Im Projekt wurde ein modularer digitaler Zwilling für Brennstoffzellen entwickelt, der aus einem stationären neuronalen Modell zur Vorhersage der Zellspannung und einem separaten Degradationsmodell bestand, wodurch mittels Transfer Learning eine präzise und frühzeitige Anomaliedetektion bei geringem Trainingsdatenbedarf sowie ein automatisiertes, kontinuierliches Zellspannungsmonitoring ermöglicht wurde.