Die KEEN Plattform auf der ECCE 13 & ECAB 6

Mit zwei eigenen Sessions war die KEEN-Plattform auf dem 13. Europäischen Kongress für Chemieingenieurwesen & 6. Europäischem Kongress für angewandte Biotechnologie (ECCE 13 & ECAB 6) vertreten. Der Kongress ist ein Highlight-Event für Wissenschaftler/innen aus Industrie, Hochschulen und Forschungseinrichtungen, um die neuesten Forschungsergebnisse und industriellen Anwendungen in allen Bereichen der Chemie, Verfahrenstechnik und Biotechnologie zu diskutieren.

Neben den beiden Sessions „AI in process modelling, design and operation I and II“ war KEEN zusätzlich in der Session „Separation technologies/ downstream processing – Digitalization“ mit dem folgenden Beitrag vertreten:

L. Neuendorf, J. Oeing, N. Kockmann (2021) Artificial Intelligence in laboratories: Machine and Deep Learning based monitoring of flooding behavior in distillation and extraction columns.

Die eigenen Sessions von KEEN, die zusammen mit der ProcessNet Fachgemeinschaft Prozess-, Apparate- und Anlagentechnik organisiert wurden, bestanden aus insgesamt sieben Vorträgen:

  1. M. Wiedau, G. Tolksdorf (2021) Before you start with AI, get your data in shape!
  2. J. Oeing, R. Jäkel, N. Kockmann (2021) Uniform data bases as a driver for future process development (data, repositories and application examples)
  3. S. Merkelbach, B. Bordas, R. Tan, F. D. Bähner, M. Gärtler, S. K. Kurt, A. Bamberg, L. Urbas (2021) Towards Automatic Batch Phase Recognition and Online Monitoring for the Process Industry
  4. M. Bortz, J. Damay, F. Jirasek, M. von Kurnatowski, P. Ludl, D. Schack, Air Liquide, R. Schmidt, J. Steimel (2021) From substance data to process models – use cases for machine learning in process engineering
  5. F. Jirasek, N. Hayer, T. Specht, J. Damay, M. Bortz, R. Abbas, B. Schmid, H. Hasse (2021) Hybrid Predictive Fluid Property Models – Integration of Physical Knowledge in Data-driven Matrix Completion Methods
  6. J. Schöneberger, B. Aker, A. Fricke (2021) Workflow for Building and Analyzing Machine Learning Models based on Rigorous Flowsheet Simulations
  7. J. Winz, U. Piechottka, S. Assawajaruwan, S. Engell (2021) Model based optimal design of dynamic experiments in gray-box and black-box modeling of fermentation processes

Mehr als 60 Zuschauer verfolgten die Vorträge. Der Chair, Dr. Kai Dadhe von der Evonik Operations GmbH, sorgte für eine anregende Abschlussdiskussion. Die Referent/innen waren sich einig, dass in Zukunft sowohl Data Scientists als auch Verfahrenstechniker/innen gleichermaßen gefragt sein werden, da interdisziplinäre Teams vielversprechende Fortschritte auf dem Gebiet der KI erzielen werden.