BMFTR Verbundprojekt: KMU-innovativ - Informations- und Kommunikationstechnologie (KIT): Künstliche Intelligenz-Assistenz zur Fließbilderstellung - KIAFE

Abstract

Bei der Planung chemischer Prozessanlagen ist die Herausforderung, ein Optimum im Spannungsfeld von Effektivität, Investitionen und Betriebskosten sowie Energie- und Ressourceneffizienz verbunden mit möglichst geringen CO2-Emissionen zu finden. Auch erfahrene Verfahrensingenieure verlassen sich hier oft auf Heuristiken und Erfahrungswerte. Mit Künstlicher Intelligenz (KI) kann die Anlagenplanung schneller und effektiver erfolgen und sich somit positiv auf die Kosten in der Prozessentwicklungs- und Designphase auswirken. Ein KI-Agent kann aus Simulation und Expertenwissen trainiert werden und dem Ingenieur zur Seite stehen. Reinforcement Learning zur Erstellung und Optimierung von Fließbildern ist bislang nur in sehr vereinzelten Forschungsaktivitäten prototypisch angewendet worden. Ein interaktiver Workflow, der die Ingenieurinnen und Ingenieure in der Praxis unterstützt, ist ebenfalls neu. When planning chemical processing plants, the challenge lies in finding the optimal balance between effectiveness, capital investment, and operating costs, as well as energy and resource efficiency, while minimizing CO2 emissions as much as possible. Even experienced process engineers often rely on heuristics and empirical data in this context. Artificial intelligence (AI) can make plant design faster and more effective, thereby positively impacting costs during the process development and design phases. An AI agent can be trained using simulations and expert knowledge to assist engineers. Reinforcement learning for the creation and optimization of flow diagrams has so far been applied only in very isolated research projects on a prototype basis. An interactive workflow that supports engineers in their day-to-day work is also a new development.