Effiziente Gastrennung: Intelligente Modelle revolutionieren das Cleantech-Engineering

Die Herausforderung: Über-Engineering durch Modellierungslücken

In industriellen Modulen – sogenannten Kartuschen – werden flache Membranen zu einer Spirale gewickelt, um eine maximale Oberfläche auf kleinstem Raum zu bieten. Die Vorhersage, wie sich komplexe Gasgemische unter realem Druck und bei wechselnden Strömungsverhältnissen in diesen Kartuschen verhalten, ist mathematisch hochkomplex.
Bisherige Standard-Modelle (wie das für herkömmliche Polymermembranen entwickelte MEMSIC-Modell) gehen fälschlicherweise von einer konstanten Membranpermeabilität aus. Bei den neuartigen Zeolith- und MOF-basierten Membranen von UniSieve führt dies jedoch zu unzuverlässigen Vorhersagen, die stark von realen Messdaten abweichen. Die Folge für den Anlagenbau war bisher ein erzwungenes, teures Über-Engineering, um Sicherheitsmargen einzuhalten.

Der SIMSIEVE-Ansatz: Physik trifft auf Scientific Machine Learning

Das Projekt SIMSIEVE wählt einen radikal neuen Weg, um die Brücke von akademischer Spitzenforschung zu robuster Industrieanwendung zu schlagen. Anstatt auf rein empirische Näherungen oder unvollständige lineare Diffusionsmodelle zu setzen, nutzt das Projekt ein hybrides Mehrskalenmodell:

• Fundamentale Physik: Die Basis bildet der Maxwell-Stefan-Diffusionsansatz. Dieser ist in der Lage, die komplexen, konzentrationsabhängigen Wechselwirkungen zwischen verschiedenen Gasmolekülen sowie der Membranstruktur thermodynamisch exakt abzubilden.
• Scientific Machine Learning (ML): Um der drohenden kombinatorischen Explosion aus Gasgemischen, Membrantypen und komplexen Kartuschen-Geometrien zu begegnen, werden physikalische Mechanismen mit datengetriebenen ML-Korrekturtermen kombiniert.
• Vom Labor in die Produktion: Das Modell skaliert die Effekte von der atomaren Ebene (Moleküldiffusion) über die makroporöse Trägerstruktur bis hin zur gesamten Strömungsdynamik (CFD) innerhalb der Kartusche.

„Die fundamentale Innovation liegt in der Fähigkeit, hochpräzise physikalische Modelle mit gröberen Produktionsdaten kalibrieren zu können, um so eine automatisierte Auslegung von Industrieanlagen zu ermöglichen.“

Massiver wirtschaftlicher und ökologischer Hebel

Durch die präzise Vorhersagbarkeit im Projekt SIMSIEVE sinken die Konstruktions- und Betriebskosten für Endkunden drastisch, während gleichzeitig die Wettbewerbsfähigkeit der Schweizer Technologie massiv gestärkt wird.
Auch ökologisch setzt die Technologie neue Standards: Erste erfolgreiche Feldtests in Schweizer Kehrichtverwertungsanlagen bewiesen bereits die Machbarkeit einer hochflexiblen, modularen CO2-Abscheidung. Der Energieverbrauch lag dabei signifikant unter dem etablierter Konkurrenzverfahren wie der Aminwäsche.