Die chemische Industrie in Deutschland steht bekanntlich vor einigen großen Herausforderungen. Hohe Energiepreise und die Abhängigkeit von fossilen Rohstoffen sind zwei der drängendsten Probleme. Hier setzt das Projekt ASCEND an. Die Abkürzung steht für Accelerated Solutions for Catalysis using Emerging Nanotechnology and Digital Innovation. Also zu Deutsch etwa beschleunigte Lösungen für Katalyse mit Hilfe von Nanotechnologie und digitalen Innovationen. An diesem Projekt sind sechs Partner aus Forschung und Industrie beteiligt: Das Helmholtz Zentrum Berlin, das Fritz Haber Institut, die TU Berlin, BASF, Dunia Innovations und Siemens Energy. Das Ziel von ASCEND ist, die energieintensive Industrie nachhaltiger zu gestalten. Dabei soll die industrielle Wettbewerbsfähigkeit vor allem im Chemiesektor erhalten bleiben. Wie das Projekt dazu beitragen kann, darum geht es in dieser Folge. Mein Name ist Wieland Mikulajczyk. Wie gut, dass ihr zuhört!
Autos, Medikamente, Verpackungen, Kosmetikprodukte, Dünger, Kleidung, Reinigungsmittel. Ganz ehrlich, ich könnte jetzt ewig weitermachen, denn die Liste an Produkten, in denen Basischemikalien stecken, ist extrem lang. Basischemikalien? Ja, Basischemikalien sind beispielsweise Methanol, Ethylen, Propylen oder Ammoniak. Diese sind im Endprodukt meist nicht mehr sichtbar, aber ohne sie lässt sich das Endprodukt gar nicht herstellen. Also ohne diese Basischemikalien ist unsere heutige moderne Gesellschaft nicht vorstellbar.
Allerdings ist die Herstellung dieser Grundstoffe sehr energieintensiv. Deshalb spielen bei den Herstellungsprozessen Katalysatoren eine zentrale Rolle. Sie beschleunigen die chemischen Reaktionen und machen Verfahren so energieeffizienter. Das Projekt ASCEND möchte die Entwicklung von Katalysatoren der nächsten Generation beschleunigen. Wie sie das machen, das kann mir Dr. Steffi Lawenka ganz genau erklären. Sie ist Projektmanagerin von ASCEND am Helmholtz Zentrum Berlin.
Frau Dr. Lawenka, herzlich willkommen im Forschungsquartett! Ja, schönen guten Morgen! Dankeschön für die Möglichkeit, hier kurz sprechen zu können. Frau Lawenka, vielleicht können Sie ganz einfach runtergebrochen an einem Beispiel erklären, warum Katalysatoren in der chemischen Industrie so wichtig sind. Genau, Sie haben ja schon relativ viel am Anfang erklärt. Katalysatoren, ich glaube, sind der allgemeinen Bevölkerung am meisten bekannt über Autos als Teil des Abgassystems, die halt einfach dafür sorgen, dass die Abgase weniger giftig sind.
Aber wenn man sich das mal größer und globaler vorstellt, muss man sich einfach bewusst werden, dass 85 Prozent unserer alltäglich benutzten Materialien, wie auch schon in der Anmoderation gesagt, auf Herstellungsprozessen basieren, die Katalysatoren benötigen. Also das heißt, wenn wir Richtung klimaneutrale Gesellschaft denken, brauchen wir Innovationen im Bereich Katalyse. Also beim Auto haben wir das. Gibt es noch etwas, wo ich in meinem Alltag auf einen Katalysator treffe?
Also Katalysatoren sind unserem Alltag eigentlich allgegenwärtig, aber sie sind halt nicht so offensichtlich. Auch ich meine, selbst im Auto sieht man ihn ja prinzipiell nicht. Weiterhin spielen Katalysatoren eine ganz, ganz starke Rolle, zum Beispiel in der Dünge-Mittelproduktion, die für die globale Landwirtschaft einfach mittlerweile unabdingbar ist. Aber weiterhin natürlich eine ganz, ganz starke Rolle im Energiesektor zur Erdölweiterverarbeitung, zum Beispiel, aber auch in der Medikamentenherstellung, in Plastik, wie Sie schon gesagt hatten.
Und was für uns am HZB natürlich eine ganz entscheidende Rolle spielt in der Forschung, ist die Herstellung und Nutzung nachhaltiger Energieträger, also wie Wasserstoff oder wasserstoffbasierte Energieträger und natürlich dann auch in solchen Technologien wie Brennstoffzellen. Aus welchen Stoffen besteht so ein Katalysator? Wie sieht der Stoff eigentlich aus oder was für Stoffe können das sein?
Also prinzipiell können das ganz diverse Materialien sein. Leider zurzeit sehr oft Materialien wie Platin, Palladium, Iridium, die halt einfach sehr kostspielig sind und auch gar nicht hinreichend oft vorhanden sind auf der Erde. Deswegen ist es auch ein Ansatz dieses ASCEND-Projektes, diese Materialien zu ersetzen durch besser verfügbare oder günstigere Materialien, zum Beispiel wie Nickel oder Eisen.
Das Projekt ASCEND will die Entwicklung von noch besseren Katalysatoren beschleunigen. Auf der Webseite des HZB steht, dass sie zwei bahnbrechende Ansätze zusammenführen: digitale Katalyse und Dünnschichtkatalysatoren. Fangen wir bei der digitalen Katalyse an. Was bedeutet das überhaupt, digitale Katalyse? Und warum ist das Ganze jetzt überhaupt bahnbrechend?
Das ist ein wunderbarer Begriff, digitale Katalyse, weil er so ziemlich alles und nichts sagt. Was wir uns darunter konkret vorstellen, ist: Jeder kennt ja den aktuellen Trend der künstlichen Intelligenz, Big Data. Das ist halt einfach ein, sagen wir es mal so, weiterer Forschungspartikelwechsel. Das ist jetzt auch wieder ein kompliziertes Wort. Aber wenn man sich den Verlauf der Forschung über die letzten Jahrhunderte anguckt, sind wir von empirischer Wissenschaft, also Newton fällt der Apfel auf den Kopf, über die theoretische Wissenschaft, Newton denkt darüber nach, warum tut er das? Theorien, die computergestützte Wissenschaft, also wir können halt viel komplexere Probleme angehen mit dem Computer, hin zu Big Data gekommen.
Also das heißt, wir haben ganz viele Daten, die uns dann auf einmal durch Mustererkennung Antworten liefern auf Fragen, die wir noch gar nicht gestellt haben, zum Beispiel. Und die digitale Katalyse geht halt in diesem Bereich. Das heißt, wir nutzen einfach vorhandene Forschungsdaten, generierte Forschungsdaten digital aus. Das heißt, wir nutzen Computer, Machine Learning, künstliche Intelligenz, um hier Forschung zu beschleunigen.
Und vielleicht muss ich da auch noch mal ganz kurz darauf hinweisen, wie Katalyseforschung oder generell Materialforschung eigentlich in der Vergangenheit betrieben wurde. Das ist halt, ich sag jetzt mal, die klassische Trial-and-Error, also Versuch-und-Fehler-Ansatz. Und der ist halt relativ langsam. Das heißt, man synthetisiert irgendwas, man guckt, funktioniert es, funktioniert es nicht? Man überlegt sich, warum nicht, und fängt wieder von vorne an. Wenn man sich dann jetzt auch überlegt, ein klassischer Innovationszyklus, also von der Idee, von der Materialentwicklung bis hin, ich habe eine fertige industriell-technische Anwendung, vergehen normalerweise um die zehn Jahre.
Und gerade im Blick auf regenerative Energien, erneuerbare Energien und Klimawandel behaupte ich einfach mal frech, wir haben keine weiteren zehn Jahre. Bei der digitalen Katalyse haben Sie gerade schon gesagt, nutzen Sie künstliche Intelligenz und machen damit dann Simulationen. Wie muss ich mir das konkret vorstellen? Was macht das Ganze effizienter?
Bei dem Thema künstliche Intelligenz muss man sich gerade auf die Katalyseforschung vielleicht erst mal ganz kurz vorstellen: Was ist das? Ich denke, da hat jeder so seine ganz eigene Vorstellung von, was künstliche Intelligenz ist. Die meisten kennen wahrscheinlich Chatbots, Archlanguage Models. Letztendlich ist künstliche Intelligenz eigentlich nichts anderes als ein sehr komplexes mathematisches Konstrukt, ein Modell. Und dieses Modell braucht Daten. Und diese Daten werden, ich sage jetzt mal, mehr oder weniger statistisch ausgewertet.
Und das kann dazu genutzt werden, um das Modell wiederum lernen zu lassen, im nächsten Schritt besser zu werden. Also das ist künstliche Intelligenz prinzipiell. Erstmal, das kann man mit Worten machen. Das kann man aber auch mit Forschungsdaten machen. Wo kommen diese Daten denn jetzt überhaupt her? Das ist eine sehr gute Frage. Genau, die braucht nämlich nicht nur irgendwelche Daten, die braucht nämlich auch strukturierte und maschinenlesbare Datensätze.
Das heißt, wenn jetzt, ich sage jetzt mal, der klassische Materialwissenschaftler im Chemielabor ein neues Material entwickelt, entdeckt, liegen die Daten, also die Charakterisierungsdaten beziehungsweise die, was passiert mit dem Material danach, vielleicht gar nicht oder meistens nicht in der Form vor, die wir halt brauchen, um diese künstlichen Intelligenzmodelle zu füttern. Und hier kommt ein ganz, ganz wichtiges Feld ins Spiel, was halt auch im ASCEND-Projekt stark unterstützt wird. Und das nennt sich Data Stewardship. Also wir brauchen wirklich auch in Zukunft, um in diesem Forschungsfeld schnell voranzukommen, Personen, die zwischen, ich sage jetzt mal, dem klassischen Wissenschaftler stehen und dem Data Scientist.
Die unterstützen, Daten strukturiert aufzuarbeiten, sodass sie überhaupt maschinenlesbar sind. Und wie kommt da jetzt die Katalyse rein? Also wir haben die künstliche Intelligenz, die große Datensammlungen gut verarbeiten kann und sich da weiterentwickeln kann. Und wo kommt jetzt die Katalyse dazu? Genau, wenn wir jetzt so ein Modell nicht mit Worten füttern, zum Beispiel wie bei diesen ganzen Chatbots, die jetzt gerade existieren, sondern mit Forschungsdaten, können wir zum Beispiel erreichen, dass Experimente vorgeschlagen werden.
Also normalerweise sitzt ein Forscher halt da und überlegt, okay, was könnten denn die nächsten Experimente sein? Welche Materialkombination könnte ich benutzen, um zum Beispiel die Selektivität oder die Aktivität eines Katalysators zu verbessern? Und hier gibt es jetzt die Möglichkeit, wenn man so ein Modell mit vorhandenen Daten füttert, also zum Beispiel man gibt ihm vor, diese und diese Materialien ergeben mit der und den Reaktionsbedingungen diese und diese Aktivitäten und Selektivitäten. Wenn man das halt mit hinreichend vielen Daten macht, kann dieses Modell über Optimierungsprozesse nächste Experimente vorschlagen, die können validiert werden.
Das Modell lernt dadurch, okay, das war ein richtiger oder falscher Weg, und dadurch kann ein normalerweise gigantisch großer Parameterraum an möglichen Kombinationen von Materialien einfach sehr viel schneller eingeschränkt werden und dementsprechend die Forschung verschnellert werden. Ich habe dann von dem selbststeuernden Labor gelesen, was damit in die Forschung reinkommt. Meine Frage ist jetzt: Was ist ein selbststeuerndes Labor?
Muss ich mir das wie im Science-Fiction vorstellen, dass von links der Roboterarm reinkommt, von rechts irgendwie was hochgeschoben wird und dass dann die Pipette ausgedrückt wird von dem nächsten Roboterarm? Und wie kommt das dann der Forschung zugute? Wenn wir uns jetzt nochmal kurz daran erinnern, wir haben halt das Datenmodell, wir haben die Daten, brauchen wir halt eine Möglichkeit, die Daten zu produzieren.
Das können wir über den konventionellen Weg machen. Der Forscher steht im Labor, produziert etwas, analysiert etwas und füttert die Datenbank beziehungsweise dieses Modell damit. Können wir das Ganze halt beschleunigen, indem wir sehr viele Materialien in sehr kurzer Zeit zum Beispiel screenen, also einfach abrastern. Das funktioniert am schnellsten, wenn wir das eine Maschine machen lassen und auch am zuverlässigsten, aber am reproduzierbarsten.
Und da kann man sich das tatsächlich vorstellen, dass es entweder, je nach Material, ob es halt Pulver sind oder zum Beispiel dünne Schichten, dass es Hochdurchsatzexperimente gibt. Es wird zum Beispiel eine Oberfläche abgerastert mit Analysemethoden oder es gibt tatsächlich Pipetten beziehungsweise andere Möglichkeiten, sozusagen viele Materialien über Robotik automatisiert zu synthetisieren und zu analysieren.
Sie haben auch schon den Begriff der Dünnschichtkatalysatoren genannt. Das ist laut Webseite der zweite bahnbrechende Ansatz. Inwiefern unterscheiden sich Dünnschichtkatalysatoren von bisher genutzten Katalysatoren und sind sie besser oder was macht sie besser? Also konventionelle Katalysatoren liegen jedenfalls im Chemiebereich in Pulverform vor und werden auch seit über 100 Jahren erforscht. Bisher, das finde ich faszinierend, weiß aber keiner, warum funktionieren Katalysatoren eigentlich, wie sie funktionieren.
Also der klassische Ansatz ist halt, wir probieren etwas aus, es funktioniert, und wir freuen uns und bringen es in die Anwendung. Der Dünnschichtansatz hat den Vorteil, dass man relativ klar definierte Strukturen, vor allem auch saubere Strukturen, Materialien erstellen kann, die analysiert werden können, um auch gleichzeitig zu beantworten, warum funktioniert eigentlich ein Katalysator, wie er funktioniert.
Aber auch sehr stark Vorteile bringt, schnell große Materialbibliotheken zu erstellen. Also man muss halt nicht, ich sage jetzt mal, 1000 kleine Pipetten oder 1000 kleine Materialproben haben. Man kann zum Beispiel auf einem Wafer Materialgradienten herstellen und hat halt auf kompaktem Raum sehr schnell sehr definierte Materialbibliotheken erstellt.
Es ist ja relativ bekannt, dass wir hier in Deutschland ziemlich abhängig von fossilen Rohstoffen für die chemische Industrie sind und das ist ja durchaus ein großes Problem. Wie kann dann das Projekt ASCEND dazu beitragen, dass die deutsche Chemie weniger abhängig wird von Erdöl und Erdgas? ASCEND hat einen ganz starken Schwerpunkt auf grünen Energieträgern und grüner Chemie.
Das heißt hier explizit die Herstellung von Wasserstoff beziehungsweise die Weiterverarbeitung von CO2 zu wertvolleren Grundchemikalien. Und das Ganze wird begleitet bei uns, das ist auch sehr wichtig, von sogenannten Life Cycle Assessments. Das heißt, ein Arbeitspaket in dem Projekt guckt halt ganz genau darauf, okay, welche Materialien nutzen wir jetzt gerade auch für die Erforschung? Welche ziehen wir da halt in Betracht? Und was ist der Einfluss auf die Weltwirtschaft zum Beispiel oder Einfluss der Weltwirtschaft auf dieses Material?
Dass wir halt wirklich den Fokus darauf legen, Materialien in Betracht zu ziehen, die wirklich dieses Problem der geringen Verfügbarkeit angehen. Wasserstoff kann fossile Rohstoffe und Energieträger teilweise ersetzen. Er wird aber noch längst nicht so breit genutzt. Da gibt es noch diverse Hindernisse, zum Beispiel, dass Wasserstoff noch gar nicht in der Menge vorhanden ist, wie es sich gewünscht wird.
Wie trägt Ihr Forschungsprojekt dazu bei, diese Hindernisse zumindest zum Teil zu beseitigen? Also zum einen setzt ASCEND auf die Erforschung von Materialien für die Wasserstoffherstellung, also die Technologien, die bereits am Markt vorhanden sind. Also es ist ja keine neue Technologie in dem Sinne. Sie ist halt einfach nur noch nicht effizient genug beziehungsweise kostengünstig genug, um wirklich konkurrenzfähig zu erdölbasierten Energieträgern zu sein.
Das heißt, ein Hebel den wir in ASCEND ausnutzen, ist, Materialien einzusetzen, die halt einfach verfügbarer und günstiger sind für das Katalysatormaterial an sich, als auch die Technologie an sich zu verbessern. Also der Katalysator ist ja nur so effizient und so gut wie in dem Elektrolyseur, zum Beispiel in dem Reaktor, der verbaut ist. Und dieses ganze Paket zu erforschen, ist halt Teil von ASCEND.
Und hier kommt halt zusammen, dass wir nicht nur die aufstrebenden technologischen Methoden, die Datenwissenschaft gibt, nutzen, sondern halt auch eng mit der Industrie zusammenarbeiten, sodass wir halt nicht nur Grundlagenforschung betreiben, sondern halt ganz stark im Fokus haben, das gleich industrienah zu erforschen.
Das sagt Dr. Steffi Lawenka vom Helmholtz Zentrum Berlin. Vielen Dank für Ihre Zeit und das spannende Gespräch. Ja, vielen Dank für die Möglichkeit! An dieser Stelle möchte ich auch für die Produktion dieser Folge danken. Die kam diese Woche von Paula Bötemann. Damit sind wir am Ende des Forschungsquartetts für diese Woche. Jeden Donnerstag erscheint eine neue Episode und wir freuen uns, wenn ihr wieder reinhört und wenn ihr einer wissenschaftsbegeisterten Person vom Forschungsquartett erzählt. Mein Name ist Wieland Mikulajczyk. Vielen Dank fürs Zuhören. Bleibt neugierig und bis zum nächsten Mal. Das Forschungsquartett, Wissenschaft bei detektor.fm in Kooperation mit dem Helmholtz Zentrum Berlin.
Foto: Michael Setzpfand