums. In mehreren Runden des sogenannten „Active Learning“ schlägt die KI dann die informativsten neuen Rezepturen und Verarbeitungsbedingungen vor; der Roboter stellt sie her, das Team misst deren Eigenschaften, und das Modell wird aktualisiert. Datenaugmentierungs-Tricks erhöhen die Zuverlässigkeit des Modells zusätzlich, ohne Tausende zusätzlicher Experimente zu erfordern.

Kleine Fältel, die große Dehnungen zähmen

Über die Zusammensetzung hinaus ist die wichtigste Erkenntnis, dass die Oberflächenform der Filme so gestaltet werden kann, dass sie Dehnung bewältigt. Durch Schrumpfen und erneutes Dehnen des Materials auf speziellen Kunststofffolien und Klebebändern erzeugt das Team mikrotexturierte Filme mit hierarchischen Falten und Knicken – Rinnen über Wellen. Computersimulationen zeigen, wie diese Formen wirken: Beim Ziehen strecken sich die Falten zuerst aus und absorbieren die Verformung, sodass das Material selbst nur geringe lokale Dehnungen erfährt. Solange diese Dehnungen unter einer bestimmten Schwelle bleiben, bleiben die leitenden Pfade intakt und der elektrische Widerstand ändert sich kaum, selbst bei mehreren hundert Prozent Verlängerung.

Von ultradehnbaren Leitern zu weichen Batterien

Mithilfe ihres „Champion“-Vorhersagemodells empfiehlt die Workflow-Kette ein spezifisches mikrotexturiertes Nanokomposit als tragende Unterschicht für eine sehr dünne Goldschicht. Dieser optimierte Aufbau ergibt einen Goldleiter, der sich fast wie massives Metall verhält, sich aber auf das Zehnfache seiner ursprünglichen Länge dehnen lässt, bevor sein Widerstand spürbar ansteigt, und der Zehntausende von Dehnungs–Entspannungs-Zyklen übersteht. Dieselben Gestaltungsprinzipien werden anschließend angewandt, um eine vollständig dehnbare Zink–Mangan(IV)-oxid-Batterie herzustellen. Hier tragen die mikrotexturierten Goldkollektoren dicke Schichten starrer Batteriematerialien, dennoch lässt sich das fertige Gerät bis zu 300 Prozent verlängern und liefert bei hunderten Lade–Entlade-Zyklen nahezu unveränderte Kapazität und Effizienz.

Was das für zukünftige tragbare Technik bedeutet

Für Nicht-Spezialisten lautet die Kernbotschaft: Das Team hat ein praktisches Rezept gezeigt, um weiche, langlebige Energie- und Leitungsbauteile zu bauen, die sich mit unserem Körper oder mit weichen Maschinen dehnen können. Statt sich auf langsame Vermutungen zu verlassen, findet ihr robotergestützter und KI-geführter Prozess schnell Kombinationen von Komponenten und Oberflächenformen, die die elektrische Leistung unter extremen Verformungen stabil halten. Diese Strategie könnte die Entwicklung komfortabler medizinischer Wearables, flexibler IoT-Geräte und der nächsten Generation weicher Roboter beschleunigen und uns der Elektronik näherbringen, die sich so natürlich bewegt wie die Haut und Muskeln, mit denen sie zusammenarbeiten soll.

Zitation: Yang, H., Chen, Q., Chen, T. et al. Predictive design of stretchable electrodes with strain-insensitive performance via robotics- and machine learning-integrated workflow. Nat Commun 17, 1778 (2026). https://doi.org/10.1038/s41467-026-68484-3

Schlüsselwörter: dehnbare Elektronik, tragbare Geräte, Design mit maschinellem Lernen, weiche Batterien, mikrostrukturierte Materialien