Der Industriesektor ist für etwa 23 % der Treibhausgasemissionen in Deutschland verantwortlich und damit von entscheidender Bedeutung für die Einhaltung der Klimaziele. Die somit notwendige Transformation zu mehr Klimaneutralität erfordert ein stufenweises Umstellen der Prozesse und ihrer Abläufe in den energieintensiven Industrien.

Ziel des Projektes ist es, mithilfe von Methoden des maschinellen Lernens Maßnahmen für eine effektive und ökonomische Emissionsreduktion zu finden, beispielsweise durch Sektorkopplung zwischen erneuerbarer Energieerzeugung und Speichertechnologien.

Am Beispiel eines Kooperationspartners wird die Umstellung auf CO2-neutrale Verfahren sowie eine effiziente Auslastung von CO2-neutralen Energiequellen aufgezeigt. Dazu wird ein digitaler Zwilling des Produktionsprozesses entwickelt und daran Wege hin zu einer klimaneutralen Produktion aufgezeigt. Dabei werden sowohl auf Machine Learning basierende probabilistische Vorhersagen als auch Algorithmen zur Betriebsführung entwickelt.

Das Projekt wird finanziert durch die Carl Zeiss Stiftung und mit dem Industriepartner Fondium Singen durchgeführt.