Digitale Schlüsseltechnologien zur Bestimmung der Stoffdaten für effiziente Stofftrennung in der Chemischen Industrie, Teilvorhaben 'Versuchsplanung und Anwendung auf das Prozessdesign'

Description: Die Energiewende und der Einstieg in die Kreislaufwirtschaft stellen die chemische Industrie vor enorme Herausforderungen im Bereich der Prozessentwicklung; DiKey stellt zentrale digitale Technologien für deren Bewältigung bereit. Mittels Methoden des Maschinellen Lernen (ML) werden hochgenaue und breit anwendbare Stoffdatenmodelle entwickelt, wobei in einem Federated Learning Ansatz unter Nutzung neuer Verschlüsselungstechnologien erstmals auch die Stoffdaten verschiedener Unternehmen mit denen aus der Wissenschaft zusammengeführt und mit hoch leistungsfähigen neuen digitalen Methoden für die Prozessentwicklung anwendbar gemacht werden; hierbei ergeben sich auch ganz neue Geschäftsmodelle. In DiKey wird demonstriert, dass so die Entwicklung neuer Prozesse erheblich beschleunigt und die transparente Erfüllung von Nachhaltigkeitszielen bei gleichzeitiger Berücksichtigung wirtschaftlicher Kenngrößen überhaupt erst möglich wird.

SupportProgram

Tags: Energiewende ? Chemische Industrie ? Nachhaltigkeitsziel ? Künstliche Intelligenz ? Kreislaufwirtschaft ? Stofftrennung ? Digitale Technologien ?

Region: Rheinland-Pfalz

Bounding boxes: 7.5° .. 7.5° x 49.66667° .. 49.66667°

License: Creative Commons Namensnennung-keine Bearbeitung-Nichtkommerziell 4.0

Language: Deutsch

Organisations

• Bundesministerium für Wirtschaft und Energie (Finanzielle Förderung)
• Fraunhofer-Institut für Techno- und Wirtschaftsmathematik (Projektverantwortung)
• Umweltbundesamt (Bereitstellung)

Time ranges: 2025-04-01 - 2028-03-31

Alternatives

• Language: Englisch/English
  Title: Sub-project 'Experimental design and application to process design'
  Description: The energy transition and the entry into the circular economy present the chemical industry with enormous challenges in the area of process development; DiKey provides central digital technologies for overcoming these challenges. Using machine learning (ML) methods, highly accurate and widely applicable substance data models are being developed, whereby substance data from different companies is being merged with scientific data for the first time in a federated learning approach using new encryption technologies and made applicable for process development using high-performance new digital methods; this also results in completely new business models. DiKey demonstrates that this significantly accelerates the development of new processes and enables the transparent fulfillment of sustainability goals while simultaneously taking economic parameters into account. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1139610

Status

Aktiv

Quality score

• Overall: 0.50
• Findability: 0.67

  • Title: 1.00
  • Description: 0.04
  • Identifier: false
  • Keywords: 1.00
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.