Für die Data Scientisten geht es um die perfekte Formulierung. Und weil sie keine Dichter sind, bedeutet das für sie: Sie möchten eine Formulierung für ein Produkt finden, das am Ende den Kunden begeistert. Dabei kann der Kunde von MPP, PLA, LAB oder einer anderen BU kommen. „Kolleginnen und Kollegen, die die Eigenschaften eines Produktes verbessern möchten, sind bei uns genau richtig“, sagt Lynn Ferres aus dem Data Science & AI-Team, DSAI, der Group Function IT.

Das DSAI-Team hat einen Ansatz entwickelt, der es ermöglicht, durch Machine-Learning-Unterstützung schneller zu viel versprechenden Vorschlägen für optimierte Produktvarianten zu kommen. Sie haben diesen Ansatz erfolgreich für verschiedene Business Units angewendet. So hatte die BU PLA bereits ein sehr gutes Flammschutzmittel entwickelt. Dieses sollte nun mit unterschiedlichen Zutaten in unterschiedlichen Mengen getestet werden, um eine optimierte Version eines Kunststoffs zu finden. Mit Hilfe eines KI-Modells wurden dabei die komplexen multivariablen Inputs und Outputs analysiert. Dabei lieferte ein kontinuierlicher, iterativer Prozess, das Sequential Learning, verschiedene Formulierungen. „Unsere Flammschutzexperten He Qingliang und Christopher Simpson haben entschieden, welche dieser Vorschläge weiter getestet werden“, erläutert Lynn Ferres. Mit ihrem Know-how konnten sie die KI-Vorschläge gut einschätzen. „Jetzt haben wir zwei Kandidaten, die in allen Zielgrößen sehr gute Eigenschaften aufweisen“, sagt Ferres. Die Auserwählten verlassen nun den Mikrokosmos des Labors und werden im Kilogramm-Maßstab hergestellt. Das Material wird jetzt auf seine Zug- und Biegefestigkeit und auf seine Dehnung getestet ebenso wie auf seine Flammschutzeigenschaften. Doch selbst wenn die Kandidaten in den Tests sehr gut abschneiden, kann es sein, dass der Kunde sie ablehnt.  „Wenn sie zu gut sind, sind sie häufig zu teuer. Hier müssen wir das Produkt mit den Kundenwünschen und -anwendungen abgleichen“, erklärt Ferres nüchtern. Das Unternehmen will mit seinen Innovationen Umsatz generieren – das ist das oberste Ziel.

Hanna Kahlfeld, ebenfalls Data Scientistin im DSAI-Team, hat gerade ein Projekt mit der BU MPP abgeschlossen. „Die Kollegen kommen zu uns, wenn sie im Labor nicht weiterkommen. Die Fälle sind immer knifflig“, sagt sie. Doch mit Hilfe des Sequential-Learning-Ansatzes fanden sie schnell eine Formulierung, die die vorgegebenen Eigenschaften erfüllte. „Das war für uns eine weitere Bestätigung, dass unser Ansatz funktioniert“, sagt sie. Das überzeugte auch andere, und so wurde die KI-gestützte Formulierungsentwicklung in der Innovation Excellence verankert. Denn sie hat gezeigt, dass LANXESS damit schneller zu neuen und verbesserten Produkten kommt. Kahlfeld lädt nun jeden ein, sich mit solchen Fragen an sie und ihr Team zu wenden.