---

Die Herausforderung:

Klimawandel und Umweltverschmutzung sind drängende Herausforderungen, denen sich unsere Gesellschaft stellen muss. Ein zentrales Problem ist der hohe CO2-Ausstoß aus der Nutzung fossiler Quellen, der zur Erderwärmung beiträgt und die Lebensbedingungen auf unserem Planeten gefährdet. Es ist daher von entscheidender Bedeutung, innovative Lösungen zu finden, um CO2-Emissionen zu reduzieren und Produkte aus nachwachsenden Rohstoffen herzustellen.

Die Lösung:

Biotechnologische Prozesse bieten Lösungen, vor allem können Mikroben vielfältige nachwachsende Rohstoffe nutzen.

Im Fokus dieses Projekts steht die nachhaltige, CO₂-freie Produktion von Feinchemikalien, insbesondere Mevalonat und PHB, durch die kombinierte Nutzung von Glukose und Ethanol. Als Biokatalysator kommen metabolisch optimierte Stämme von Corynebacterium glutamicum zum Einsatz. Für ein tiefgehendes Verständnis der komplexen intrazellulären Vorgänge werden mathematische Modelle entwickelt, die stöchiometrische Netzwerke, Co-Substrat-Kinetiken und experimentelle, mittels UHPLC-Massenspektrometrie erhobene Multi-Omics-Daten integrieren. Darauf aufbauend wird hier ein KI-gestütztes Steuerungssystem etabliert: Durch die Fusion von Modellvorhersagen und realen Prozessdaten sollen die Prozesseffizienz gesteigert und eine intelligente Automatisierung der Kultivierung ermöglicht werden.

Dieses Projekt wird von der Deutsche Bundesstiftung Umwelt (DBU) gefördert.

Interesse an einer Bachelor- oder Masterarbeit?

Im Mittelpunkt steht die Frage, wie Corynebacterium glutamicum Glukose und Ethanol gemeinsam nutzt. Es werden die Aufnahmekinetiken beider Substrate charakterisiert und untersucht, wie sich die Glukose- und Ethanolaufnahme gegenseitig beeinflussen. Die Ergebnisse sollen helfen, die Kultivierung für die Produktion von Mevalonat besser zu verstehen und zu steuern.

Experimentelle Arbeiten sind in Schüttelkolben und überwiegend im Chemostat möglich; später kommen Fed-Batch-Kultivierungen hinzu. Die Proben werden unter anderem per HPLC auf Zucker, organische Säuren und Alkohole untersucht. Für Proteomik und Metabolomik kommt UHPLC-MS/MS zum Einsatz.

Theoretische Arbeiten befassen sich vor allem mit der Modellierung des Stoffwechsels. In einer späteren Projektphase ist auch die Entwicklung eines Physics-Informed Neural Network (PINN) als Surrogatmodell für die Prozesssteuerung vorgesehen.

Wenn du Interesse hast, melde dich gerne mit deinem Studiengang, dem gewünschten Zeitraum und den Themen, die dich besonders interessieren.