In der Verfahrenstechnik hat man es sehr häufig mit Mischungen zu tun, die so komplex sind, dass eine vollständige analytische Aufklärung der Zusammensetzung nicht möglich ist, zum Beispiel Fermentationsbrühen aus biotechnologischen Prozessen. Solche schlecht spezifizierten Mischungen stellen eine besondere Herausforderung für Auslegung und Optimierung verfahrenstechnischer Prozesse dar, da eine thermodynamische Modellierung mit klassischen Methoden nicht möglich ist. Am LTD werden neuartige Ansätze zur thermodynamischen Modellierung solcher Mischungen entwickelt. Diese beruhen auf einem Fingerprinting der Mischungen hinsichtlich funktioneller Gruppen mittels NMR Spektroskopie sowie der quantitativen Definition von Pseudokomponenten, und greifen dabei auf Algorithmen aus dem Maschinellen Lernen zurück, um Informationen aus mehreren Analysen automatisiert auszuwerten. Die thermodynamische Modellierung kann dann mit Gruppenbeitragsmethoden erfolgen. Aufbauend auf aktuellen Vorarbeiten, sollen diese Ansätze weiterentwickelt werden. Zum einen sollen die Algorithmen zur Analyse weiterer funktioneller Gruppen erweitert werden, was auch den Einbezug zusätzlicher NMR Experimente erforderlich macht. Zum anderen soll untersucht werden, inwiefern Ergebnisse aus weiteren Analyseverfahren, z.B. FTIR Spektroskopie, sowie partiell verfügbares Vorwissen gewinnbringend integriert werden kann. Weiterhin sollen die entwickelten Ansätze in Rahmen von aktuellen Kooperationen in die industrielle Anwendung gebracht werden, unter anderem im Kontext der Weinbereitung und der biotechnologischen Produktion.

[zurück]