Kunststoffe, Waschmittel, Düngemittel – die Chemikalienproduktion verschlingt 20 Prozent des gesamten gewerblichen Energiebedarfs in Europa. Wissenschaftler haben jetzt eine Analysesoftware entwickelt, um signifikant Energie zu sparen.
Springer Fachmedien Wiesbaden
Für ihr Modell, das die komplexen Prozesse in der Chemikalienherstellung umfassend beschreibt, wurde ein Team um Michael Bortz und Karl-Heinz Küfer vom Fraunhofer-Institut für Techno- und Wirtschaftsmathematik (ITWM) in Kaiserslautern mit dem Joseph-von-Fraunhofer-Preis ausgezeichnet. "Unsere Algorithmen bilden die Prozesse realitätsnah ab, wir können die Produktionsvorgänge daher über den kompletten Lebenszyklus hinweg beschreiben", erläutert Bortz, Physiker und Abteilungsleiter am ITWM. "Bei einer bestehenden Produktionsanlage konnten wir damit bereits zehn Prozent der Energie einsparen." Der Chemiekonzern BASF sowie das schweizerische Chemie- und Pharmaunternehmen Lonza Group AG setzen die Software schon ein; sie steht täglich hunderten von Prozessingenieuren zur Verfügung.
"Für unsere Analyse haben wir zwei Dinge zusammengebracht: Erstens die physikalischen Gesetze, die wir in einem Modell dargestellt haben – sprich das Expertenwissen über die thermodynamischen und chemischen Prozesse. Und zweitens die Daten, die verschiedene Sensoren zum Messprozess ermitteln, beispielsweise zu Temperatur und Druck. Diese verwenden wir dort, wo keine physikalischen Angaben vorliegen", erläutert Küfer, Bereichsleiter am ITWM. Bisher werden solche Sensordaten bereits dazu genutzt, die Prozesse zu überwachen und rechtzeitig reagieren zu können, wenn zum Beispiel Druck oder Temperatur abweichen. Das Team um die beiden Forscher hebt diesen "Datenschatz" durch Methoden des maschinellen Lernens, dazu gehört beispielsweise das Trainieren künstlicher neuronaler Netze. Modelle und Prozessdaten ergänzen sich dabei auf gewinnbringende Weise.
Die Anwendungsmöglichkeiten sind nicht auf die chemische Industrie beschränkt: Vielmehr sind überall dort Vorteile zu erwarten, wo Prozesse mit einer großen Zahl an Einflussfaktoren gesteuert werden müssen – und sich nicht allein über Messungen oder die Prozessdaten beschreiben lassen. Langfristig, so der Plan der Forscher, soll das System echtzeitfähig werden.