Energiewende, Rohstoffumstellung, kurze Produktzyklen – die Chemieindustrie braucht schnell neue und nachhaltige Prozesse. Downstream Processing ist dabei oft ein aufwändiger und energieintensiver Flaschenhals.
Im Forschungsprojekt DiKey ermittelt das Konsortium, mit Beteiligung von INOSIM, anhand von Stoffdaten mithilfe von Machine Learning die vielversprechendsten Trennverfahren, optimiert sie durch Modellierung und erprobt ihre Umsetzung für die Prozessentwicklung.
Das Verbundvorhaben DiKey – Digitale Schlüsseltechnologien zur Bestimmung der Stoffdaten für effiziente Stofftrennung in der Chemischen Industrie ist am 1. April 2025 gestartet und dauert bis Ende März 2028.
Vorhersage von Stoffdaten für die industrielle Transformation
Angesichts der Energiewende, neuer Rohstoffquellen und immer kürzerer Produktlebenszyklen zielt das Projekt DiKey auf neue Lösungsansätze auf der Grundlage von Stoffdaten. Diese sind von elementarer Bedeutung für die chemische Industrie, denn sie bestimmen, welche neuen Prozesse überhaupt realisierbar sind. Doch angesichts der Vielzahl möglicher Stoffgemische ist eine experimentelle Ermittlung aller relevanten Daten in der Praxis bisher nicht machbar. Im DiKey Projekt werden daher mit Methoden des Maschinellen Lernens (ML) hochgenaue und breit anwendbare Modelle für die Vorhersage von Stoffdaten entwickelt, die sehr viel leistungsfähiger und flexibler sind als die bisher verfügbaren physikalischen Modelle.
Die neu zu entwickelnden Vorhersagemodelle werden von Anfang an gezielt auf die Bedürfnisse der Chemischen Industrie zugeschnitten. Dafür werden auch Federated Learning und Verschlüsselungstechnologien zum vertraulichkeitswahrenden Einbezug von Firmendaten in das Modelltraining entwickelt und direkt in der Industrie implementiert. So kann eine sehr große Zahl von Verfahrensvarianten ohne Experiment untersucht und bewertet werden.
Simulation von Prozessalternativen
Anhand der Ergebnisse werden die vielversprechendsten Verfahren ausgewählt, mit Hilfe von INOSIM Software für die Prozesssimulation modellgestützt optimiert und von INOSIM Simulationsexperten hinsichtlich ihrer Nachhaltigkeit und Wirtschaftlichkeit bewertet. Dabei kombinieren wir daten- und wissensbasierte Methoden, um aus einem Portfolio von Einzelapparaten jeweils die bestmögliche Verschaltung für gegebene Synthese- und Trennaufgaben zu identifizieren. Diese Methoden sollen noch während der Projektlaufzeit bei assoziierten industriellen Projektpartnern praktisch erprobt werden, um den Mehrwert der Modelle zu demonstrieren. Schließlich soll eruiert werden, welche neuen Geschäftsmodelle für die Chemische Industrie sich auf den gewonnenen Erkenntnissen aufbauen lassen.
DiKey wird vom Bundesministerium für Wirtschaft und Energie im Rahmen des 8. Energieforschungsprogramms gefördert. Beteiligt sind, unter Koordination des Fraunhofer IWTM, der DECHEMA e.V., die RPTU Kaiserslautern, die Ruhr-Universität Bochum und die INOSIM GmbH. Als assoziierte Partner bringen die Bayer AG, Evonik Operations GmbH und Merck KGaA eigene Stoffdaten und Anwendungsszenarien ein und prüfen die Anwendbarkeit der Projektergebnisse in der Praxis.
Das Projekt DiKey ist am 1. April 2025 gestartet und hat eine Laufzeit von drei Jahren. Expertinnen und Experten haben während des Projekts Gelegenheit, die Erkenntnisse aus dem Projekt in Stakeholder-Workshops zu diskutieren. Interesse? Dann registrieren Sie sich gerne bereits jetzt auf der Projekt-Webseite.
Möchten Sie mehr über dieses Projekt erfahren? Sie suchen ein KMU als Partner in Ihrem Forschungsprojekt? Bitte kontaktieren Sie uns.
Allgemeine Anfragen 
