Projekte
Wir als Process-to-Order Lab wollen die Zukunft aktiv zum besseren gestalten. Um dies zu erreichen und um unserer Forschungsschwerpunkte voranzutreiben beteiligt wir uns aktiv in Forschungsprojekten und Kooperationen mit der Industrie. Gemeinsam mit unseren Partnern wollen wir die Zukunft gestaltet, um den Herausforderungen der Gesellschaft und der Industrie gerecht zu werden.
Aktueller Projektschwerpunkt ist die Wasserstoffelektrolyse. Hier beschäftigen wir uns im Teilprojekt eModule der Leitplattform H2Giga mit der Entwicklung eines Integrationsprofils für Elektrolyse-Anlagen. Die Entwicklung dieser Integrationsprofile ist unser Beitrag für eine sichere, skalierbare, robuste und ökonomisch sinnvolle Produktion von grünem Wasserstoff.
Verbunden mit den Projekten bieten wir immer wieder auch attraktive Stellenangebote im Bereich unserer Forschung.
Link-Liste aktueller Projekte
Im Projekt charakterisiert und entwickelt das P2O-Lab zusammen mit der Professür für Prozessleitchnik und AG Systemverfahrenstechnik standardisierte Prozessführungsfunktionen und Dienstschnittstellen zur nahtlosen Integration von Wasser-Elektrolyseuren in die Prozessführungssysteme der Betreiber. Des Weiteren werden hybride Algorithmen zur Onlineoptimierung und Effizienzsteigerung von modularen Elektrolyseuren im Einzelbetrieb entwickelt und die Integration der Modulbeschreibungen in durchgängige Engineeringworkflows, von Variantenmanagement für Scale-Up-Strategien, über beschleunigte Integration und Inbetriebnahme bis hin zur kontinuierlichen, betriebsbegleitenden Prozessoptimierung unter Berücksichtigung von Anlagenlebens- und Innovationszyklen untersucht. Zur Verifikation und Validierung der Arbeitsergebnisse wird ein physischer Kleindemonstrator aufgebaut, wobei zwei neue Module speziell für die Wasserelektrolyse in die bestehende Infrastruktur des P2O-Lab zu integrieren sind. Zusammen mit weiteren bestehenden Modulen wird die realisierte, modulare Anlage die Prozesskette zur Wasserstoffherstellung bilden und die begleitende Untersuchung und Verifikation von Prozessführungskonzepten ermöglichen.
- KI-Inkubator-Labore in der Prozessindustrie (KEEN)
Im Rahmen der Forschungsplattform KEEN (KI-Inkubator-Labore in der Prozessindustrie, BWMi) werden im P2O-Lab Möglichkeiten und Grenzen der KI-gestützten Auswertung von Bild- und Videodaten für die Zustandserkennung in der Prozessindustrie sowie weitere daten-getriebene und hybride Ansätze für die Prozessmodellierung und -optimierung wie Transfer-Learning untersucht. Neben der Bewertung verfügbarer Algorithmen ist das Ziel der laufenden Arbeiten eine Referenzarchitektur für die kosteneffiziente Ausstattung von modularem Smart Equipment abzuleiten. Weiteres Ziel sind die Entwicklung und der Einsatz einer offenen Datenplattform sowie automatisierte Datenpipelines für Prozessdaten, womit offene Daten aus dem P2O-Lab anderen Forschungseinrichtungen zur Verfügung gestellt werden.
- Future of Automation Architectures for BioPharma (FABP)
Wie wird sich die Automatisierungstechnik im Bereich der Biopharma-Industrie durch die fortschreitende technische Entwicklung und durch sich verändernde Kundenanforderungen entwickeln? Wie sieht eine Automatisierungsarchitektur aus, welche die zukünftigen Ansprüche der Biopharma-Industrie erfüllen kann? Diese und weitere Fragestellungen sollen in diesem Industrieprojekt mit der Sartorius Stedim Systems GmbH im Detail untersucht werden.
Abgeschlossene Projekte
- BioFeed
Im Projekt BioFeed (Industrie) wurde im P2O-Lab ein Modul zur Lösung von Feststoffen für biopharmazeutische Prozessketten konzipiert und entwickelt. Dieses Smart Equipment ist Basis für ein neues Geschäftsmodell, in dem ein auf die Kundenanforderungen maßgeschneidertes Zwischenprodukt am Einsatzort als Dienstleistung angeboten wird, statt Pulver und generische Herstellvorschrift. Das Projekt vereinte Kompetenzen aus der mechanischen Verfahrenstechnik (Partikelsysteme), der Bioverfahrenstechnik (Biofouling), der Systemverfahrenstechnik (Systemoptimierung) und der Prozessautomation (Regelung, Diensteschnitt).