Entwicklung eines autonomen Stoffdatenlabors

In der chemischen Industrie werden zur Auslegung und Optimierung von Prozessen zuverlässige Stoffdaten von Reinstoffen und Mischungen benötigt. Aufgrund der Vielzahl relevanter Stoffe und Mischungen, von denen nur ein Bruchteil experimentell untersucht werden kann, haben prädiktive Stoffdatenmodelle eine große Bedeutung. Neben physikalischen Vorhersagemethoden wurden in den letzten Jahren zunehmend auch Methoden aus dem Maschinellen Lernen eingesetzt und hybride Stoffdatenmodelle entwickelt. Allerdings hängt die Güte aller Arten von Stoffdatenmodellen stark von der Verfügbarkeit geeigneter experimenteller Daten für die Entwicklung und das Training ab.

Ziel meines Projekts ist die Entwicklung und der Aufbau eines autonomen Stoffdatenlabors, in welchem automatisiert im Hochdurchsatz Messungen der Stoffeigenschaften von Reinstoffen und Mischungen durchgeführt werden, welche wiederum als Basis für die Entwicklung prädiktiver Stoffdatenmodelle dienen. Neben dem Aufbau automatisierter Messanlagen, inkl. Einsatz von Laborrobotern, umfassen meine Aufgaben die effiziente Ablage der Messdaten in einer Datenbank und die Kopplung von Messung und dem Training prädiktiver Stoffdatenmodelle über Methoden der Versuchsplanung.

Vorlesungsbetreuung

-

Sprechzeiten

nach Vereinbarung

Veröffentlichungen

-

Vorträge

-

Poster

-