Industrielle biotechnologische Prozesse beruhen aktuell auf einer relativ kleinen Auswahl lang etablierter Produktionssysteme. Sie finden meist in Form von heterotrophen, submersen Batch- oder kontinuierlichen Fermentationen statt. In jüngerer Zeit gibt es einige Prozesse, die phototrophe Systeme wie Cyanobakterien oder Mikroalgen nutzen. Hier ist die Palette der erzeugten Produkte allerdings sehr überschaubar. Bis vor ca. 15 Jahren wurden industrielle Prozesse fast ausschließlich in Edelstahlfermentern durchgeführt. Mit Einführung der Single-Use-Technologien hat hier mittlerweile ein Paradigmenwechsel, insbesondere im Segment der hochpreisigen Produkte, stattgefunden.
Das Synthesepotential der Natur bietet allerdings schier unerschöpfliche Möglichkeiten, die aufgrund derzeitiger biologischer und technischer Limitierungen nicht ausgeschöpft werden können. Im Rahmen des Vortrages werden ungewöhnliche biotechnologische Produktionssysteme vorgestellt, die helfen können, diese Synthesepotential effizienter zu nutzen. Es wird dabei auf folgende Punkte eingegangen:
Emerse Photobioreaktoren Biofilmreaktoren Elektrobiotechnologische Systeme Mischkulturen Diese innovativen Ansätze eröffnen neue Wege für die biotechnologische Produktion und können eine Vielzahl von Anwendungen in den Bereichen Gesundheit, Energie und Umweltschutz haben. Anhand ausgewählter Beispiele aus diesen Bereichen soll verdeutlicht werden, wie abseits der etablierten Produktionswege biotechnologische Wertschöpfung erzielt werden kann.

Wir freuen uns, Sie zur Abschlussfeier der Absolventinnen und Absolventen der Masterstudiengänge 2023/24 der KIT-Fakultät für Chemieingenieurwesen und Verfahrenstechnik am 5. Juli 2024 einzuladen! Dies ist ein besonderes Ereignis und eine großartige Gelegenheit, um die Arbeit und die Leistungen von Studierenden unserer Lehrenden zu feiern.

Die Transformation der europäischen Wirtschaft hin zu Nachhaltigkeit, CO2-Neutralität und geschlossenen Energie- und Stoffkreisläufen stellt auch die chemische Industrie vor große Herausforderungen. Bisherige Produkte und deren Herstellungsprozesse müssen im Rahmen einer Kreislaufwirtschaft grundlegend neu konzipiert werden. Die Chemische Verfahrenstechnik erforscht und entwickelt Prozesse, um Stoffe chemisch umzuwandeln. Dabei ist insbesondere die Kopplung zwischen Reaktionen und Transportprozessen entscheidend für einen nachhaltigen Prozess. Ein Multiskalenverständnis bietet darüber hinaus die Möglichkeit, Phänomene auf verschiedenen Zeit- und Längenskalen des Reaktionssystems zu untersuchen, zu verstehen und zu bewerten. Dabei spielt die Multiskalenmodellierung eine wichtige Rolle. Basierend auf diesen Erkenntnissen können Reaktoren und Katalysatorsysteme gezielt designt und Stoffumwandlungsprozesse verbessert werden.
 
In diesem Vortrag werde ich zeigen, wie Multiskalenstudien ein wissensbasiertes Engineering von oberflächenreaktiven Systemen ermöglichen. Beispiele für katalytische Festbettreaktoren werden vorgestellt, wobei der Schwerpunkt auf der partikelaufgelösten CFD-Simulation unter Berücksichtigung der realen Bettstruktur, der Kopplung mit detaillierten Reaktionsmechanismen und der Skalenüberbrückung zur Anlagenebene liegt. In einem Ausblick werden zudem Forschungs- und Lehrkonzepte sowie Anknüpfungspunkte zu anderen KIT-Professuren skizziert.
d

The increasing amount of sensors data in technical systems as well as larger computing capabilities provide many opportunities for data-based methods and machine learning algorithms in a wide range of system theory. In many cases, the interpretability and generalizability of data-based methods are limited compared to classical model-based methods. This fact motivates hybrid models, which combine model- and data-based methods to combine their benefits. This talk presents two exemplary applications of data-based and hybrid methods in system dynamics and control.
The first example deals with detection of anomalies and fault diagnosis in a paint shop by bipartite graphs. The structure of the bipartite graph is derived by mutual information using data from an active system excitation. The joint probability density function between the identified sets of stochastically depend variables is estimated with Gaussian Mixture Models.  The parametrized structure enables the evaluation of the likelihood for real-time data to detect and locate anomalies. Experimental results from an air supply unit illustrate the effectiveness of the approach.
The last example is the diagnosis of actuator and sensor faults in adaptive high-rise buildings using a hybrid approach. It combines the model-based method of parity equation with the data-based method of principal component analysis (PCA). PCA characterizes the unknown disturbance in the residual data derived by parity equations and determines orthogonal directions of decreasing variance in the residuals. These directions are decoupled to decrease the sensitivity of the residual to disturbances and maintain the diagnosability of faults.