Digitalisierung Bierbrauen 4.0

Intelligent Bier brauen - ist das möglich?
Intelligent Bier brauen - ist das möglich?

Vernetzte Geräte und intelligente Prozesse liegen im Trend. Der eher traditionelle Prozess des Bierbrauens besteht seit mehreren hundert Jahren – kann auch er intelligent werden?

Im Industrie-4.0-Zeitalter sind viele Prozesse und Maschinen inzwischen intelligent und miteinander vernetzt. Warum also nicht ebenfalls das Bierbrauen vereinfachen? Das dachten sich Forscher der technischen Hochschule Ostwestfalen-Lippe (TH OWL). Für die Umsetzung des Projektes zur »Echtzeitqualitätssicherung in der Lebensmittelproduktion mit cyberphysischen Systemen und Big Data« konnten sie das SAP Systemhaus Itelligence gewinnen. Außerdem wird das Projekt vom Bundesforschungsministerium gefördert. Itelligence will dabei auf Basis der Plattform Leonardo von SAP Geschäftsprozesse neu denken und Projekte von der Theorie in die Praxis umsetzen – in dem Fall den Maischprozess beim Bierbrauen. Im Projekt arbeiten die Lebensmittelindustrie, die technische Hochschule Ostwestfalen-Lippe (TH OWL) und Itelligence eng zusammen.

Ziel des Projektes ist, den traditionellen Prozess des Maischens beim Bierbrauen zu einem sogenannten Closed-Loop-Verfahren weiterzuentwickeln. Beim biologischen Rohstoff Malz kommt es immer wieder zu Variationen, die sich lediglich mit komplexer Laboranalytik erkennen lassen. Um einen Closed Loop zu verwirklichen, muss die Analyse während des Prozesses stattfinden. „Das Labor muss in die Leitung“, lautet der Slogan des Projektleiters Prof. Dr. Ing. Jan Schneider vom Institut für Lebensmitteltechnologie der TH OWL.

Maischen mit maschinellem Lernen

Das nahmen sich die Projektmitarbeiter zu Herzen: An der Hochschule entstand eine kontinuierliche Maischanlage, die die nötigen Analysen mit Maschinendaten und hochdatenintensiver Messtechnik direkt im Maischebottich gewährleistet. Anschließend wertet ein Algorithmus die Daten mit Methoden des maschinellen Lernens (ML) aus. Er erlaubt eine Echtzeitbestimmung der kritischen Prozessparameter wie Zucker- oder Stickstoffgehalt sowie eine Vorhersage über den zukünftigen Endvergärungsgrad des Bieres nach dem Maischprozess. Etwaige Abweichungen von den definierten Qualitätsparametern lassen sich über Temperaturänderungen und Volumenänderungen kompensieren. Im nächsten Schritt soll die Technik für konventionelle Maischprozesse adaptierbar sein.

Doch nicht nur die Hochschule hat ihren Beitrag geleistet, ebenso hat Itelligence die im Rahmen des Forschungsprojektes gewachsene Partnerschaft mitgestaltet. Erst mit dem Integrieren eines Gateways auf Basis des Mini-Industriecomputers MICA von Harting und der damit verbundenen Anbindung an die SAP Leonardo Cloud, wurde der Transfer der Maschinen- und Sensordaten möglich. In der Cloud sind verschiedene Techniken zum Auswerten der Daten mittels Machine Learning verfügbar.

Qualität ist entscheidend

Doch warum ist es ausgerechnet der Maischprozess, den es zu überwachen gilt? Das Maischen ist der entscheidende Schritt in der Bierherstellung: Getreide und Malz werden mit Wasser vermischt, um Stärke enzymatisch in Zucker umzuwandeln. Das Malz wird geschrotet und in beheizten Reaktoren durchgerührt, um die Inhaltsstoffe zu lösen. Beim Erhitzen der Maische sind sogenannte Rasten einzuplanen, das sind Zeiträume, in denen die Temperatur konstant gehalten wird. Während der Rasten wirken Enzyme: Sie wandeln die Stoffgruppen – insbesondere Stärke – in der Maische in vergärbaren Zucker um.

Schwierig ist dabei, die schwankende Qualität der Rohstoffe über Eingriffe in den Prozess auszugleichen. Bei Gerstenmalz fallen die Enzymaktivitäten und -konzentrationen, die sogenannte Verkleisterungstemperatur sowie die Konzentration von Stoffgruppen wie Stärke und Proteine unterschiedlich aus. Bei Wasser kann die Zusammensetzung der Mineralstoffe schwanken, was wiederum Auswirkungen auf die Aktivität der Enzyme hat.

Angesichts der variierenden Rohstoffe sind konstante, analytische und sensorische Qualitätsparameter zu garantieren. Das ist die zentrale Herausforderung bei der Lebensmittelherstellung. Bislang prüfen Labormitarbeiter die Produkte dafür am Ende des Herstellungsprozesses in zeit- und kostenaufwendigen Untersuchungen. Gemeinsam mit Partnern aus der Industrie entwickelt das Projektteam eine zuverlässige und kostengünstige Methode, die Produktqualität vorausschauend zu steuern. Hierbei überwacht die Maischanlage mit Maschinen- und Sensordaten die relevanten Qualitätsparameter in Echtzeit. Der Clou: Statt die Qualität der Rohstoffe nur im Labor zu kontrollieren, nutzt das Team digitale Techniken.

Die enzymatischen und physikalischen Umwandlungsprozesse des Maischens bleiben trotz der IT-Steuerung gleich. Geändert haben sich allerdings die Prüfschritte: Statt eines Mitarbeiters, der die Proben zieht und analysiert, prüft die intelligente Anlage alle 100 ms mit Maschinendaten und alle 5 s mit Sensordaten die Produktqualität. Mit Sensoren in den Prozessanlagen und der entsprechenden Datenverarbeitung wird so während der Produktion ein virtuelles Abbild der Produkte, der digitale Zwilling, generiert. So können Mitarbeiter bereits zu einem frühen Zeitpunkt in die Herstellung eingreifen.

Digitaler Zwilling führt zum Erfolg

Die Anlage für das kontinuierliche Maischen besteht aus sieben in Reihe geschalteten Reaktoren. Ersterer dient dem Vereinigen von Wasser und Malz, die beiden folgenden Reaktoren erzeugen die im Batch-Verfahren vorkommende Eiweißrast mit einer Temperatur von 50 °C. In den Reaktoren vier und fünf findet die Maltoserast mit 60 bis 65 °C statt, während die letzten beiden Reaktoren die Verzuckerungsrast mit 72 °C sowie das Abmaischen mit 78 °C durchführen. Im Fokus der Forschungsarbeit liegt derzeit die Maltoserast, da hierbei der Zucker für das spätere Vergären der Maische zum Bier erzeugt wird. Mithilfe der kontinuierlichen Prozessführung erzeugt das neue Verfahren im Vergleich zur klassischen, chargenweisen Produktion um etwa ein Drittel mehr Maische, dabei sind sogar weniger Bottiche nötig. Der Prozess ist sehr energieeffizient, da er bei isothermen Bedingungen arbeitet und längere Aufheizphasen vermeidet. Kleinere Temperaturkorrekturen haben dabei energetisch keine große Relevanz.

Wie die reale Maische im Prozess aussieht, beschreibt der digitale Zwilling. Um das virtuelle Modell zu erzeugen, hat die TH OWL in über 400 Versuchsreihen die Maischebestandteile mit einem Infrarot-Spektrometer untersucht. Heute messen die Sensoren im Durchflussreaktor wie sich der Inhalt zusammensetzt. In allen sieben Reaktoren bestimmt jeweils eine Wägezelle das Gewicht, wobei das Volumen mit der Dichte der Maische berechnet wird. In den Reaktoren befinden sich sechs Temperatursensoren, in den Leitungen sieben. Hinzu kommen magnetisch induktive Durchflussmesser und ein Nahinfrarot-Spektrometer. Ein Machine-Learning-Algorithmus interpretiert aus dem Fingerprint des Spektrometers den Verzuckerungsgrad. Das Projektteam kalibriert mit den Daten Modelle, die dann aus den Messdaten die Stoffeigenschaften bestimmen. Aus den Modellen entsteht wiederum der digitale Zwilling.


Der Wegweiser der Digitalisierung

Das Forschungsprojekt »Qualitätskontrolle in Echtzeit durch smarte Sensoren in Prozessanlagen« folgt der Methode des Industrie 4.0 Maturity Index. Der Index verdeutlicht, wie Unternehmen in der Digitalisierung stehen, und zeigt Schritte auf, wie sie auf dem Weg vorankommen. Mehrere Entwicklungsstufen zeigen, welche Fähigkeiten für eine erfolgreiche Transformation nötig sind: die Sichtbarkeit, die Transparenz, die Prognosefähigkeit und die Adaptierbarkeit. Sichtbarkeit erzeugen die Sensoren im Durchflussreaktor, für Transparenz sorgen die Analysen, die Vorhersagen bestimmen die Algorithmen und Adaptierbarkeit garantiert das Prozessleitsystem.

Entwickelt wurde der Digital Maturity Index unter dem Dach von Acatech – der deutschen Akademie der Technikwissenschaften – unter der Leitung der RWTH Aachen. Weitere Projektpartner sind das Heinz-Nixdorf-Institut der Universität Paderborn, das Fraunhofer-Institut für Materialfluss und Logistik IML in Dortmund, das Fachgebiet Datenverarbeitung in der Konstruktion (DiK) in Darmstadt sowie das deutsche Forschungszentrum für künstliche Intelligenz (DFKI) in Saarbrücken. Beteiligte Unternehmen sind PTC, Infosys, TÜV Süd und der Cluster »Intelligente Technische Systeme Ostwestfalen-Lippe« sowie Itelligence.