April 2025
Die Energiewende, neuen Rohstoffquellen und immer kürzere Produktlebenszyklen steht die chemische Industrie vor Herausforderungen. Neue Prozesse werden gebraucht und müssen angesichts des Tempos der Transformation schnell zur Verfügung stehen; gleichzeitig müssen sie Nachhaltigkeitsanforderungen erfüllen und ggf. auch schnell anpassbar sein. Im Verbundvorhaben „DiKey – Digitale Schlüsseltechnologien zur Bestimmung der Stoffdaten für effiziente Stofftrennung in der Chemischen Industrie“ sollen dafür neue Lösungsansätze auf der Grundlage von Stoffdaten entwickelt werden. Stoffdaten sind von elementarer Bedeutung für die chemische Industrie, denn sie bestimmen, welche neuen Prozesse überhaupt realisierbar sind. Doch angesichts der Vielzahl möglicher Stoffgemische ist eine experimentelle Ermittlung aller relevanten Daten nicht möglich. In DiKey werden mit Methoden des Maschinellen Lernen (ML) hochgenaue und breit anwendbare Modelle für die Vorhersage von Stoffdaten entwickelt, die sehr viel leistungsfähiger und flexibler sind als die bisher verfügbaren physikalischen Modelle. So kann eine sehr große Zahl von Verfahrensvarianten ohne Experiment untersucht und bewertet werden. Anhand der Ergebnisse werden die vielversprechendsten Verfahren ausgewählt, modellgestützt optimiert und hinsichtlich ihrer Nachhaltigkeit und Wirtschaftlichkeit bewertet. Für die praktische Umsetzung werden daten- und wissensbasierte Methoden kombiniert, um aus einem Portfolio von Einzelapparaten die bestmögliche Verschaltung für gegebene Synthese- und Trennaufgaben zu identifizieren. Sie sollen noch während der Projektlaufzeit erprobt werden, um den Mehrwert der Modelle zu demonstrieren. Außerdem soll eruiert werden, welche neuen Geschäftsmodelle sich auf den Erkenntnissen aufbauen lassen.
Kontakt
Dr. Ulrich Westhaus -229
Dr. Kathrin Rübberdt -277
(1).png "DiKey-Logo klein (300 x 450 px)(1)")