Verbundvorhaben KEEN - KI-Inkubator-Labore in der Prozessindustrie

Abstract

Die chemische Industrie ist einer der wichtigsten Industriezweige in Deutschland und gleichzeitig einer der größten Verbraucher von Energie und Rohstoffen. Eine erfolgreiche Energiewende und die Entwicklung einer Kreislaufwirtschaft können nur gelingen, wenn sie von der chemischen Industrie aktiv unterstützt und gestaltet werden - durch die Umgestaltung bestehender Produktionsprozesse und die Erkundung und Umsetzung neuer Prozesswege. Digitale Technologien sind der Schlüssel zur Bewältigung des Wandels hin zu mehr Nachhaltigkeit, Klima- und Umweltschutz. Das Vorhaben KEEN („Künstliche-Intelligenz Inkubator-Labore in der Prozessindustrie“) zielte darauf ab, die Möglichkeiten der künstlichen Intelligenz (KI) in der Prozessindustrie zu erforschen und zu nutzen. Die neu entwickelten KI-Methoden wurden nach Möglichkeit in realen Arbeitsumgebungen und Produktionsanlagen getestet, um den wirtschaftlichen Nutzen, die Anwendbarkeit und die Zuverlässigkeit der Methoden und Technologien zu evaluieren. Das Projekt war Teil des Programms „Digitale Technologien“ des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK), im Speziellen des „Innovationswettbewerbs Künstliche Intelligenz", und war unter den 26 geförderten Projekten das einzige, das sich auf die chemische und pharmazeutische Industrie fokussierte. Die KEEN-Plattform verband 21 Industrie- und Wissenschaftseinrichtungen bestehend aus Anwendern, Herstellern, Software-Entwicklern und Forschungseinrichtungen. Durch den interdisziplinären Austausch und die intensive Zusammenarbeit zwischen Wissenschaft und Industrie wurde die Umsetzung von Forschungsergebnissen in industrielle Anwendungen sichergestellt. Drei Anwendungsbereiche von KI-Methoden in der Prozessindustrie standen im Fokus: Die Unterstützung der Entwicklung von Prozessen, der Engineering-Phase der Anlagenplanung und Entwicklung, sowie die Steuerung und Überwachung laufender Prozesse (Echtzeitanwendung). Neben den zahlreichen methodischen Entwicklungen wurden mehr als zwölf Softwaretools und -erweiterungen entwickelt und mehr als zwanzig Anwendungsfälle bearbeitet. Im Bereich der KI-basierten Unterstützung bei der Entwicklung von Prozessen und dem Engineering von Anlagen wurden KI-Methoden zur effizienten und zuverlässigen Beschreibung thermodynamischer Eigenschaften von Stoffgemischen untersucht. Dadurch konnte die Modellierung von Apparaten zur Stoffwandlung und -trennung durch Kombination von idealisierten Bilanzgleichungen, Algorithmen zur Berechnung von Phasengleichgewichten und datenbasierten Modellteilen, die durch Maschinelles Lernen an verfügbare Daten angepasst werden, verbessert werden. Weiterhin wurden Matrixvervollständigungs-methoden zur Vorhersage von Stoffdaten von Mischungen entwickelt und erweitert. Auf dem Gebiet des Engineerings wurden Softwaretools entwickelt, die die im Bereich der Sicherheitsanalyse zentrale HAZOP-Analyse („hazard and operability“) KI-basiert unterstützen oder die zur Modulauswahl und Optimierung der Auslegung von Anlagen sowie für die Übertragung von Labor- und Simulationsergebnissen auf Großanlagen eingesetzt werden können. Der Bereich des Prozessbetriebs umfasst Lösungen für den verbesserten Betrieb von Anlagen, die den Anlagenbetreiber dabei unterstützen, den Zustand einer Anlage zu erkennen, oder die Anpassung der Betriebsweise, um Produktspezifikationen zu erfüllen und die Energie- und Materialeffizienz zu verbessern, sowie Echtzeitanwendungen. Die konkreten Anwendungsfälle in KEEN reichten von der Erkennung von Anlagenzuständen mittels KI-basierter Bildverarbeitung, z.B. für Kristallisations- und Extraktionsprozesse und gerührten begasten Reaktoren, über Entscheidungshilfen für die Methylendiphenylisocyanate-Produktion, Batch-Destillation und Ammoniakanlagen bis hin zu modernen Steuerungslösungen für Bioreaktoren und Destillationsprozessen. Um sicherzustellen, dass Datensätze FAIR (Findable, Accessible, Interoperable, Reusable) und für das maschinelle Lernen geeignet sind, wurde eine Plattform für den Datenaustausch und ein gemeinsames Metadatenschema, ProMetaS (Process Engineering/Industry Metadata Schema), zur Beschreibung von Daten der Prozessindustrie Daten entwickelt. Die auf der KEEN-Plattform veröffentlichten Datensätze stehen den Partnern und der Öffentlichkeit zur Nachnutzung zur Verfügung. Im Rahmen des Projekts etablierten sich die drei KI-Inkubator-Labore in Kaiserslautern, Dortmund und Dresden, die die Entwicklung neuer Modellierungen und Modellierungs- und Optimierungsmethoden nach Projektende sicherstellen. Außerdem wurde eine Handlungsempfehlungen für die Kommunikation von wissenschaftlichen Errungenschaften (Linguistisches Framing von Künstlicher Intelligenz) publiziert. In der Aus- und Weiterbildung von Fachkräften für die Prozessindustrie finden die gesammelten Ergebnisse und Erfahrungen aus dem KEEN-Projekt Berücksichtigung, beispielsweise in Hochschulkursen der GVT, universitären Lehrveranstaltungen und Curricula der akademischen Partner. Datei-Upload durch TIB The chemical industry is one of the key industrial sectors in Germany and at the same time one of the largest consumers of energy and raw materials. A successful energy transition and the development of a circular economy can only succeed if they are actively supported and shaped by the chemical industry – through the redesign of existing production processes and the exploration and implementation of new process routes. Digital technologies are key to master this transformation towards more sustainability, climate, and environmental protection. The KEEN project ("Artificial Intelligence Incubator Laboratory in the Process Industry") aimed to explore and leverage of artificial intelligence (AI) opportunities in process industry. Where possible, the newly developed AI methods were tested in real working environments and production plants to evaluate the economic benefit, applicability, and reliability of the methods and technologies. The project was part of the "Digital Technologies" program of the Federal Ministry for Economic Affairs and Climate Action (BMWK), specifically the "Artificial Intelligence Innovation Competition", and was the only one among the 26 funded projects that focused on the chemical and pharmaceutical industry. The KEEN platform connected 21 industrial and scientific institutions consisting of users, technology providers, software developers and research institutions. The interdisciplinary exchange and intensive collaboration between science and industry ensured the translation of research results into industrial applications. The focus was on three application areas of AI methods in the process industry: supporting the development of processes, the engineering of plants and processes, and the control and monitoring of running processes (real-time application). In addition to the numerous methodological developments, more than twelve software tools and add-ins were developed, and more than twenty use cases were addressed. In the area of AI-based support for the development of processes and the engineering of plants, AI techniques have been investigated for the efficient and reliable description of thermodynamic properties of mixtures of substances. By these techniques, the modelling of unit operations and pieces of equipment for reaction and separation is improved by combining idealized balance equations, algorithms for calculating phase equilibria, and data-based model elements adapted to available data by machine learning. Furthermore, matrix completion methods for the prediction of substance data of mixtures were developed and extended. In engineering, software tools were developed that provide AI-based support for the HAZOP ("hazard and operability") analysis, which is central in the field of safety analysis, or that can be used in module selection for optimizing the design of plants, as well as for supporting the transfer of laboratory results to simulation tools. The area of process operations comprises solutions for the improved operation of plants, which provide support for plant operators for recognizing the state of a plant or adapting the mode of operation to meet the product specifications and to improve the energy and material efficiency and closed-loop applications. Applications in KEEN range from the detection of the state of plants using AI-based image processing, e.g., for crystallization and extraction processes and aerated tanks, over decision support for Methylene diphenyl diisocyanate production, batch distillation and ammonia plants, to advanced control solutions for bioreactors and distillation processes. To ensure that datasets are FAIR (Findable, Accessible, Interoperable, Reusable) and suitable for machine learning, a data exchange platform and a common metadata schema for describing process industry data, ProMetaS (Process Engineering/Industry Metadata Schema), were developed. The datasets published on the KEEN platform are available to partners and the public for reuse. The three AI incubator labs in Kaiserslautern, Dortmund and Dresden were set up to ensure the development of new modelling and optimization methods after the closure of the project. In addition, a framing manual for the communication of the corresponding scientific achievements (Linguistic Framing of Artificial Intelligence) was published. The collected results and experiences of the KEEN project are taken into account for the further training and education of specialists for the process industry, for example in courses of the GVT, university courses and curricula of the academic partners.