KI-gestützte Versuchsplanung: weniger Laborversuche, mehr Formulierungssicherheit

Rund 70 Prozent der F&E-Kapazität fließt in die Optimierung des bestehenden Portfolios, meist reaktiv und projektbezogen. Die verbleibenden rund 30 Prozent entfallen auf neue Produktentwicklung. Beide Bereiche stützen sich weiterhin stark auf iteratives Trial-and-Error und wiederholte physische Versuchsreihen. Die Folge: Lieferantenalternativen werden zu langsam qualifiziert, der experimentelle Aufwand bleibt hoch, und Einsparpotenziale bei Materialien bleiben unentdeckt.

Was Sie in dem Webinar erfahren

• Für welche Projekttypen sich KI-gestützte Versuchsplanung eignet: Neuentwicklung, Formulierungsoptimierung und Rohstoffsubstitution
• Wie ein digitaler Zwilling auf Basis bestehender Rezepturen Formulierungsänderungen vor dem physischen Test simuliert
• Wie sich mehrere konkurrierende Zielgrößen wie Viskosität, Glanz und Kosten gleichzeitig berücksichtigen lassen
• Drei reale Anwendungsfälle aus Wandfarbe, Fahrzeugbeschichtung und Tintenformulierung
• Was nach dem ersten Projekt bleibt: ein auf die eigenen Formulierungen trainiertes KI-Modell

Drei Praxisbeispiele aus der Formulierungsentwicklung

Bei einer komplexen Wandfarbe stand die Minimierung der Produktionskosten bei gleichzeitig mehreren Leistungsmerkmalen im Fokus: Auf Basis von 192 bestehenden Rezepturen und rund 10 hoch 58 möglichen Kombinationen genügten 100 Versuche, um alle Zielparameter präzise vorherzusagen.

Bei einer lösemittelbasierten Fahrzeugbeschichtung mussten Viskosität, Glanz und Deckvermögen gleichzeitig innerhalb der Spezifikation liegen. 21 zuvor nach klassischer DoE-Methodik vorgeschlagene Versuche führten zu keinem zufriedenstellenden Ergebnis; mit Bayesscher Optimierung war ein einziger zusätzlicher Laborversuch ausreichend.

Bei einer lösemittelbasierten Tintenformulierung wurden Viskosität und elektrische Leitfähigkeit auf Basis von rund 2.000 historischen Experimenten vorhergesagt, mit einer medianen Abweichung von nur 8 Prozent, ohne dass neue Laborversuche notwendig waren.

Für wen sich das Webinar eignet

Für F&E-Ingenieure, Laborleiter, datengetriebene Scientists sowie QA/QC- und Prozessingenieure in Chemie, Lacken, Beschichtungen, Klebstoffen und Polymeren, die Formulierungen mit weniger Versuchsaufwand gezielt weiterentwickeln möchten.