In nahezu jedem biotechnologischen Prozess spielt es eine wichtige Rolle, ob die eingesetzten Zellen lebendig oder tot (Viabilität) und wie leistungsfähig (Vitalität) sie sind.  Schwankungen dieser Parameter können sowohl den Prozess als auch das resultierende Produkt negativ beeinflussen. Zur Verbesserung der biotechnologischen Prozesse ist somit eine Echtzeitbestimmung dieser Schlüsselparameter notwendig. Hierdurch können Prozesszeiten verkürzt, die Produktivität und Ausbeute eines Prozesses sowie die Qualitätsmerkmale der Produkte verbessert und Ressourcen eingespart werden.

Trotz der Bestrebungen der Prozessindustrie, kritische Prozessparameter inline und somit in Echtzeit zu messen, ist dies für Bioprozesse noch nicht hinreichend gelungen. Problematisch ist, dass diese Parameter häufig nur durch offline-Methoden bestimmt werden und der dadurch bedingte Zeitversatz und die niedrige Datenfrequenz ein frühzeitiges optimales Reagieren erschweren. Im Rahmen des Projektes soll daher Softsensing (die Kombination von Sensordaten und Modellen) für eine indirekte Abschätzung dieser physiologischer Variablen erforscht werden.

Das Projekt CellSENSING fokussiert folgende Bioprozesse: i) das Hefemanagement für die Bierherstellung mit den Schlüsselparametern Hefeviabilität und -vitalität, ii) die Bierreifung mit Stoffwechselmetaboliten wie Diacetyl, iii) die Kultivierung von Säugetierzellen als Schritt der biopharmazeutischen Produktion mit der Lebendzelldichte und Viabilität.

Zunächst werden Hardware-Sensoren in die Prozesse implementiert, welche valide Informationen zu Konzentration, Viabilität und Vitalität von Hefezellen, zu wichtigen Stoffwechselprodukten des Bierbrauprozesses wie Diacetyl und zu der Lebendzelldichte und Viabilität von CHO-Zellen liefern. Durch Sensordaten-Fusion, Datenverarbeitung, mathematische Modellierung und Verfahren des maschinellen Lernens sollen diese zunächst teils verschlüsselten Informationen in konkrete quantitative Informationen über die Schlüsselparameter umgewandelt werden. Ein Vergleich verschiedener Methoden soll die Entwicklung robuster Softsensing-Systeme zur präzisen und genauen Echtzeitbestimmung dieser Schlüsselparameter ermöglichen.

Die Forschungsfrage umfasst somit die Untersuchung und Bewertung, durch welche Methoden der Datenverarbeitung und mathematischen Modellierung verschiedene Hardware-Sensoren fusioniert werden können, um ein robustes Softsensing zu ermöglichen.

Projektleiter
Prof. Dr. Miriam Pein-Hackelbusch

Partner:innen:
Hamilton Bonaduz AG, Schneider Electric GmbH, WiFö der Deutschen Brauwirtschaft e.V., ZIEMANN HOLVRIEKA GmbH