Selbstlernende Regelung der katalytischen Umwandlung von Olefinen zu α-Aminosäuren und β-Aminoalkoholen

Dieses Vorhaben ist Teil der DFG-Forschergruppe FOR5538: Mehrstufige katalytische Produktionssysteme für die Feinchemie durch integriertes Design von Molekülen, Materialien und Prozessen (IMPD4Cat). Im Rahmen des vorliegenden Projektes sollen selbstlernende Regelsysteme für die Online-Optimierung der katalytischen Konversion von Olefinen zu α-Aminosäuren und β-Aminoalkoholen entwickelt werden.
Als Prozessbeispiele sollen in der ersten Förderphase die enzymkatalysierte Reaktionen von α-Keto Carboxylsäuren zu α-Aminosäuren, insbesondere Homophenylalanin, und α-Hydroxyketonen zu β-Aminoalkoholen, insbesondere Homophenylalaninol, mit integrierter Produktkristallisation betrachtet werden. Anschließend sollen auch die Membrantrennprozesse zur Katalysator- und Lösungsmittelabtrennung untersucht werden.
Dazu wird eine repetitive Online-Optimierung auf 'single batch' und/oder 'batch to batch' Ebene durchgeführt, wobei die Betriebsbedingungen mit Hilfe verfügbarer Messinformation und
sogenannten hybriden mathematischen Modellen zyklisch re-adjustiert werden. Die hybride Modellierung kombiniert dabei das physikalisch chemische Grundlagenwissen aus den anderen Teilprojekten mit datengetriebene Ansätzen des maschinellen Lernens. Wesentliche Arbeitsschritte umfassen: (i) die Entwicklung geeigneter hybrider Modelle für die betrachteten Prozessschritte, (ii) die Entwicklung geeignete Methoden für die Online-Adaption der entwickelten Modelle und (iii) effiziente Strategien für die Online-Optimierung, (iv) die Integration der genannten Methoden im Rahmen eines selbstlernenden Regelungskonzeptes, (v) systematische in silico Tests und (vi) schließlich die experimentelle Validierung in Kooperation mit den anderen Teilprojekten dieser Forschergruppe.