Vorbild Biotechnologie: Übertragung der Data Science-Methoden von Biotech-Prozessen für eine intelligente Geschäftsprozesssteuerung
Die Ähnlichkeit von konventionellem Prozessmanagement und Methoden der Biotechnologie wird die Art und Weise, wie wir an die Prozessoptimierung und -steuerung herangehen, revolutionieren. U. a. die Publikation „Promoting Sustainability through Next-Generation Biologics Drug Development“ (Förderung der Nachhaltigkeit durch die Entwicklung von Biologika der nächsten Generation) erörtert die Integration von Data-Science-Tools in biotechnologische Produktions-, Forschungs- und Rekrutierungsprozesse zur Optimierung der Produktionsbedingungen. Das kann das Finden der richtigen Zelle (diese Klone können Zellen wie Bakterien, Hefen oder auch von Eukaryonten wie uns oder des Hamsters sein 😉) oder auch die Förderung der Nachhaltigkeit sein.
Die Erstellung virtueller Nachbildungen von biotechnologischen Anlagen und Prozessen ermöglicht es, die Ergebnisse in Echtzeit zu simulieren, zu analysieren und vorherzusagen, was zu effizienteren und nachhaltigeren Abläufen führt.
Digitale Zwillinge: Essentiell für die nachhaltige Entwicklung von Therapien
Digitale Zwillinge, virtuelle Modelle, ermöglichen die Simulation von Herstellungs- und Kontrollprozessen (CMC) und bieten ein dynamisches Echtzeit-Überwachungs- und Optimierungswerkzeug. Der Einsatz von Statistik, maschinellem Lernen und Differentialgleichungen ermöglicht die Vorhersage von wichtigen, nicht sofort messbaren Parametern und Sensordaten und stellt sicher, dass die Nachhaltigkeitsziele erreicht werden, ohne die Effizienz zu beeinträchtigen.
Nachhaltigkeit
Dabei ist es wichtig, Nachhaltigkeit in all seinen Dimensionen zu betrachten: ökologisch, sozial und ökonomisch.
KI und Process Mining: Vorteile des digitalen Zwillings
Das Konzept des digitalen Zwillings in der Biotechnologie im Zusammenhang mit Process Mining kann als die Erstellung eines virtuellen Modells verstanden werden, das einen physischen (biotechnologischen) Prozess darstellt. Der digitale Zwilling ist ein ursprünglich in den 90er Jahren entwickeltes Konzept, das im Rahmen des weltweiten Vorstoßes in Richtung Industrie 4.0 eine breite Akzeptanz gefunden hat. Der Kerngedanke dieses Ansatzes besteht darin, ein virtuelles Modell jedes Teils einer physischen Produktionslinie zu erstellen, um vollständige Transparenz sowohl über reaktive als auch über prädiktive Metriken zu erhalten.
Dieser digitale Zwilling ermöglicht somit die Simulation und Überwachung und Steuerung des Prozesses in Echtzeit und nutzt verschiedene Data Science Methoden und maschinelles Lernen zur Optimierung von Produkten, Qualität und Effizienz.
Beim Process Mining wird ein ähnliches Konzept angewandt, bei dem der digitale Zwilling die verschiedenen Geschäftsprozesse innerhalb einer Organisation darstellt. Tools wie Celonis und Noreja können sämtliche Prozessvarianten auf Basis von Event-Logs aufdecken (Discovery), die Performance in Echtzeit objektiv analysieren, Ursachen und Muster identifizieren und so grundlegende Erkenntnisse und Empfehlungen zur Optimierung eines Geschäftsprozesses liefern. So wie ein digitaler Zwilling in der Biotechnologie die Ergebnisse in einem biologischen System simulieren und vorhersagen kann, so kann auch Process Mining auf Basis von Simulationen verschiedene Szenarien analysieren und die Auswirkungen von Prozessänderungen oder durchgeführten Optimierungen vorhersagen. Neben der Vorhersage des Prozessverhaltens (u.a. auf Basis von Machine Learning-Modellen), können Änderungen performancegerecht evaluiert und die Ressourcennutzung nachhaltig optimiert werden.
Praktische Anwendungen und Zukunftsaussichten
Die praktischen Anwendungen von digitalen Zwillingen in der Biotechnologie sind vielfältig. Die Einrichtung von Liquid-Handling-Stations und das automatisierte Screening von Wirkstoffsubstanzen mithilfe von Minibioreaktoren, kombiniert mit Online-Monitoring und modellbasierter Prozesssteuerung, zeigt beispielhaft das Potenzial von digitalen Zwillingen. IoT (Internet oft Things) bzw. ein komplett integriertes Labor ermöglicht eine zentrale Echtzeit-Datenspeicherung, intelligente Prozesssteuerung und ebnet den Weg für Industrie 4.0 in der Biotechnologie.
Fazit
Beide Konzepte haben das gemeinsame Ziel, die Kontrolle, Effizienz und Nachhaltigkeit durch den Einsatz von Daten und intelligenten Systemen zu verbessern. Sie ermöglichen ein tieferes Verständnis komplexer Systeme, sei es in der Forschung oder in der Wirtschaft, und erlauben prädiktive Analysen, um Entscheidungen zu treffen und Prozesse zu verbessern.
Die Synergie zwischen diesen Bereichen liegt in dem gemeinsamen Ziel, die Datenwissenschaft für eine nachhaltigere und wohlhabendere Zukunft nutzbar zu machen.
