Einfach nur Wasser hinzugeben ...

„Wirklich, Paul, du musst einfach nur das Anfangsvolumen der Fermentationsbrühe verdoppeln, um die Produktivität des Reaktors um 10 % zu steigern“, beschwor ich ihn.

Paul, der Leiter der Fermentationsprozessentwicklung, blickte mich zweifelnd an. In seinen Augen sah ich amüsierte Skepsis. Er schien sagen zu wollen: „Geht es also wieder los. Du erzählst mir von einer weiteren haarsträubenden Idee, die du von sonst woher bekommen hast.“ Paul ist aber grundsätzlich für alles offen und sagte tatsächlich: „Also gut, warum nicht. Ich gebe dir beim nächsten 12er-Batch 2-Liter-Durchläufe zwei Gärbehälter. Wenn es nicht funktioniert, habe ich einen neuen Grund gefunden, mich über dich zu amüsieren.“

Naja, den letzten Satz hat er nicht wirklich gesagt. Dafür ist er zu höflich.

Ein paar Wochen später hat Paul Daten von diesen Durchläufen abgerufen. „Es hat scheinbar wirklich geklappt. Wer hätte das gedacht.“  Ein paar Monate später befüllte das Unternehmen Reaktoren mit einem Fassungsvermögen von je 200.000 Litern am Anfang mit doppelt so viel Brühe und erzielte über einen Durchlauf mit einer Dauer von 2 Wochen hinweg zwischen 5 und 10 % mehr Produktvolumen.

So konnte pro Batch ein betrieblicher Gewinn im Wert von mehreren Hunderttausend Dollar erzielt werden – einfach durch etwas mehr Wasser.

Ich hatte das Glück, ein paar seltene wissenschaftliche Heureka-Momente zu haben, und dieser gehörte definitiv zu den denkwürdigsten. So etwas macht zwar keine Schlagzeilen, ist aber ein eindrucksvolles Beispiel für den Wert von Daten, die Schlagkraft bewährter statistischer Methoden und die Leistungsstärke einer First-Principle-Modellierung. Hier war weder künstliche Intelligenz noch ein unergründlicher Geniestreich am Werk. Es kamen einfach bewährte Methoden geplanter Experimente, Regressionsanalyse sowie Differenzialgleichungsmodellierung zum Einsatz. Möglich gemacht wurde das Ganze durch kooperationswillige Kollegen, die bereit waren, den unerwarteten Zugang zu einem aggregierten Datensatz von ungewöhnlich hoher Qualität und Zugänglichkeit zu testen, und ein paar Stunden Arbeit mit JMP.

So konnte pro Batch ein betrieblicher Gewinn im Wert von mehreren Hunderttausend Dollar erzielt werden – einfach durch etwas mehr Wasser.

Das dieser Prognose zugrunde liegende Modell war nicht komplex. Die Kombination aus Hefephysiologie und Reaktordynamik wurde durch weniger als 10 Gleichungen beschrieben. Der Schlüssel befand sich hier im Kern: Aus einer auf 500 hochwertige historische Fermentationsexperimente angewendeten linearen Regression wurde eine empirische Beziehung zwischen Sortenmetabolismus und der Sauerstoffübertragungsrate im Reaktor abgeleitet. Ein paar Wochen zuvor hatte der talentierte Fermentationswissenschaftler Jake ein paar Fermentationsdurchläufe mit interessantem Verhalten präsentiert. Ihm war eine außergewöhnliche Beziehung zwischen Sauerstoffaufnahme und Sortenleistung aufgefallen. Dies führte zu einer Hypothese, die wir rasch im Vergleich zu den 500 historischen Experimenten validieren konnten. Anschließend führten wir einige geplante multifaktorielle Experimente durch, um diese Beziehung zu bestätigen.

Ich hatte das Gefühl, den Stein der Weisen gefunden zu haben. Ich konnte zweiwöchige Experimente in nur zwei Sekunden durchführen.  Ich konnte Parameterbereiche scannen. Ich konnte meine Hypothese im Handumdrehen testen.

Anschließend habe ich mit JMP rasch ein statistisches Modell des Zusammenhangs zwischen Metabolismus und Sauerstoff auf der Grundlage dieser DOE-Studien erstellt. Das habe ich dann in die zuvor von uns erstellte Hefereaktorsimulation eingespeist. Es stellte sich heraus, dass es das fehlende Bindeglied war. Durch das Hinzufügen dieser einen Beziehung zu dem Modell wurde eine nahezu perfekte Simulation der Sortenleistung erzielt.

Mit frisch gefundener Zuversicht begann ich, mich mit den simulierten Reaktorbedingungen zu beschäftigen. Für jemanden, der etwas für Modelle übrig hat, war das echt spannend. Ich hatte das Gefühl, den Stein der Weisen gefunden zu haben. Ich konnte zweiwöchige Experimente in nur zwei Sekunden durchführen.  Ich konnte Parameterbereiche scannen. Ich konnte meine Hypothese im Handumdrehen testen. Beim Schlafengehen an diesem Abend hatte ich das Gefühl, wirklich den Herzschlag einer Hefezelle erkennen zu können. So als ob ich irgendwie eins mit der Hefe geworden wäre.

Irgendwann ist mir eingefallen, dass ich mich mit dem Anfangsvolumen des Reaktors beschäftigen könnte. Ich kann mich nicht mehr erinnern, ob das Zufall oder Absicht war. Das Ergebnis war aber durchschlagend. Man musste einfach nur Wasser hinzugeben und erzielte ganz ohne weitere Änderungen in der gleichen Zeit einen höheren Produktausstoß. Im Nachhinein lag der Grund dafür auf der Hand. Manchmal braucht man aber Daten und Statistiken und Mathematik, um Zusammenhänge klar erkennen zu können.

Und so haben Daten, DOE, Differenzialgleichungsmodellierung, ein kooperationsorientiertes Team und ein wenig JMP mein Leben für immer verändert. Jetzt leite ich das Unternehmen Riffyn, dessen Zielsetzung darin besteht, solche wunderbaren, hochwertigen aggregierten Daten für jedermann verfügbar zu machen.

JMP Vorwort

Jetzt die neueste Ausgabe lesen.

Lassen Sie uns in Verbindung bleiben! Jetzt anmelden.