Wie und warum altern Brennstoffzellen in Flugzeugen und was kann dagegen getan werden? Solche Fragen werden im SE²A-Projekt "C6.1: Data-driven understanding of aviation PEM fuel cells under reliability aspects" erforscht. Dabei werden zunächst die dominanten Alterungsmechanismen identifiziert und im Labor reproduziert. Die generierten Daten werden dann verwendet, um mittels maschinellem Lernen eine Vorhersage über die Alterung der Brennstoffzelle treffen zu können. Dies erlaubt das Bestimmen von Strategien zur Lebenszeitverlängerung und Erhöhung der Ausfallsicherheit des Brennstoffzellensystems in Luftfahrtanwendungen wie beispielsweise Passagierflugzeugen.