Der am schweizerischen Empa forschende Dr. Mark Schubert verändert Holzeigenschaften mithilfe des Enzyms Laccase. Das Enzym weist eine hohe spezifische Aktivität und Stabilität auf und wirkt auf eine Vielzahl von Substraten ein, wie es im Fachartikel "Enzymatic biocatalysis of bamboo chemical constituents to impart antimold properties" der Springer-Fachzeitschrift "Wood Science and Technology" heißt. Daher sei es in bestimmten organischen Syntheseanwendungen von Wert.
So kann es beispielsweise die chemische Struktur der Holzoberfläche verändern und damit zusätzliche Funktionen von Holz ermöglichen, wie Schubert erklärt. Und das, ohne die Struktur des Werkstoffs zu verändern. So entstehen etwa wasserfeste oder antimikrobielle Holzoberflächen.
Daten für Muster
Allerdings hatte die Sache bisher noch einen Haken: Die Suche nach den passenden Zusammensetzungen war sehr komplex, da es viele Varianten des Enzyms Laccase gibt, die nicht alle mit dem gewünschten Substrat reagieren. Damit waren die Versuchsreihen bisher teuer und langwierig. Der Empa-Wissenschaftler setzt daher auf künstliche Intelligenz, kurz KI.
Ein mit Daten aus der Fachliteratur und eigenen Experimenten gefüttertes Computerprogramm wird dazu trainiert, Muster zu erkennen: Welche Laccase oxidiert welches Substrat? Unter welchen Bedingungen könnte der erwünschte chemische Prozess am besten stattfinden? Zum Einsatz kommt also eine Deep Learning-Software, die inzwischen sogar dann brauchbare Ergebnisse liefert, wenn nicht alle Details über den chemischen Mechanismus bekannt sind.
Selbstlernende Software
Entscheidend für den Erfolg sei die Bereitstellung der Daten in passender Form sowie die Architektur des gewählten "deep learning"-Netzwerks, erklärt Schubert, der seit mehreren Jahren mit neuronalen Netzen arbeitet. Dabei handelt es sich um "informationsverarbeitende Systeme, die aus einer großen Anzahl von Neuronen (Nervenzellen) bestehen", wie Sebastian Dorn im Kapitel "Neuronale Netze" des Springer-Fachbuchs "Programmieren für Ingenieure und Naturwissenschaftler" erklärt. Dorn weiter: "Die Aufgabe eines neuronalen Netzes ist das Erlernen von neuen Fähigkeiten durch Nachahmung mit dem Prinzip von Versuch und Irrtum. Das Ziel künstlicher neuronaler Netze ist es, dieses Prinzip des Lernens in Form eines Computerprogramms nachzubilden." Das Netz werde dabei durch eine Menge von Trainingsdaten auf ein spezielles Verhalten trainiert. Eine grundlegende Fähigkeit eines neuronalen Netzes sei die Erkennung und Einordnung von speziellen Mustern.
Auch Schubert trainiert seine Algorithmen mit bekannten Datensätzen und testet sie mit Datensätzen, die das System noch nie gesehen hat. Dabei hat er für seine Suchmaschine "Smart Wood" herausgefunden: Früher konnte er, Schubert, nur sorgfältig ausgesuchte, aussagekräftige Daten verwenden, um zu guten Ergebnissen zu kommen. Doch inzwischen testet er seine Systeme auch mit teils unbrauchbaren Datenhaufen: Die Maschine erkennt selbständig, was sie brauchen kann und was nicht.
Das System ist bereits so weiterentwickelt worden, dass es inzwischen zum Einsatz in der Industrie kommt: bei der Produktion von selbstbindenden Isolationsplatten unter Laccase-Einsatz. Die mit Sensoren ausgestattete Produktion liefert Daten, die von Schuberts Computerprogramm in einen Zusammenhang gebracht werden. Falls an einer Stelle der Faserverarbeitung mal etwas schiefgeht, wird der Fehler erkannt und die Produktion kann nachjustiert werden. So wird die Produktqualität gehalten.