Am 25.11.2020 wurde das zweite Gesamtprojekttreffen als Webkonferenz veranstaltet, auf dem die ersten herausragenden Ergebnisse aus den sieben Teilprojekten vorgestellt wurden. Unter den 21 Referentinnen und Referenten aus Industrie und Wissenschaft waren auch fünf Doktorandinnen und Doktoranden vertreten.
Das große Potential von Methoden des maschinellen Lernens (ML) auf dem Gebiet der Stoffeigenschaften konnte von der TU Kaiserslautern (LTD), dem Fraunhofer ITWM und der DDBST GmbH demonstriert werden. Sie stellten hybride Ansätze vor, bei welchem Matrixvervollständigungsmethoden mit physikalischen Vorhersagemethoden und Reinstoffdeskriptoren kombiniert werden, womit deutliche Verbesserungen bei der Vorhersage von Grenzaktivitätskoeffizienten erreicht werden können. Weitere Erfolge wurden hinsichtlich der Anwendbarkeit von KI in der kinetischen Modellierung und in Fließbildsimulationen erzielt. Am Beispiel eines Pre-Reformer Reactors zeigte Capital-Gain Consultants (CGC), wie ein künstliches neuronales Netz (artificial neural network, ANN) verwendet werden kann, um als interpolierte Daten eines faktoriellen Designs den Einfluss der Eingangsparameter auf die Ausgangsparameter abzuschätzen.
In dem Bereich der Prozessoptimierung wird ML für die Automatisierung der Batch-Phasen-Detektion erprobt, bei der die Verbesserung der Datenvorverarbeitung und Merkmalsextraktion eine entscheidende Rolle spielt. Zudem wird für Batch-Anlagen eine KI-basierte Optimierung, Monitoring und Entscheidungsunterstützung erarbeitet. Eine an der TU Dortmund entwickelte Methode verspricht einen zeitnahen Einsatz von KI in der Soft-Sensorik zur Erkennung von bestimmten Betriebszuständen in Flüssig-flüssig-Extraktionskolonnen aus Bilddaten.
Beim Anlagenbau unterstützen KI-Methoden den Planungsprozess. Die KI wird dabei zur Mustererkennung in R&I Fließbilden eingesetzt, die im DEXPI-Format vorliegen. Ziel ist es, KI-basierte Vorschlagsalgorithmen für Ausstattung und Rohrleitungskomponenten mit anschließender Konsistenzprüfung zu entwickeln. Michael Wiedau, Vorsitzender der DEXPI Initiative, lobte den Ansatz und lud den Referenten auf eine der kommenden DEXPI Veranstaltungen ein.
Die erste Session nach der Mittagspause konzentrierte sich auf den Aufbau einer Datenplattform. René Jäkel vom Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI) stellte die erste Version der KEEN-Datenplattform vor, die zunächst für den KEEN-internen Einsatz erprobt werden soll. Als Gastrednerin war Frau Dr. Sonja Schimmler vom Fraunhofer FOKUS eingeladen, die NFDI4Cat und die geplanten Aktivitäten im Bereich Dateninfrastrukturen vorstellte. In der anschließenden Diskussion wurden verschiedene Schnittstellen identifiziert und weitere Zusammenarbeit vereinbart.
Abschließend wurden das Konzept der Geschäftsmodellentwicklung und der KEEN-Hackathon bekannt gemacht, der im Rahmen der ACHEMA Innovation Challenge stattfinden wird. Robert Gremse vom Deutschem Zentrum für Luft- und Raumfahrt und Tom Kraus vom Institut für Innovation und Technik (iit) in der VDI/VDE Innovation und Technik GmbH lobten die gelungene Veranstaltung und beglückwünschten das Konsortium zu einem gelungenen ersten Projekthalbjahr.
DECHEMA e.V.