Häufig gibt es zwischen modellgestützten Planungsdaten von Prozessanlagen und den real beim Anlagenbetrieb erfassten Prozessdaten substanzielle Unterschiede, deren Klärung für die Weiterentwicklung der Prozesse von hoher Relevanz ist.
Die scheinbar naheliegende Nutzung von Standardverfahren des Machine Learning ist hier nicht zielführend, da die aufwendige Sensorik und Analytik in Produktionsanlagen in der Regel das Input-Output-Verhalten nur unvollständig erfasst und darauf basierend nur bedingt erlernbar ist.
Deshalb ist es das wesentliche Ziel, durch die stark interdisziplinäre Zusammenarbeit im Transferzentrum »Verfahrenstechnik / Chemie« derartige systematische Lücken durch Modelle zu schließen und somit die Entscheidungsunterstützung und die Prozessentwicklung in der chemischen Industrie voranzutreiben.