Die Produktentwicklung in der chemischen Industrie ist aufwändig und somit zeit- und kostenintensiv. In der Praxis steht man immer wieder vor dem Dilemma, dass man mehrere Anwendungseigenschaften von komplexen Produkten mit sehr wenigen Versuchen bestimmen und gleich optimieren soll. Jedes Experiment sollte deshalb gut geplant sein und einem wohl definierten Ziel folgen. Wir bei BASF lassen uns deshalb von AI-Systemen leiten und benutzen interaktive Werkzeuge zur Entscheidungsfindung. Die Optimierungs-Methoden balancieren typische Kompromisse bei der Produktentwicklung aus. Die ML-Modelle können dabei völlig empirisch, also nur daten-getrieben, sein — ein Ansatz, der sich auch auf andere Industrien übertragen lässt. Der Vortrag zeigt auf, wie Planung der Versuche und Optimierung der Modelle Hand in Hand gehen, um bessere Produkte entwickeln zu können. Folgende Fragen werden im Vortrag erörtert und im Anschluss gerne diskutiert:

• Inwiefern ist das von BASF (in Zusammenarbeit mit Fraunhofer Institut) entwickelte AI-Tool Qritos für die chemische Industrie wegweisend?
• Wie erlaubt es die Kombination von Versuchsplanung und modell-basierter Optimierung den Mangel an Daten mathematisch zu kompensieren?
• Inwieweit lassen sich die Ansätze und Methoden auch branchenübergreifend adaptieren?