DE19547473C2 - Verfahren zur Echtzeit-Ermittlung der Konzentration eines Sekundär-Stoffwechselprodukts in einem chargenbetriebenen Fermentationsprozeß - Google Patents

Description

Die Erfindung betrifft ein Verfahren zur Echtzeit-Er­ mittlung der Konzentration eines Sekundär-Stoffwechsel­ produkts in einem chargenbetriebenen Fermentationspro­ zeß anhand von in Echtzeit meßbaren physikalischen und/­ oder chemischen Parametern wie der Temperatur, des pH-Wertes und der Dichte des Fermentationsguts. Insbesondere betrifft die Erfindung ein Verfahren zur Echtzeit-Ermittlung der Konzentration von Diacetyl und seiner Vorläufer bei einem Gärungs- und Reifungsprozeß bei der Bierherstellung anhand zumindest der Temperatur des pH-Wertes und der Dichte des Gär-/Reifeguts.

Es gibt eine Vielzahl von insbesondere chargenbetriebe­ nen Fermentationsprozessen, bei denen es wichtig ist, die Konzentration sekundärer Stoffwechselprodukte zu ermitteln. Mitunter kann es interessant sein, den Fer­ mentationsprozeß in Abhängigkeit von der augenblick­ lichen Konzentration des Sekundär-Stoffwechselprodukts zu regeln, was allerdings eine Echtzeit-Ermittlung der Konzentration des betreffenden Stoffwechselprodukts voraussetzt. Dies bereitet dann keine Schwierigkeiten, wenn das interessierende Sekundär-Stoffwechselprodukt online meßtechnisch erfaßbar ist. Es gibt jedoch eine Vielzahl von Fermentationsprozessen, bei denen insbe­ sondere die Sekundär-Stoffwechselprodukte meßtechnisch in Echtzeit, d. h. online nicht erfaßbar sind. Ein Bei­ spiel für einen solchen Fermentationsprozeß ist der Gärungs- und Reifungsprozeß bei der Bierherstellung, bei dem als eines von mehreren sekundären Stoffwechsel­ produkten während der Gärung Diacetyl entsteht. Di­ acetyl ist ein Inhaltsstoff des Bieres, der den Ge­ schmack bei zu hoher Konzentration negativ beeinflußt. Da während der Gärung Vorläuferstoffe des Diacetyls entstehen, ist die technisch interessierende Größe die Diacetyl-Konzentration nach vollständiger Umwandlung der Vorläufer (sogenannte Gesamt-Diacetyl-Konzentra­ tion), die im folgenden kurz als Diacetyl-Konzentration bezeichnet wird.

Stand der Technik bei der Messung der Diacetyl-Konzen­ tration ist derzeit die Offline-Analyse im Labor. Dabei werden zunächst in einem Umwandlungsschritt die Vor­ läufersubstanzen in Diacetyl umgewandelt und an­ schließend die Diacetyl-Konzentration mit einem Gas­ chromatographen gemessen. Dieses Verfahren ist jedoch nicht für die Online-Messung des Diacetyl-Gehaltes im Prozeß geeignet. Hierfür dauert die Umwandlung zu lange und die verfügbaren Gaschromatographen, Probenahme- und Aufbereitungssysteme sind nicht prozeßtauglich und nicht für die rauhe Brauerei-Umgebung geeignet. Die Laboranalytik ist außerdem teuer (hoher Kapitalaufwand für Gaschromatograph und Laborausstattung) und personalaufwendig (manuelle Probenaufbereitung und Handhabung).

Alternative Online-Meßmethoden stehen nicht zur Ver­ fügung. Die Entwicklung eines Meßverfahrens auf der Basis von Enzymreaktoren z. B. schlug fehl, da derzeit keine ausreichend spezifischen Enzyme für Diacetyl bei gleichzeitiger Anwesenheit verwandter Stoffe gefunden werden konnten.

Aus S. Beil et al., Monatsschrift für Brauwissenschaft 1992, Heft 6, S. 196-204 ist es bekannt, den Substratabbau bei der Bierherstellung anhand von gemessenen Werten für den zu bestimmten Zeitpunkten jeweils gegebenen Zuckergehalt für den Zeitraum bis zur nächsten Messung vorherzusagen. Neben der Tatsache, daß - bei Anwendung dieses Verfahrens auf die zeitweise Abschätzung der Diacetylkonzentration - die gesuchte Größe mehrfach meßtechnisch erfaßt werden muß, leidet das bekannte Verfahren unter dem Mangel, daß der typischerweise bei der Bierherstellung anzutreffende Fall der Anstiegsphase der Diacetylkonzentration nicht vorhergesagt werden kann. Außerdem ist die Datenbasis, auf die sich der bekannte Schätzalgorithmus stützt, zeitlich zu gering, um ohne die vorgesehenen und notwendigen meßtechnisch erhaltenen Stützpunkte des tatsächlichen Zeitverlaufs eine zuverlässige Angabe bezüglich der zu erwartenden Veränderung der Diacetyl­ konzentration machen zu können.

Der Aufsatz von L. A. Garcia et al., J. Ind. Microbiol. 15 (Nov. 1995), S. 401-406 (Datenbank SCISEARCH beim Host STN; AN 96: 68668) befaßt sich mit der Verwendung von neuronalen Netzen zur Überwachung und Vorhersage von Parametern der Bierfermentation. Hierbei wird wie folgt vorgegangen. Zunächst werden in einem 5l-Labor­ fermenter mit Rührer Fermentationsversuche bei konstant 12°C und bei konstantgehaltenem pH-Wert gefahren. Während dieser Versuche werden das Zelltrockengewicht, die vergärbaren Zucker, die Aminosäuren und das Ethylkaproat gemessen. Mit diesen Werten wird dann ein neuronales Netz trainiert, das den Wert für Ethylkaproat aus den anderen Meßwerten ermitteln soll. Angewendet wird das Verfahren auf Versuche mit konstantem wie auch mit variablem (unbeeinflußtem) pH-Wert. Die Meßtechniken für das Zelltrockengewicht und den pH-Wert werden in dem Aufsatz von L. A. Garcia et al. nicht angegeben; die anderen Werte (Fettsäuren, Aminosäuren, vergärbare Zucker als Eingangsgrößen, Ester, höhere Alkohole, Diacetyl, Ethylkaproat jeweils als Zielgrößen) werden gemäß dem Aufsatz von L. A. Garcia et al. und der in diesen zitierten Arbeiten mit Hilfe von Gaschromatographen (GC) oder hochleistungs­ fähigen Flüssigkeitschromatographen (HPLC) gemessen. In diesem Aufsatz werden zwar sekundäre Stoffwechsel­ produkte einer chargenbetriebenen Fermentation betrachtet; die dem jeweiligen Modell zugrundeliegenden Meßwerte sind jedoch zum Teil ebenfalls sekundäre Stoffwechselprodukte. Sie werden außerdem mit HPLC und GC ermittelt, also mit der gleichen bzw. einer genau so aufwendigen Meßtechnik, mit der sich der gesuchte Meß­ wert auch direkt bestimmen ließe. Aus diesem Grund stehen die zugrundeliegenden Meßwerte (damit auch der Schätzwert) auch nicht automatisch online zur Verfügung. Die Messungen erfordern nämlich Proben­ aufbereitungen und sind daher zeitaufwendig. Das von L. A. Garcia et al. beschriebene Verfahren betrifft also die Ermittlung einer kompliziert zu messenden Größe aus anderen, ebenso kompliziert zu messenden Größen, bei denen es sich zum Teil ebenfalls um sekundäre Stoff­ wechselprodukte der Fermentation handelt.

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur Echtzeit-Ermittlung der Konzentration eines Sekun­ där-Stoffwechselprodukts so wie seiner möglicherweise vorhandenen Vorläufer in einem chargenbetriebenen Fer­ mentationsprozeß anhand von in Echtzeit meßbaren physi­ kalischen und/oder chemischen Parametern des Fermenta­ tionsprozesses anzugeben, und zwar unter der Randbedin­ gung, daß die Kausalität der Konzentration des Sekun­ där-Stoffwechselprodukts mit den meßbaren Parametern unbekannt ist.

Zur Lösung dieser Aufgabe wird mit der Erfindung ein Verfahren vorgeschlagen zur Echtzeit-Ermittlung der Konzentration eines Sekundär-Stoffwechselprodukts sowie seiner möglicherweise vorhandenen Vorläufer in einem chargenbetriebenen Fermentationsprozeß unabhängig von der jeweiligen Phase dieses Prozesses anhand von in Echtzeit meßbaren physikalischen und/oder chemischen Parametern des Fermentationsguts, und zwar zumindest anhand der Temperatur, des pH-Wertes und der Dichte des Fermentationsguts, bei dem man zu einem Zeitpunkt sämtliche bis zu diesem Zeitpunkt meßtechnisch ermit­ telten Meßwertsätze für die physikalischen und/oder chemischen Parameter mindestens einem neuronalen Netz zuführt, das einen Schätzwert für die Konzentration des Sekundär-Stoffwechselprodukts ausgibt.

Mit der Erfindung wird also vorgeschlagen, die Konzen­ tration des interessierenden Sekundär-Stoffwechselpro­ dukts abzuschätzen, und zwar auf der Grundlage von meß­ technisch leicht zugänglichen Stoffgrößen bzw. physika­ lischen und/oder chemischen Parametern. Die Schwierig­ keit der Abschätzung der Konzentration eines Sekundär- Stoffwechselprodukts bei einem chargenbetriebenen Fer­ mentationsprozeß besteht darin, daß die Konzentration starken Schwankungen unterworfen ist. Überraschender­ weise ist es mit der Erfindung möglich, auch solche stark schwankenden Konzentrationsverläufe anhand meß­ barer Stoffgrößen bzw. Parameter, die ebenfalls starken Schwankungen unterworfen sind, zuverlässig abschätzen zu können.

Vorteilhafterweise wird dem neuronalen Netz neben den physikalischen und/oder chemischen Parametern auch die Konzentration mindestens eines Primär-Stoffwechsel­ produkts zugeführt, um die Schätzung auch auf der Grundlage der Konzentration dieses Primär-Stoffwech­ selprodukts durchzuführen. Im Falle der Bierherstellung handelt es sich bei diesem mindestens einen Primär- Stoffwechselprodukt um Ethanol.

In vorteilhafter Weise ist nach der Erfindung vorge­ sehen, daß man dem neuronalen Netz in einer Lernphase die gemessenen physikalischen und/oder chemischen Para­ meter zu diskreten Meßzeitpunkten als Eingabewerte vor­ gibt, daß man die Konzentration des Sekundär-Stoffwech­ selprodukts sowie dessen Vorläufer mittels einer Off­ line-Analyse mißt und diesen Meßwert mit dem sich auf­ grund der Eingabewerte ergebenden Schätzwert der Schätzvorrichtung vergleicht und daß man in Abhängig­ keit von dem Vergleichsergebnis das neuronale Netz adaptiert, so daß der Meßwert und der Schätzwert im wesentlichen übereinstimmen. In der Lernphase werden dem neuronalen Netz zu einem Schätzpunkt als Ein­ gabewerte sämtliche Eingabewerte vorgegeben, die zu den vorherigen Meßzeitpunkten meßtechnisch ermittelt worden sind. Als Eingabewerte kommen dabei die Meßwerte der physikalischen und/oder chemischen Parameter des Fer­ mentationsprozesses und gegebenenfalls die Konzentra­ tion des mindestens einen Primär-Stoffwechselprodukts in Frage. Das neuronale Netz gibt einen Schätzwert aus, der mit dem konventionell, d. h. durch eine Offline- Analyse ermittelten Meßwert der Konzentration des Sekundär-Stoffwechselprodukts verglichen wird. In Abhängigkeit von dem Vergleichsergebnis wird das neuronale Netz adaptiert, und zwar so lange, bis der Meßwert und der Schätzwert im wesentlichen über­ einstimmen. Entsprechende Lernprozesse sind verfügbar und in der Literatur beschrieben.

Alternativ kann das neuronale Netz nach der Erfindung den Schätzwert zum Ist-Zeitpunkt oder den Schätzwert zu einem wählbaren zukünftigen Zeitpunkt ausgeben.

Insbesondere ist es mit dem erfindungsgemäßen Verfahren möglich, den zukünftigen Zeitverlauf der Konzentration des Sekundär-Stoffwechselprodukts, der Konzentration des möglicherweise vorhandenen Primär-Stoffwechselpro­ dukts sowie mindestens eines der physikalischen und/­ oder chemischen Parameter vorherzusagen. In diesem Fall wird der Schätzwert für die Konzentration des Sekundär- Stoffwechselprodukts einem Prädiktor zugeführt. Vor­ zugsweise umfaßt auch der Prädiktor ein oder mehrere künstliche neuronale Netze.

Bezogen auf den Gärungs- und Reifungsprozeß bei der Bierherstellung besteht die Erfindung also in der rech­ nergestützten Ermittlung der zum jeweiligen Zeitpunkt in einem Gärbehälter vorliegenden Diacetyl-Konzentra­ tion, ohne diese Konzentration selbst meßtechnisch zu bestimmen. Zu diesem Zweck wird ein in seiner Struktur speziell an diese Aufgabe angepaßtes künstliches neuro­ nales Netz eingesetzt. Die Schätzung der gesuchten Kon­ zentration beruht dabei auf der Messung des aktuellen Zustandes der Fermentation, gegeben durch leicht meß­ bare Stoffgrößen und den Verlauf dieser Größen seit Prozeßbeginn. Mit Hilfe dieser Informationen erlernt das neuronale Netz selbsttätig die zugrundeliegenden dynamischen Zusammenhänge der Diacetyl-Entstehung und des Diacetyl-Abbaus. Im Einsatz kann das neuronale Netz dann den Augenblickswert der Diacetyl-Konzentration und gemäß einer vorteilhaften Weiterbildung der Erfindung auch die zukünftige Entwicklung über den Gärungsverlauf mit hinreichender Genauigkeit für die technische Praxis schätzen. Das Verdienst der Erfindung ist also darin zu sehen, erstmalig einen Weg aufgezeichnet zu haben, der es erlaubt, online die Gesamtkonzentration an Diacetyl bei der Bierherstellung während des Gärungs- und Reifungsprozesses zu ermitteln. Die erfindungsgemäße Online-Schätzung der Diacetyl-Konzentration ist tech­ nische Voraussetzung dafür, daß der Gärungs- und Reifungsprozeß bei der Bierherstellung auch in Abhängigkeit dieser Größe in Echtzeit geregelt werden kann.

Die Erfindung ist auch insoweit vorteilhaft, als mit ihrer Hilfe die Zahl der erforderlichen Diacetyl-Analy­ sen deutlich reduziert werden kann. Dies führt zu einer Kosteneinsparung, da die Diacetyl-Analytik im Labor sehr kapital- und arbeitsintensiv ist.

Weitere Einsparungsmöglichkeiten ergeben sich durch die immer aktuell vorliegende Information über den Diace­ tyl-Gehalt während der Reifung. Dies bedeutet im Ver­ gleich zum jetzigen Stand der Technik (tägliche Probe­ nahme, weitere Verzögerung durch die Offline-Analyse im Labor), daß der aktuelle Diacetyl-Gehalt und damit das Erreichen der Endbedingung für den Reifungsprozeß deut­ lich früher bekannt ist. Dadurch ist eine kürzere Pro­ zeßzeit möglich.

Weitere Verbesserungen sind mit Hilfe der zusätzlichen Vorhersage möglich. Damit kann bereits einige Zeit im voraus der voraussichtliche Zeitpunkt des Prozeßendes geschätzt werden und die Planung des Arbeits- und Pro­ duktionsablaufs bereits frühzeitig entsprechend abge­ stimmt werden.

Nachfolgend werden anhand der Figuren Ausführungsbei­ spiele der Erfindung näher erläutert, und zwar anhand des Gärungs- und Reifungsprozesses bei der Bierherstel­ lung. Im einzelnen zeigen:

Fig. 1 die Struktur des Fermentations-Prozeßmodells in der Lernphase der Schätzvorrichtung,

Fig. 2 die Struktur des Fermentations-Prozeßmodells in der Schätzphase,

Fig. 3 die Struktur des Fermentations-Prozeßmodells in der Prädiktionsphase und

Fig. 4 ein Diagramm, in dem die Meßkurve eines Diacetyl-Verlaufs im Vergleich zur Schätzung dargestellt ist.

Anhand von Fig. 1 soll nachfolgend auf die Struktur des Prozeßmodells für die Fermentation bei der Bierherstel­ lung eingegangen werden. Dem Fermentationstank 10, in dem die Gärung und die Reifung erfolgt, werden als Stellsignale die Temperatur und der Druck, mit denen der Fermentationsprozeß gefahren wird, zugeführt. Wie man anhand von Fig. 1 erkennen kann, werden dem Fermen­ tationstank 10 Temperatur- und Druckprofile aufgeprägt. Durch Online-Messung direkt erfaßbare Größen wie die Konzentration des Ethanols, die Trübung und die Dichte (bzw. der Extrakt) werden zusammen mit dem Druck und der Temperatur einer Schätzvorrichtung in Form eines neuronalen Netzes 12 zugeführt. Diese Meßdaten, unter denen sich die Diacetyl-Konzentration nicht befindet, werden diskontinuierlich gemessen. Sämtliche bis zu einem Zeitpunkt t gemessenen Meßwerte werden als Ein­ gangswerte dem neuronalen Netz 12 zugeführt. Das neuro­ nale Netz 12 liefert an seinem Ausgang einen Schätzwert für die Diacetyl-Konzentration zum Zeitpunkt t. In der Lernphase (in Fig. 1 dargestellt) wird der vom neurona­ len Netz 12 ausgegebene Schätzwert in einer Ver­ gleichervorrichtung 14 mit dem für diesen Zeitpunkt nach herkömmlicher Offline-Messung ermittelten Diace­ tyl-Konzentration verglichen. In Abhängigkeit von dem Vergleichsergebnis wird das neuronale Netz 12 opti­ miert, so daß der Meßwert für die Diacetyl-Konzentra­ tion im wesentlichen gleich dem Schätzwert ist. Die Lernphase erfolgt offline, da die meßtechnische Ermitt­ lung der Diacetyl-Konzentration lediglich offline er­ folgen kann.

Die Situation in der Schätzphase ist in Fig. 2 darge­ stellt. In der Schätzphase werden sämtliche bis zu einem bestimmten Meßzeitpunkt t meßtechnisch ermittel­ ten Meßwertsätze (Ethanol-Konzentration, Dichte, Trübung, Temperatur und Druck) dem neuronalen Netz 12 zugeführt, das dann den Schätzwert für die Diacetyl- Konzentration zum Zeitpunkt t ausgibt. Das neuronale. Netz 12 "kennt" aufgrund seiner Lernphase die bei einer bestimmten Konstellation von Meßwerten zu erwartende Diacetyl-Konzentration.

Fig. 3 zeigt die Struktur des Prozeßmodells der Fermen­ tation bei der Bierherstellung in einer Prädiktions­ phase, in der aufgrund der aktuell anstehenden meßtech­ nisch ermittelten Parameter bzw. Stoffgrößen und infol­ ge der Schätzung ermittelten Diacetyl-Konzentration Vorhersagen über den weiteren Prozeßverlauf gemacht werden können. Dem in der Lernphase gemäß Fig. 1 trai­ nierten neuronalen Netz 12 werden wieder sämtliche meß­ technisch zur Verfügung stehenden Daten zugeführt, um die Diacetyl-Konzentration zum Zeitpunkt t zu bestim­ men. Die Daten bezüglich des bis zum Meßzeitpunkt t bereits bekannten Prozeßverlaufs (Ethanol-Konzentra­ tion, Dichte und Trübung) sowie die bis zu diesem Zeit­ punkt geplanten Stellgrößenverläufe (Temperatur und Druck) werden Prädiktoren 16, 18, 20 zugeführt, bei denen es sich jeweils um neuronale Netze handelt. Der Prädik­ tor 16 gibt an seinem Ausgang den weiteren Zeitverlauf für die Ethanol-Konzentration aus. Der weitere Zeitver­ lauf für die Dichte (Extrakt) steht am Ausgang des Prä­ diktors 18 an, während der zu erwartende Zeitverlauf für die Diacetyl-Konzentration am Ausgang des Prädik­ tors 20 ansteht. Für jeden Prädiktor 16, 18, 20 gilt, daß sein Ausgang an den Eingang der jeweils anderen beiden Prädiktoren angelegt wird. Mit Hilfe der Prädiktion der Zeitverläufe für die Ethanol-Konzentration, die Dichte, gegebenenfalls die Trübung und für die Diacetyl-Konzen­ tration ist es möglich, frühzeitig in den Fermenta­ tionsprozeß über die Stellsignale Temperatur und Druck einzuwirken, um damit den Gärungs- und Reifeprozeß zeitlich und bezüglich der Qualität des Gärungs- und Reifeguts am Ende der Fermentation zu optimieren.

Aus Gründen der Vereinfachung ist die Struktur des Pro­ zeßmodells während der Lernphase der Prädiktoren 16, 18 und 20 nicht dargestellt. Diese Lernphase ist ähnlich der Lernphase gemäß Fig. 1 und läuft ganz entsprechend ab.

Ein Beispiel für eine Diacetyl-Schätzung im Vergleich zur Messung des Diacetyl-Verlaufs ist in Fig. 4 gezeigt und soll nachfolgend kurz erläutert werden. Der gerastert dargestellte Bereich in dem Diagramm gemäß Fig. 4 zeigt die Schwankungsbreite der Diacetyl- Verläufe während mehrerer durchgeführter Versuche (Gärung und Reifung von Bier). Mit den gemessenen Daten wurde ein dynamisches neuronales Netz zur Schätzung der Diacetyl-Konzentration anhand der Temperatur, des pH-Wertes und der Dichte des Gärungs- und Reifungsgutes trainiert. Zur Überprüfung wurden die einfachen Meß­ daten eines weiteren nicht für das Training verwendeten Prozeßverlaufs auf das neuronale Netz gegeben. Der von dem neuronalen Netz ausgegebene Diacetyl-Verlauf ist in Fig. 4 durchgezogen gezeichnet. Zum Vergleich ist in Fig. 4 der tatsächliche Diacetyl-Verlauf dieses Versuchs, der durch Messung ermittelt wurde, gepunktet eingezeichnet. Die Daten der gepunkteten Kurve standen dem neuronalen Netz zu keinem Zeitpunkt zur Verfügung (weder während der Lernphase noch während der Anwendungsphase). Es zeigt sich also, daß sich mit dem erfindungsgemäßen Verfahren der Verlauf der Konzentration von Diacetyl beim Gärungs- und Reifungs­ prozeß von Bier relativ gut schätzen läßt.

Claims (10)

1. Verfahren zur Echtzeit-Ermittlung der Konzentration eines Sekundär-Stoffwechselprodukts sowie seiner mög­ licherweise vorhandenen Vorläufer in einem chargenbe­ triebenen Fermentationsprozeß unabhängig von der je­ weiligen Phase dieses Prozesses anhand von in Echt­ zeit meßbaren physikalischen und/oder chemischen Parametern des Fermentationsguts, und zwar zumindest anhand der Temperatur, des pH-Wertes und der Dichte des Fermentationsguts, bei dem man zu einem Zeitpunkt sämtliche bis zu diesem Zeitpunkt meßtechnisch ermit­ telten Meßwertsätze für die physikalischen und/oder chemischen Parameter mindestens einem neuronalen Netz zuführt, das einen Schätzwert für die Konzentration des Sekundär-Stoffwechselprodukts ausgibt.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß dem neuronalen Netz als weiterer physikalischer und/oder chemischer Parameter der Druck und/oder die Trübung des Fermentationsguts zugeführt wird.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekenn­ zeichnet, daß man zusätzlich zu den physikalischen und/oder chemischen Parametern die Konzentration mindestens eines Primär-Stoffwechselprodukts, bei dem es sich im Falle des Gärungs- und Reifungsprozesses bei der Bierherstellung um Ethanol handelt, mißt und dem neuronalen Netz zusammen mit den Meßwerten für die physikalischen und/oder chemischen Parameter zum Erzeugen des Schätzwerts für die Konzentration des Sekundär-Stoffwechselprodukts zuführt.

4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, daß es sich bei dem Sekundär-Stoff­ wechselprodukt, dessen Konzentration mittels des neuronalen Netzes zu schätzen ist, im Falle des Gärungs- und Reifungsprozesses bei der Bier­ herstellung um Diacetyl handelt.

5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß man dem neuronalen Netz in einer Lernphase die gemessenen physikalischen und/oder chemischen Parameter zu diskreten Meßzeitpunkten als Eingabewerte vorgibt, daß man die Konzentration des Sekundär-Stoffwechselprodukts sowie dessen Vorläufer mittels einer Offline-Analyse mißt und diesen Meßwert mit dem sich aufgrund der Eingabewerte ergebenden Schätzwert des neuronalen Netzes vergleicht und daß man das neuronale Netz in Abhängigkeit von dem Vergleichsergebnis adaptiert, so daß der Meßwert und der Schätzwert im wesentlichen übereinstimmen.

6. Verfahren nach Anspruch 3 und 5, dadurch gekenn­ zeichnet, daß dem neuronalen Netz in der Lernphase auch der Meßwert für die Konzentration des Primär- Stoffwechselprodukts vorgegeben wird.

7. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß das neuronale Netz den Schätzwert zum Ist-Zeitpunkt ausgibt.

8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß der Schätzwert für die Konzentration des Sekundär-Stoffwechselprodukts einem Prädiktor zugeführt wird, wobei der Prädiktor den zu erwartenden weiteren Zeitverlauf der Konzentration des Sekundär-Stoffwechselprodukts sowie des möglicherweise vorhandenen Primär-Stoffwechsel­ produkts sowie mindestens eines der physikalischen und/oder chemischen Parameter ausgibt.

9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, daß der Prädiktor ein oder mehrere künstliche neuronale Netze aufweist.

10. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß das neuronale Netz den Schätzwert für das Sekundär-Stoffwechselprodukt für einen wähl­ baren zukünftigen Zeitpunkt ausgibt.