Die biotechnologische Nutzung von CO₂ bietet die Möglichkeit, Bioprodukte ohne den Einsatz pflanzlicher Ressourcen und mit geringerem CO₂-Fußabdruck herzustellen. In diesem Projekt wird die Entwicklung eines Gasfermentationsverfahrens zur Herstellung eines Palmölersatzes gezielt durch Prozessmodellierung unterstützt. Ziel dabei ist es, mithilfe von Modellen eine effiziente Regelung und Optimierung des Prozesses zu ermöglichen.

Ein Schwerpunkt liegt auf der Anwendung von Machine-Learning-Methoden zur Entwicklung datengetriebener Modelle, die experimentelle Daten effizient nutzen und komplexe Prozessdynamiken abbilden können. Dadurch verkürzt sich die Entwicklungszeit der Modelle und sie können iterativ mithilfe neuer experimenteller Daten verbessert werden.

Durch die Verknüpfung von mechanistischen und datengetriebenen Ansätzen wird die Anwendung hybrider Prozessmodelle für Gasfermentationen untersucht. Auf diese Weise können Modelle entstehen, die einerseits die Prozessdynamik zuverlässig abbilden und andererseits durch die Kombination beider Ansätze robuster und besser auf neue Prozessbedingungen übertragbar sind.

Auf Basis der entwickelten Prozessmodelle werden Ansätze für modellbasierte Prozesssteuerung und -optimierung erarbeitet, die eine proaktive Regelung des Fermentationsprozesses und die Identifikation optimaler Betriebsparameter ermöglichen.

Ansprechpartner:

• Maximilian Klein M.Sc.
• Dr.-Ing. Thomas Waluga

Kooperationspartner: 

• COLIPI GmbH (https://colipi.com/)
• Ingenieurbüro Dr.-Ing. Schoop GmbH (https://www.schoop.de/)