Wenn der Reaktor selbst experimentiert: Data Science zieht ins Chemiestudium ein
Der Fonds der Chemischen Industrie fördert mit knapp 1,6 Millionen Euro die Verankerung von Data Science im Chemiestudium. Ein Beispiel aus Dresden zeigt, wie selbstoptimierende Reaktoren aus der Industrie in die Lehre wandern.
Chemiker mischen Substanzen im Kolben, notieren Messwerte und werten sie später am Schreibtisch aus – dieses Bild aus dem Grundstudium hat mit der Realität moderner Prozessentwicklung immer weniger zu tun. In der Industrie überwachen Sensoren laufende Reaktionen in Echtzeit, Algorithmen schlagen die nächsten Versuchsbedingungen vor, und ganze Anlagen optimieren sich selbst. An den Hochschulen kam diese Arbeitswelt bislang nur zögerlich an. Das soll sich nun ändern: Der Fonds der Chemischen Industrie (FCI), das Förderwerk des Branchenverbands VCI, stellt nach eigenen Angaben knapp 1,6 Millionen Euro bereit, um Data Science dauerhaft im Chemiestudium zu verankern. 19 Universitäten und vier Hochschulen für angewandte Wissenschaften erhalten Mittel aus dem Programm.
Ein Beispiel aus Dresden: der selbstoptimierende Reaktor
Wie das konkret aussehen kann, zeigt die Hochschule für Technik und Wirtschaft Dresden (HTWD). Dort wird laut einer über den Informationsdienst Wissenschaft (idw) verbreiteten Mitteilung das Projekt „AI PhotoReact" von Professor Stefan Schramm gefördert. Im Zentrum steht ein Laboraufbau für die Organische Chemie, in dem lichtgesteuerte Reaktionen kontinuierlich ablaufen – ein Verfahrenstyp, der etwa bei der Herstellung von Medikamenten und Spezialchemikalien eine Rolle spielt.
Das Besondere: Ein kompaktes NMR-Spektrometer analysiert während des laufenden Experiments, welche Stoffe sich im Reaktor befinden und wie sich die Reaktion entwickelt. Die Messdaten wertet eine Künstliche Intelligenz aus, die Parameter wie Lichtstärke, Stoffmengen oder Durchflussgeschwindigkeit eigenständig nachjustiert. Schritt für Schritt verbessert sich der Prozess so von selbst. Solche selbstoptimierenden Reaktoren gelten in der chemischen Industrie als Zukunftstechnologie – Versuchsreihen, die früher Wochen dauerten, lassen sich damit deutlich beschleunigen.
Industriepraxis als Vorbild für die Lehre
Bemerkenswert ist der Weg, den das Konzept genommen hat. Nach Hochschulangaben basiert der Dresdner Aufbau auf einer vergleichbaren Anlage bei BASF, an deren Entwicklung Schramm während seiner früheren Industrietätigkeit beteiligt war. Auch die eingesetzte Software ist keine akademische Insellösung: Mit dem Open-Source-Werkzeug BoFire arbeiten die Studierenden mit denselben Methoden zur KI-gestützten Versuchsplanung, die auch in der industriellen Prozessentwicklung verwendet werden.
Genau darin liegt der Kern des Förderprogramms. Datenkompetenz, algorithmische Versuchsplanung und kontinuierliche Prozessführung gewinnen in Forschung und Entwicklung stetig an Bedeutung – in praktischen Lehrveranstaltungen kommen sie bislang aber selten vor. Absolventinnen und Absolventen treffen im Berufsalltag auf Arbeitsweisen, die sie im Studium nie erlebt haben. Die Fördermittel sollen diese Lücke schließen, indem sie Hochschulen die oft teure Ausstattung ermöglichen: Analysegeräte, Automatisierungstechnik und die nötige Software-Infrastruktur.
Mehr als ein Einzelprojekt
Für die Studierenden in Dresden bedeutet der neue Aufbau, dass sie den gesamten digitalen Arbeitsablauf durchlaufen – von der automatisierten Datenerfassung über die Modellbildung bis zur algorithmischen Entscheidung. Das angeschaffte Tisch-NMR-Spektrometer soll zudem dauerhaft im regulären Praktikumsbetrieb eingesetzt werden und damit über das Projekt hinaus wirken.
Die Initiative fügt sich in einen größeren Trend: Quer durch die Ingenieur- und Naturwissenschaften ringen Hochschulen damit, wie viel Datenwissenschaft und KI in die klassischen Curricula gehört. Die Chemie ist dabei ein interessanter Testfall, weil die Branche schon heute stark automatisiert arbeitet und der Abstand zwischen Industriepraxis und Hochschullehre entsprechend sichtbar ist. Ob 1,6 Millionen Euro – verteilt auf 23 Einrichtungen – ausreichen, um Data Science flächendeckend zu verankern, darf man nüchtern betrachten: Pro Standort bleibt ein überschaubarer Betrag. Als Signal, wohin sich die Ausbildung von Chemieingenieurinnen und Chemieingenieuren entwickelt, ist das Programm gleichwohl deutlich.
Redaktionelle Einordnung auf Basis einer Pressemitteilung der HTW Dresden (via Informationsdienst Wissenschaft, veröffentlicht auf openPR.de). Angaben zu Förderhöhe und Projektinhalten beruhen auf Hochschul- bzw. FCI-Angaben.
- Lernen in kleinen Häppchen: Wie Microcredentials das Hochschulstudium ergänzen
- Mehr als Lehrbetriebe: Warum der Wissenschaftsrat private Hochschulen stärker ins System holen will
- Problem pauken oder Lösungen üben? Ein Forschungsprojekt testet, wie Nachhaltigkeit im Erdkundeunterricht wirklich ankommt
- Wenn der Datenschatz klein bleibt: Warum die Chemieindustrie eine eigene Art von KI braucht
- KI ohne Cloud im Gruppenraum: Warum Kitas über lokale Sprachmodelle nachdenken
- Zwischen DeepL und Diplom: Wie sich Sprachberufe im KI-Zeitalter neu sortieren