Methoden der Künstlichen Intelligenz finden auch in den Life Sciences Anwendung. Insbesondere im Zusammenspiel mit der Biotechnologie eröffnet sich ein unbegrenztes Innovations- und Wirtschaftspotenzial für neue und nachhaltige Lösungsansätze in nahezu allen Branchen- und Lebensbereichen.
Gerührt oder geschüttelt – das ist hier die Frage
Stellen Sie sich ein Labor vor, in dem neue Wirkprinzipien erforscht werden. Die Wissenschaftlerin ist nach vielen Versuchsreihen in der Lage, mit Algenzellen ein Protein zu produzieren, welches als Basis für ein Medikament gegen Parkinson dienen könnte. Für ihre Versuche nutzt sie Erlenmeyer-Kolben, die sie kontinuierlich schüttelt, um der Flüssigkeit und damit auch den Zellen in den Kolben ausreichend Sauerstoff zuzuführen. Sie ist sehr zufrieden, da die Produktion des Proteins reproduzierbar und verlässlich zu funktionieren scheint. „Jetzt muss ich nur eine große Menge produzieren und schon kann ich einer Menge von Leuten helfen“, freut sie sich. Aber genau hier liegt die große Herausforderung.
In einen Erlenmeyer-Kolben passen bekanntermaßen nur überschaubare Mengen an Flüssigkeit. Für eine Produktion in größerem Umfang muss die Wissenschaftlerin auf ein größeres Gefäß umsteigen, wie etwa einen Bioreaktor, der andere Eigenschaften als der Kolben aufweist. Hier wird zum Beispiel nicht mehr geschüttelt, sondern gerührt. Und auch der gesamte Herstellungsprozess muss vom Labor in eine industrielle Produktionsanlage überführt werden. Wie sich das auf den Bioprozess und schlussendlich auf die Ausbeute des Proteins auswirkt, lässt sich nur schwer im Vorfeld abschätzen.
Künstliche Intelligenz statt Trial an Error
Was würden Sie tun? Einfach ausprobieren ist natürlich eine Möglichkeit. Das wäre allerdings sehr aufwändig und somit kosten- und zeitintensiv. Was halten Sie davon, das ganze erstmal am Computer durchzuspielen und somit zumindest virtuell eine Vorhersage über das Verhalten des Prozesses zu erhalten? Methoden der Künstlichen Intelligenz machen genau das möglich. Sie können das sogenannte Upscaling von biotechnologischen Prozessen simulieren und eine Vorhersage zu deren Verhalten treffen.
Zukünftig könnte die gesamte Prozesskette von der Stammentwicklung im kleinen Maßstab bis zum technischen Produktionsprozess in silico geplant werden. Mit Multi-Parameter-Inline-Analytik werden sich künftig auch die technischen Fermentationsprozesse nach den Vorgaben eines digitalen Zwillings steuern und stabil führen lassen. Mithilfe der model predictive control, werden Vorhersagen über das Verhalten von Prozessen ermöglicht und die Anlagensteuerung vereinfacht.
Das hier skizzierte Beispiel ist nur eine von vielen Anwendungsmöglichkeiten von Künstlicher Intelligenz in den Life Sciences. Sind Sie neugierig geworden? Dann besuchen Sie unsere Webseite beizeiten wieder. Denn hier werden Sie zukünftig weitere interessante Beispiele finden.
Dieser Beitrag erschien im Rahmen unserer Themenwoche Künstliche Intelligenz.
Hat Ihnen dieser Beitrag gefallen?
Mit dem Digitalagentur-Newsletter informieren wir Sie regelmäßig über Neuigkeiten, Events und Ausschreibungen im Kontext der Digitalisierung.
