CFD-Verbrennungssimulation für E-Fuels | 1D, 3D-CFD & KI

CFD-Verbrennungssimulation für E-Fuels: Motorentwicklung mit 1D, 3D-CFD und Surrogate-Modellen

Wer einen Hochleistungsmotor auf E-Fuels abstimmt, bewertet nicht nur die CO₂-Bilanz des Kraftstoffs. Entscheidend sind lokale Vorgänge im Brennraum: Einspritzung, Sprayzerfall, Wandfilm, Gemischhomogenität, Zündung, Wärmefreisetzung, Temperaturverteilung und Emissionen.

Genau hier wird CFD-Verbrennungssimulation relevant. Sie macht sichtbar, was globale Kennwerte oft nicht zeigen: wie der Kraftstoff im Brennraum verteilt wird, welche Bereiche überfettet oder zu mager sind, wie sich Temperaturfelder entwickeln und ob Modellannahmen durch Prüfstandsdaten gestützt werden können.

Dieser Artikel erklärt, warum E-Fuels neue Entwicklungsfragen im Verbrennungsmotor erzeugen, welche Rolle 1D-Systemsimulation, 3D-CFD, reaktive CFD und Surrogate-Modelle spielen und warum belastbare Validierung der Realitätsanker jeder Simulation bleibt.

Warum E-Fuels neue Entwicklungsfragen im Verbrennungsmotor erzeugen

E-Fuels sind nicht nur ein anderer Kraftstoffname. Für die Motorentwicklung zählt, wie der konkrete Kraftstoff durch das Kraftstoffsystem fließt, eingespritzt wird, verdampft, sich mit Luft mischt, zündet und verbrennt.

Bei flüssigen Kraftstoffen sind unter anderem Dichte, Viskosität, Dampfdruck, Siedeverhalten, Oberflächenspannung, Heizwert und Wärmekapazität relevant. Diese Eigenschaften beeinflussen die Einspritzhydraulik, das Tropfenspektrum, die Spraypenetration, die Verdampfung, den Wandfilm und die lokale Luftzahl im Brennraum.

Ein Kraftstoff kann also auf dem Datenblatt kompatibel wirken und im realen Motor trotzdem neue Entwicklungsfragen erzeugen. Besonders bei direkteinspritzenden Hochleistungsmotoren reicht es nicht, nur den globalen Luft-Kraftstoff-Wert zu betrachten. Entscheidend ist, welches Gemisch am Zündzeitpunkt lokal anliegt und wie stabil die Verbrennung über das Lastkollektiv bleibt.

Kraftstoffdaten als Ausgangspunkt der Simulation

Eine belastbare Simulation beginnt nicht beim Solver, sondern bei den Eingangsdaten. Für E-Fuels sind insbesondere Stoffdaten und Verdampfungsverhalten relevant. Dazu gehören Dichte, Viskosität, Siedekurve, Dampfdruck, Wärmekapazität, Verdampfungsenthalpie und Heizwert.

Diese Daten wirken direkt auf die Modellierung. Ein geändertes Siedeverhalten kann die Verdampfungszeit beeinflussen. Eine andere Viskosität kann die Einspritzhydraulik und den Strahlzerfall verändern. Eine andere Verdampfungsenthalpie kann die Ladung kühlen, aber auch lokale Gemischbildung und Wandfilmverhalten verschieben.

Deshalb ist die erste Entwicklungsfrage nicht: „Kann der Motor mit E-Fuel laufen?“
Die bessere Frage lautet: „Welche Kraftstoffeigenschaften beeinflussen welche Zielgrößen im konkreten Motor?“

Motorverhalten als Zielgröße

Für die Motorentwicklung sind Kraftstoffdaten nur der Anfang. Entscheidend ist, wie diese Daten auf Zielgrößen wirken. Dazu gehören Zylinderdruck, CA50, Brenndauer, Druckanstiegsrate, Klopfneigung, NOx, CO, HC, Partikel, Abgastemperatur, Wandtemperaturen und Dauerhaltbarkeit.

CA50 bezeichnet den Kurbelwinkel, bei dem 50 Prozent der Brennstoffenergie umgesetzt sind. Diese Größe ist für die Brennverlaufsanalyse zentral, weil sie Zündung, Wärmefreisetzung und Wirkungsgrad eng miteinander verbindet.

Bei E-Fuels entsteht dadurch ein klassischer Entwicklungszielkonflikt: Ein Kraftstoff kann günstige Eigenschaften für die Klopffestigkeit haben, aber gleichzeitig neue Fragen bei Verdampfung, Wandfilm oder Emissionen erzeugen. Genau diese Wechselwirkungen müssen in der Modellkette abgebildet werden.

Einspritzung, Spray und Wandfilm: Warum die Gemischbildung entscheidend ist

Die Gemischbildung ist bei E-Fuel-Motoren einer der wichtigsten technischen Hebel. Der Kraftstoff muss zur richtigen Zeit, in der richtigen Menge und mit passender Verteilung im Brennraum vorliegen. Ein global passender Lambda-Wert reicht dafür nicht aus.

Bei flüssigen Kraftstoffen spielen mehrere lokale Mechanismen zusammen:
‍

Gerade bei direkteinspritzenden Motoren sind Einspritzzeitpunkt, Einspritzdruck, Injektorlage, Strahlkegel, Kolbenmulde, Tumble und Wandtemperatur eng gekoppelt. Eine Änderung am Kraftstoff kann deshalb dieselbe Hardware anders wirken lassen.

Sprayzerfall und Tropfengrößenverteilung

Ein anderer Kraftstoff kann bei gleichem Injektor eine andere Tropfengrößenverteilung erzeugen. Größere Tropfen verdampfen langsamer und können tiefer in den Brennraum eindringen. Kleinere Tropfen verdampfen schneller, folgen aber stärker der lokalen Strömung.

Für die CFD bedeutet das: Das Spraymodell muss zur Fragestellung passen. Wenn es nur um grobe Gemischverteilung geht, kann ein einfacherer Ansatz ausreichend sein. Wenn Wandfilm, lokal fette Bereiche oder Emissionen bewertet werden sollen, steigen die Anforderungen an Injektordaten, Tropfenmodelle und Validierung.

Wandbenetzung und lokal fette Bereiche

Wandfilm entsteht, wenn flüssiger Kraftstoff auf Kolben, Zylinderwand, Ventile oder andere Oberflächen trifft. Dieser Kraftstoffanteil verdampft später, reagiert anders mit der Strömung und kann lokal fette Bereiche verursachen.

Im Mittel kann der Motor korrekt abgestimmt sein, während lokal ungünstige Bedingungen entstehen. Genau dort können unverbrannte Kohlenwasserstoffe, Partikelbildung, Ölverdünnung oder instabile Verbrennung relevant werden.

Für die Entwicklung ist deshalb nicht nur die eingespritzte Kraftstoffmasse entscheidend. Entscheidend ist, wo diese Masse zum Zündzeitpunkt tatsächlich vorliegt.

Gemisch am Zündzeitpunkt

Am Zündzeitpunkt muss im Bereich der Zündquelle ein zündfähiges Gemisch vorliegen. Ist das Gemisch lokal zu mager, kann die Verbrennung instabil werden. Ist es lokal zu fett, können unvollständige Verbrennung, Emissionsanstieg oder Wandfilmfolgen auftreten.

Bei Hochleistungsmotoren kommen hohe Lasten, schnelle Transienten und starke Ladungsbewegung hinzu. Tumble, Swirl, Quetschströmung und Kolbenmuldengeometrie bestimmen, wie Kraftstoff und Luft verteilt werden. Die CFD-Verbrennungssimulation hilft, diese lokalen Zusammenhänge sichtbar zu machen.

Was 3D-CFD in der E-Fuel-Motorentwicklung sichtbar macht

3D-CFD ist eine räumlich aufgelöste Feldsimulation. Sie zeigt nicht nur einen Mittelwert, sondern lokale Strömung, Mischung, Temperatur, Druck, Speziesverteilung, Wandfilm und Wärmeübergang.

Für E-Fuel-Motoren ist das relevant, weil viele kritische Effekte lokal entstehen. Der Prüfstand liefert wichtige Messgrößen, aber nicht jede lokale Ursache ist direkt messbar. 3D-CFD kann helfen, diese Ursachen zu verstehen und Varianten vor dem Prüfstand technischer zu sortieren.

Dabei bleibt wichtig: CFD liefert keine direkten Messwerte. CFD ist ein Modell. Die Aussagekraft hängt von Geometrie, Netz, Randbedingungen, Modellwahl, Zeitschritt, Stoffdaten und Validierung ab.

Brennraumströmung und Ladungsbewegung

Die Brennraumströmung bestimmt, wie Kraftstoff und Luft zusammenkommen. Einlasskanal, Ventilhub, Kolbenbewegung, Kolbenmulde und Brennraumgeometrie erzeugen Ladungsbewegungen wie Tumble, Swirl und Quetschströmung.

Diese Bewegungen beeinflussen die Gemischhomogenität, die Turbulenz am Zündzeitpunkt und damit Brenndauer, Stabilität und Druckanstieg. Bei E-Fuels kann sich die Wirkung dieser Strömung ändern, wenn Spray, Verdampfung oder Wandfilm anders ausfallen als beim Referenzkraftstoff.

3D-CFD ist hier besonders wertvoll, weil sie nicht nur zeigt, dass ein Betriebspunkt funktioniert oder nicht funktioniert. Sie kann zeigen, warum ein Betriebspunkt kritisch wird.

Temperatur- und Speziesverteilung

Für Verbrennung und Emissionsbildung sind lokale Temperatur- und Speziesfelder entscheidend. NOx hängt stark von Temperatur, Sauerstoffverfügbarkeit und Verweilzeit ab. CO und unverbrannte Kohlenwasserstoffe können durch lokale Gemischung, Wandnähe, unvollständige Reaktion oder zu niedrige Temperaturen beeinflusst werden.

Globale Kennwerte zeigen diese lokalen Unterschiede nur eingeschränkt. Ein Motor kann im Mittel einen plausiblen Lambda-Wert haben und trotzdem lokale Bereiche mit ungünstigen Reaktionsbedingungen erzeugen.

Die CFD kann hier zeigen, ob Temperaturspitzen, Restgasanteile, Kraftstoffdampfverteilung oder lokale Luftzahlen mit den Zielgrößen zusammenpassen.

Wärmeübergang und Bauteiltemperaturen

E-Fuels können auch thermische Fragen verändern. Wärmefreisetzung, Brennraumtemperatur, Abgastemperatur und Wandwärmeströme wirken auf Kolben, Ventile, Zündkerze, Zylinderkopf und Kühlkanäle.

Für Hochleistungsmotoren ist Thermik nicht nur ein Komfortthema. Lokale Temperaturspitzen können Bauteillebensdauer, Materialgrenzen, Klopfneigung, Vorentflammung und Emissionen beeinflussen.

Wenn Strömung, Verbrennung und Wärmeübergang zusammen bewertet werden müssen, kann eine gekoppelte Betrachtung sinnvoll sein. Felsaris betrachtet solche Fragestellungen im Bereich Felsaris Engineering über simulationsgestützte Entwicklung, technische Systembetrachtung und Validierungslogik.

Reaktive CFD: Chemie, Flamelet-Modelle und reduzierte Mechanismen

Wenn Brennverlauf, Wärmefreisetzung und Emissionen bewertet werden sollen, reicht reine Strömungssimulation nicht aus. Dann kommt reaktive CFD ins Spiel. Reaktive CFD koppelt Strömung, Mischung, Wärmeübertragung und chemische Reaktion.

Die zentrale Frage lautet nicht, welches Modell am komplexesten ist. Die zentrale Frage lautet, welches Modell für Zielgröße, Betriebsbereich und Datenlage belastbar ist.

Detaillierte Chemie vs. reduzierte Mechanismen

Detaillierte Reaktionsmechanismen können sehr viele Spezies und Reaktionen enthalten. Das ist fachlich wertvoll, aber in realen Vollmotor-Geometrien oft rechenintensiv. Deshalb werden in der technischen Entwicklung häufig reduzierte Mechanismen eingesetzt.

Ein reduzierter Mechanismus muss aber zur Zielgröße passen. Ein Mechanismus, der Zündverzug gut trifft, kann NOx oder CO trotzdem unzureichend abbilden. Umgekehrt kann ein Mechanismus für Emissionstendenzen hilfreich sein, ohne jede lokale Flammenstruktur perfekt zu erfassen.

Die beste Chemie ist deshalb nicht automatisch die größte Chemie. Entscheidend ist die Validierung für Zielgröße und Betriebsbereich.

Zielgrößen der Verbrennungsmodellierung

Typische Zielgrößen der reaktiven CFD sind:

• Zündverzug
• laminare Flammengeschwindigkeit
• Wärmefreisetzung
• Druckverlauf
• CA50
• Druckanstiegsrate
• NOx
• CO
• unverbrannte Kohlenwasserstoffe
• Rußtendenzen oder Partikelneigung, falls für den Kraftstoff relevant

Welche Zielgröße im Vordergrund steht, entscheidet über den Modellansatz. Für eine schnelle Variantenbewertung reicht möglicherweise ein einfacherer Ansatz. Für Emissionsbewertung oder lokale Verbrennungsphänomene können detailliertere Modelle oder zusätzliche Validierungsdaten notwendig werden.

Warum Validierung pro Betriebsbereich nötig ist

Ein Modell kann in einem Lastpunkt gut funktionieren und in einem anderen Lastpunkt unzuverlässig werden. Drehzahl, Last, Druck, Temperatur, Lambda, Restgasanteil, Einspritzstrategie und Wandtemperaturen verändern die Randbedingungen der Verbrennung.

Deshalb ist Validierung immer bereichsbezogen. Ein Modell ist nicht allgemein „validiert“, sondern für eine bestimmte Fragestellung, einen bestimmten Betriebspunktbereich und definierte Zielgrößen belastbar.

Für E-Fuel-Motoren ist diese Einschränkung besonders wichtig, weil Kraftstoffdaten, Verdampfung, Gemischbildung und Chemie eng zusammenwirken.

1D-Systemsimulation und 3D-CFD: Warum die Modellkette entscheidend ist

E-Fuel-Motorentwicklung ist selten eine reine 3D-CFD-Aufgabe. Der Motor ist ein System aus Kraftstoffpfad, Luftpfad, Aufladung, Brennraum, Kühlung, Abgastrakt, Kalibrierung und Prüfstandsdaten. Deshalb ist die Modellkette entscheidend.

1D-Systemsimulation und 3D-CFD beantworten unterschiedliche Fragen. Sie konkurrieren nicht, sondern ergänzen sich.

Was 1D-Modelle gut können

1D-Modelle eignen sich für Systemzusammenhänge. Dazu gehören Luftpfad, Ladungswechsel, Aufladung, Turbolader-Matching, Kennfeld, Kühlung, Betriebsstrategie und Transienten.

Ein 1D-Modell kann beispielsweise zeigen, welche Randbedingungen an einem Betriebspunkt anliegen: Druck, Temperatur, Massenstrom, Ladedruck, Abgasgegendruck, Ventilereignisse oder Kühlmittelzustände. Diese Informationen sind wichtige Eingänge für 3D-CFD.

Für E-Fuels kann 1D-Simulation auch helfen, Kraftstoffwechsel im Kennfeld einzuordnen. Entscheidend bleibt aber, dass lokale Phänomene im Brennraum nicht vollständig über ein 1D-Modell bewertet werden können.

Was 3D-CFD besser beantworten kann

3D-CFD klärt lokale Ursachen. Dazu gehören Einlasskanalströmung, Brennraumströmung, Spray, Wandfilm, Gemischbildung, Wärmeübergang, Hot Spots, Druckverluste und lokale Temperaturverteilung.

Wenn die Frage lautet, warum ein bestimmter Betriebspunkt zu Wandfilm führt, warum eine Injektorlage problematisch ist oder wie sich eine Kolbenmulde auf die Gemischverteilung auswirkt, ist eine 3D-Betrachtung erforderlich.

Die Modellklasse folgt also der technischen Frage. Nicht jedes Problem braucht ein hochkomplexes 3D-Modell. Aber lokale Brennraumfragen lassen sich mit rein globalen Kennwerten nicht belastbar beantworten.

Datenfluss zwischen 1D, 3D und Prüfstand

Eine belastbare Modellkette entsteht durch Datenfluss. 1D liefert Randbedingungen für 3D-CFD. 3D-CFD liefert lokale Erkenntnisse, Kennwerte oder Korrekturen zurück. Der Prüfstand liefert die reale Referenz für Druckverlauf, Emissionen, Temperaturen, Drehmoment, Verbrauch und Dauerlaufverhalten.

Typische Daten aus der 1D-Simulation sind:

• Druck und Temperatur am Einlass
• Massenstrom
• Drehzahl
• Ventilereignisse
• Ladedruck
• Abgasgegendruck
• Randbedingungen für Kühlung und Wandtemperaturen

Typische Rückgaben aus der 3D-CFD sind:

• Durchflussbeiwerte
• Druckverluste
• lokale Wärmeübergänge
• Mischungsinformationen
• Tumble- oder Swirl-Kennwerte
• Wandfilmverteilung
• Brennverlaufsinformationen

Erst durch diese Verknüpfung wird aus einzelnen Rechnungen ein belastbarer Entwicklungsworkflow.

Prüfstand und Validierung: Der Realitätsanker der Simulation

Simulation kann Versuchsschleifen gezielter vorbereiten und Varianten vorbewerten. Sie ersetzt aber keine reale Freigabe. Gerade bei Kraftstoffwechseln bleibt der Prüfstand zentral.

Validierung bedeutet, dass das Modell gegen geeignete Vergleichsdaten abgeglichen wird. Für die Motorentwicklung sind dafür Zylinderdruck, Massenströme, Lambda, Emissionen, Wandtemperaturen, Injektorkennfelder und gegebenenfalls optische Messdaten relevant.

Zylinderdruck und Brennverlaufsanalyse

Der Zylinderdruck ist eine der wichtigsten Messgrößen für Verbrennungsmodellierung. Aus ihm lassen sich Wärmefreisetzung, CA10, CA50, CA90, Brenndauer und Druckanstiegsrate ableiten.

Diese Größen zeigen, ob das Modell den Brennverlauf ausreichend trifft. Dabei geht es nicht nur um den Maximaldruck. Zeitpunkt, Form und Druckanstieg der Kurve sind oft ebenso wichtig.

Für E-Fuels ist das relevant, weil geänderte Gemischbildung und geänderte Chemie den Brennverlauf verschieben können.

Emissionsdaten und Temperaturmessung

Emissionen sind ein weiterer Realitätsanker. NOx, CO, HC und Partikel liefern Hinweise darauf, ob lokale Temperatur, Luftzahl, Wandfilm und Reaktion im Modell plausibel abgebildet werden.

Bauteil- und Wandtemperaturen sind ebenfalls wichtig. Wenn die Simulation lokale Hot Spots zeigt, müssen Temperaturmessungen oder belastbare thermische Randbedingungen vorhanden sein, um die Aussage einzuordnen.

Modellgrenzen transparent machen

Ein validiertes Modell ist immer für eine bestimmte technische Fragestellung validiert. Es ist nicht automatisch für jede Geometrie, jeden Kraftstoff, jeden Betriebspunkt und jedes Ziel übertragbar.

Ein belastbarer Simulationsworkflow nennt deshalb nicht nur Ergebnisse, sondern auch Randbedingungen, Modellannahmen, Zielgrößen und Validierungsdaten. Diese Transparenz ist besonders wichtig, wenn Simulationsergebnisse für Hardwareentscheidungen, Prüfstandsplanung oder Projektbudgets genutzt werden.

Surrogate-Modelle in der E-Fuel-Entwicklung: schneller Varianten bewerten, aber sauber rückvalidieren

Bei vielen Entwicklungsprojekten entstehen große Variantenräume. Injektorlage, Einspritzzeitpunkt, Kolbenmulde, Verdichtungsverhältnis, Tumble-Niveau, Lastpunkt, Wandtemperatur und Kraftstoffparameter können nicht beliebig vollständig per High-Fidelity-CFD durchgerechnet werden.

Hier können Surrogate-Modelle nützlich sein. Ein Surrogate-Modell approximiert eine teure Simulation oder Bewertungsfunktion. Es kann Varianten innerhalb eines definierten Parameterraums schneller bewerten.

Wichtig ist die Einschränkung: Ein Surrogate-Modell ersetzt nicht automatisch CFD, Prüfstand oder Validierung. Es ist ein beschleunigendes Werkzeug innerhalb klarer Grenzen.

Wann Surrogate-Modelle sinnvoll sind

Surrogate-Modelle sind besonders sinnvoll, wenn viele ähnliche Varianten innerhalb eines definierten Designraums bewertet werden müssen. Typische Anwendungsfälle sind Brennraumvarianten, Injektorpositionen, Kolbenmuldengeometrien, Betriebsparameter oder Optimierungsschleifen mit mehreren Zielgrößen.

Die Grundlage ist meist ein Design of Experiments. Dabei wird der Variantenraum systematisch mit ausgewählten CFD-Stützpunkten abgedeckt. Das Surrogate-Modell lernt aus diesen Stützpunkten und kann weitere Kandidaten schneller vorbewerten.

Was ein Surrogate-Modell nicht leisten darf

Ein Surrogate-Modell darf nicht blind außerhalb seines Trainingsraums verwendet werden. Dort steigen Unsicherheit und Fehleranfälligkeit. Gerade bei Feldgrößen reichen globale Fehlerkennwerte nicht aus. Lokale Fehler, Hot Spots, Integralwerte und Randbereiche müssen separat betrachtet werden.

Ein guter Kennwert im Testdatensatz ist kein Ersatz für physikalische Plausibilität und Rückvalidierung. Für technische Entscheidungen müssen optimierte Kandidaten erneut mit High-Fidelity-CFD oder Messdaten überprüft werden.

Warum Rückvalidierung entscheidend bleibt

Rückvalidierung schließt den Kreis zwischen Beschleunigung und technischer Belastbarkeit. Das Surrogate-Modell kann helfen, vielversprechende Varianten zu finden. Die Freigabe der relevanten Kandidaten bleibt aber eine Engineering-Aufgabe.

Für Felsaris-nahe Projekte ist genau dieser Punkt entscheidend: KI ist kein Ersatz für physikalisches Verständnis. KI kann die Variantenbewertung beschleunigen, wenn Datenqualität, Parameterraum, Zielgrößen und Rückvalidierung sauber definiert sind.

Case Study: KI-gestützte Brennraumoptimierung für E-Fuel-Betrieb

Eine freigegebene Case Study zeigt, wie CFD, reaktive Modellierung und Surrogate-Modelle in einem konsistenten Workflow zusammenwirken können.

Ausgangslage

Untersucht wurde ein 4-Zylinder-Direkteinspritzungs-Rennmotor mit 2,0 Liter Hubraum und Turboaufladung, der für einen synthetischen Isooctan-basierten E-Fuel-Betrieb umgerüstet wurde.

Der Kraftstoffwechsel brachte eine höhere Verdampfungsenthalpie und veränderte Randbedingungen für Gemischbildung und Zündverhalten mit sich. Genau diese Kombination ist typisch für E-Fuel-Entwicklung: Der Motor soll nicht nur grundsätzlich laufen, sondern im Zielbetrieb stabil, leistungsfähig und emissionsseitig beherrschbar bleiben.

Simulationsmethodik

Der Workflow kombinierte 1D-Gaswechselberechnungen mit transienter 3D-CFD. Für Ein- und Auslassphase wurden RANS-Ansätze eingesetzt. Für Kompression und Verbrennung kam ein LES-basierter Ansatz zum Einsatz.

RANS steht für Reynolds-Averaged Navier-Stokes und beschreibt turbulente Strömung über gemittelte Größen. LES steht für Large Eddy Simulation und löst größere turbulente Strukturen direkt auf, während kleinere Skalen modelliert werden. LES ist rechenintensiver, kann aber bei stark instationären Brennraumvorgängen zusätzliche Detailtiefe liefern.

Für die Verbrennungsmodellierung wurde ein Skelettmechanismus mit 62 Spezies verwendet. Zusätzlich wurden 500 Brennraumkonfigurationen betrachtet. Diese Varianten unterschieden sich unter anderem in geometrischen und strömungsrelevanten Eigenschaften.

KI-Surrogatmodell

Statt jede Variante vollständig per High-Fidelity-CFD zu rechnen, wurden 50 CFD-Simulationen als Trainingsbasis für ein Gaussian-Process-Surrogate genutzt. Das Modell sagte die restlichen Varianten im definierten Parameterraum voraus.

Die Zielgrößen waren IMEP, maximale Druckanstiegsrate und NOx. IMEP steht für Indicated Mean Effective Pressure, also den indizierten Mitteldruck. Er ist eine wichtige Kenngröße für die im Zylinder umgesetzte Arbeit.

Das Surrogate erreichte in dieser Case Study eine Vorhersagegenauigkeit von über 99 Prozent für IMEP, maximale Druckanstiegsrate und NOx. Die Variantenbewertung wurde dadurch um Faktor 120 beschleunigt.

Diese Werte gelten für den beschriebenen Anwendungsfall und den definierten Modellraum. Sie sollten nicht pauschal auf andere Motoren, Kraftstoffe oder Entwicklungsprojekte übertragen werden.

Ergebnis und technische Bedeutung

Die Auswertung führte zu einer optimierten Brennraumgeometrie mit angepasstem Kolbenmuldenradius und modifizierten Tumble-Eigenschaften. Ergebnis waren eine IMEP-Steigerung und eine NOx-Reduktion im untersuchten Betriebsbereich.

Die Validierung erfolgte über einen optischen Einzylinder-Prüfstand und LIF-Messungen. LIF steht für Laser-Induced Fluorescence und wird eingesetzt, um lokale Verteilungen optisch sichtbar zu machen.

Die technische Bedeutung der Case Study liegt nicht nur in der Rechenzeitersparnis. Entscheidend ist die Kombination aus physikalischer Modellierung, gezielter Variantenwahl, Surrogate-Bewertung und Rückvalidierung. Der Workflow zeigt, wie digitale Methoden technische Entscheidungen vorbereiten können, ohne die reale Absicherung zu ersetzen.

Was die Case Study für Entwicklungszeit, Risiko und Variantenbewertung zeigt

Der zentrale Nutzen solcher Workflows liegt nicht nur in schnellerer Rechnung. Der größere Hebel liegt in strukturierter Designraum-Exploration.

Bei E-Fuel-Motoren entstehen mehrere Zielkonflikte gleichzeitig. Höherer IMEP kann mit Druckanstieg, NOx, Wandfilm, Temperatur oder Robustheit konkurrieren. Eine einzelne optimierte Zielgröße reicht deshalb nicht aus. Entscheidend ist, wie die relevanten Zielgrößen zusammen bewertet werden.

Die Kombination aus DoE, CFD-Stützpunkten, Surrogatmodell und Rückvalidierung ermöglicht ein besseres Verständnis des Variantenraums. Sie zeigt nicht nur, welche Variante in einem Punkt gut ist. Sie zeigt auch, welche Bereiche robust sind, wo Risiken entstehen und welche Kandidaten eine High-Fidelity-Prüfung verdienen.

Für technische Entscheider ist das wichtig, weil Entwicklungszeit, Prüfstandskapazität und Hardwarekosten begrenzt sind. Simulation und KI-Surrogates können helfen, diese Ressourcen gezielter einzusetzen.

Typische Entwicklungsfragen bei E-Fuel-Motoren

E-Fuel-Motorentwicklung beginnt selten mit einer einzigen klaren Frage. Meist entsteht ein Bündel technischer Entscheidungen:

• Welche Kraftstoffeigenschaften verändern Spray, Verdampfung und Wandfilm?
• Reicht eine Kalibrierungsanpassung oder muss Hardware geändert werden?
• Welche Injektorlage und welcher Einspritzzeitpunkt vermeiden Wandfilm?
• Wie verändert sich die Gemischhomogenität am Zündzeitpunkt?
• Welche Verbrennungsmodellierung ist für die Zielgröße nötig?
• Welche Zielgröße muss der reduzierte Mechanismus erhalten?
• Wann reicht RANS, wann braucht es URANS oder LES?
• Welche Prüfstandsdaten sind für eine belastbare Simulation notwendig?
• Wie wird ein Surrogate-Modell gegen High-Fidelity-CFD oder Messdaten rückvalidiert?
• Welche Aussagen sind nur im simulierten Betriebsbereich gültig?

Diese Fragen zeigen, warum E-Fuel-Entwicklung kein reiner Kraftstofftausch ist. Der Kraftstoff wirkt auf Motor, Brennraum, Luftpfad, Thermik, Emissionen und Validierung. Wer nur eine Ebene betrachtet, übersieht leicht den Systemzusammenhang.

Felsaris-Ansatz: Simulation als Modellkette statt Einzelrechnung

Bei Felsaris werden solche Fragestellungen nicht als einzelne CFD-Rechnung betrachtet, sondern als Modellkette. Dazu gehören 1D-Systemsimulation für Betriebszustände und Randbedingungen, 3D-CFD für lokale Strömung, Spray, Gemischbildung und Wärmeübergang, reaktive CFD für Verbrennungs- und Emissionsfragen sowie Prüfstandsdaten zur Kalibrierung und Validierung.

Dieser Ansatz passt besonders zu Projekten, bei denen sich Kraftstoff, Lastprofil, Hardware und Zielgrößen gleichzeitig verändern. Eine reine Einzelrechnung liefert dann oft zu wenig Kontext. Eine Modellkette hilft, die richtige Modellklasse für die jeweilige Frage zu wählen.

Felsaris bündelt solche Methoden in den Kernkompetenzen von Felsaris. Dazu gehören simulationsgestützte Analyse, technische Bewertung und die Verbindung von Modellierung, Systemverständnis und Validierungslogik.

Für konkrete Entwicklungsprojekte im Bereich Antrieb, Thermomanagement oder 3D-CFD kann Felsaris Engineering bei der strukturierten Einordnung, Modellierung und Absicherung unterstützen.

Grenzen der CFD-Verbrennungssimulation für E-Fuels

Ein belastbarer Simulationsworkflow nennt nicht nur Ergebnisse, sondern auch Grenzen. Das ist besonders bei E-Fuels wichtig, weil Kraftstoffdaten, Verdampfung, Chemie, Strömung und Validierung eng gekoppelt sind.

CFD-Ergebnisse sind modell-, randbedingungs- und validierungsabhängig. Konkrete Genauigkeitsangaben sind nur im jeweiligen Modellraum belastbar. Mechanismenreduktion, Flamelet-Modelle und Emissionsaussagen brauchen Zielgrößen- und Betriebsbereichsvalidierung. Surrogate-Modelle dürfen nicht außerhalb ihres Gültigkeitsraums verwendet werden.

Auch Begriffe wie Drop-in, Materialverträglichkeit, Freigabe oder Serienreife müssen getrennt bewertet werden. Eine Simulation kann Hinweise liefern, Varianten sortieren und Prüfstandsumfänge fokussieren. Sie ersetzt aber keine reale Freigabe.

Fazit: E-Fuel-Motorentwicklung braucht lokale Physik und Systemverständnis

E-Fuels können bestehende Verbrennungsmotorarchitekturen für bestimmte Anwendungen interessant machen. Technisch erzeugen sie aber neue Entwicklungsfragen bei Einspritzung, Verdampfung, Gemischbildung, Verbrennung, Emissionen, Thermik und Validierung.

Deshalb braucht E-Fuel-Motorentwicklung eine abgestimmte Modellkette. 1D-Systemsimulation bewertet Randbedingungen und Betriebszustände. 3D-CFD macht lokale Ursachen sichtbar. Reaktive CFD ordnet Brennverlauf und Emissionsbildung ein. Prüfstandsdaten bleiben der Realitätsanker. KI-Surrogates können Variantenräume beschleunigt vorbewerten, wenn Gültigkeitsbereich und Rückvalidierung sauber definiert sind.

Der technische Hebel liegt nicht darin, E-Fuels als einfachen Ersatzkraftstoff zu behandeln, sondern ihre Wirkung auf Motor, Brennraum, Luftpfad, Thermik und Validierung systematisch zu verstehen.

Wenn Sie ein konkretes Entwicklungsprojekt mit neuen Kraftstoffen, geänderten Lastprofilen oder simulationsgestützter Absicherung bewerten möchten, kann Felsaris bei der technischen Einordnung unterstützen.

Häufige Fragen zur CFD-Verbrennungssimulation für E-Fuels

Warum braucht man CFD für E-Fuels im Verbrennungsmotor?

CFD macht lokale Vorgänge sichtbar, die globalen Kennwerten verborgen bleiben. Dazu gehören Spray, Verdampfung, Wandfilm, Gemischbildung, Temperaturverteilung, Wärmeübergang und lokale Emissionsbildung. Gerade bei E-Fuels können Kraftstoffeigenschaften diese lokalen Vorgänge verändern. Die Aussagekraft hängt aber von Randbedingungen, Modellwahl, Netzqualität und Validierung ab.

Was ist der Unterschied zwischen 1D-Simulation und 3D-CFD?

1D-Simulation bewertet Systemzusammenhänge wie Luftpfad, Aufladung, Kennfeld, Kühlung und Transienten. 3D-CFD bewertet lokale Ursachen wie Strömung, Spray, Wandfilm, Brennraumströmung, Wärmeübergang und Gemischbildung. Beide Methoden ergänzen sich. In einer belastbaren Modellkette liefert 1D oft Randbedingungen, während 3D lokale Mechanismen sichtbar macht.

Welche Daten braucht eine belastbare E-Fuel-Simulation?

Wichtig sind Kraftstoffdaten, Injektorkennfelder, Geometrie, Druck- und Temperaturbedingungen, Ventilereignisse, Wandtemperaturen, Zylinderdruck, Lambda, Emissionen und gegebenenfalls optische Messdaten. Ohne passende Eingangsdaten bleibt die Simulation nur eingeschränkt belastbar. Besonders bei Spray, Wandfilm und reaktiver CFD entscheidet die Datenqualität über die Aussagekraft.

Was bedeutet reaktive CFD?

Reaktive CFD koppelt Strömung, Mischung, Wärmeübertragung und chemische Reaktion. Sie wird eingesetzt, wenn Brennverlauf, Wärmefreisetzung, Speziesbildung oder Emissionen wie NOx bewertet werden sollen. Entscheidend ist nicht nur der chemische Mechanismus, sondern seine Validierung für Zielgröße und Betriebsbereich.

Können Surrogate-Modelle CFD-Simulationen ersetzen?

Nein, nicht allgemein. Surrogate-Modelle können Variantenbewertungen innerhalb eines definierten Parameterraums beschleunigen. Sie brauchen Trainingsdaten, Validierungsdaten, klare Gültigkeitsgrenzen und Rückprüfung durch High-Fidelity-CFD oder Messungen. Außerhalb des Trainingsraums sind ihre Aussagen nur eingeschränkt belastbar.

Warum ist Validierung bei E-Fuel-Motoren so wichtig?

Kraftstoffeigenschaften, Spray, Verdampfung, Gemischbildung und Verbrennung hängen stark vom konkreten Motor, Betriebspunkt und Modellansatz ab. Validierung mit Prüfstandsdaten entscheidet, ob ein Modell für die technische Fragestellung belastbar ist. Ohne Validierung bleibt CFD eine technische Näherung, aber keine belastbare Absicherung.