Das Anschubprojekt verfolgt das Ziel, eine solide Grundlage zur Einwerbung von Drittmitteln für ein weiterführendes Forschungsprojekt im Bereich der KI-basierten Bioprozess-Überwachung mit Anwendung in der Mikroalgen-Biotechnologie zu schaffen. Im Fokus steht dabei methodisch die KI-basierte Sensordatenfusion zur Entwicklung eines Software-Sensors für die Online-Bestimmung der Biomasse als entscheidender Bioprozessgröße, die online gegenwärtig meist nicht verfügbar ist. Dies erfolgt insbesondere durch Kombination von Photometrie-, CO2-Zu-/Abluft- sowie weiteren Daten des Bioprozesses. Die zuverlässige, KI-basierte Online-Biomasse-Schätzung ist eine anspruchsvolle, aber vielversprechende innovative Lösung, die nicht nur die Effizienz und Genauigkeit der Überwachung von Bioprozessen allgemein erhöhen, sondern in der speziellen hier vorgesehenen Anwendung auch einen wertvollen Beitrag zur nachhaltigen Nutzung von Mikroalgen leisten kann. Darüber hinaus erschließen sich auf Basis dieser Methodik weitere Anwendungen, u.a. in der pharmazeutischen und Lebensmittel-Industrie sowie der Umwelt-Wirtschaft und Bioenergie-Produktion. Durch den Einsatz von KI können in diesen Bereichen bisherige Offline-Analysen, die zeitaufwändig und ressourcenintensiv sind, weitgehend ersetzt werden. Zudem eröffnen sich durch die KI-basierte Online-Verfügbarkeit solcher Größen wie der Biomasse - und potenziell weiterer - grundsätzlich zahlreiche neue Entwicklungsmöglichkeiten im Hinblick auf eine verbesserte Bioprozess-Führung, Steuerung, Regelung, Optimierung und Automatisierung.
Forschungszeitraum
16.07.2025 - 31.03.2026
Anschubprojekt des ZAKI
Ziele des Projekts
Das Anschubprojekt verfolgt entsprechend dem Arbeitsplan, insbesondere folgende konkrete Zielstellungen: Vertiefte Literaturrecherche und Analyse des Forschungsstandes, Grobkonzeption des Forschungsprojektes in Abstimmung mit den Förderrichtlinien, Netzwerk- und Kooperationsaufbau sowie finale Antragserstellung und -einreichung. Parallel dazu erfolgen fortwährend begleitende Vorarbeiten zur verbesserten Erhebung eigener Daten.
