7.785 kB - Hochschule Ulm
Transcrição
7.785 kB - Hochschule Ulm
Inline-Bestimmung des Ethanol- und Glucosegehalts in einem Laborfermenter mit Hilfe der NIR-Spektroskopie und multivariater Datenanalyse Master-Thesis im Fachbereich Medizintechnik der Fakultät Mechatronik und Medizintechnik an der Hochschule Ulm Vorgelegt von Sascha Princz Matrikelnummer: 3105468 Ulm, April.2012 Erstprüfer: Prof. Dr. rer. nat. Martin Heßling Zweitprüfer: Prof. Dr. rer. nat. Harald Groß Bearbeitungszeitraum: Oktober.2011 bis April.2012 Eidesstattliche Erklärung Eidesstattliche Erklärung Hiermit versichere ich, Sascha Princz, geboren am 17.01.1977 in Weißenhorn, dass ich die vorliegende Master-Thesis mit dem Thema: „Inline-Bestimmung des Ethanol- und Glucosegehalts in einem Laborfermenter mit Hilfe der NIR-Spektroskopie und multivariater Datenanalyse“ im Fachbereich Medizintechnik/ Biotechnologie der Fakultät Mechatronik und Medizintechnik an der Hochschule Ulm, selbständig verfasst und keine anderen als die von mir angegebenen Hilfsmittel und Quellen verwendet habe. Alle wörtlichen und sinngemäßen Zitate sind in dieser Arbeit als solche kenntlich gemacht. Die Arbeit hat in gleicher oder ähnlicher Form noch keiner Prüfungsbehörde vorgelegen. (Ort, Datum) Sascha Princz (Unterschrift) I Danksagung Danksagung Meine Master-Thesis entstand im Biotechnologie-Labor des Fachbereichs Medizintechnik/ Biotechnologie der Fakultät Mechatronik und Medizintechnik an der Hochschule Ulm. An dieser Stelle möchte ich mich recht herzlich bei Herrn Professor Dr. rer. nat. Martin Heßling und Herrn Professor Dr. rer. nat. Harald Groß für die Betreuung meiner MasterThesis bedanken. Ganz besonders möchte ich mich bei Frau Dipl. Ing. (FH) Ulla Wenzel und Herrn Dipl. Ing. (FH) Rudolf Miller bedanken. Beide unterstützten mich in jeglicher Art und Weise mit ihrer fachlichen Kompetenz bei der Erstellung meiner Master-Thesis. Abschließend noch ein großer Dank an meine Eltern für die Unterstützung während der gesamten Zeit meines Studiums und an meinen Sohn Jan für die schönen Momente der Ablenkung während meiner Master-Thesis. Sascha Princz II Zusammenfassung Zusammenfassung Im Rahmen dieser Master-Thesis wurde erfolgreich ein Nahinfrarotspektroskopie (NIRS)System für eine Inline-Messung der Glucose- und Ethanolkonzentration während einer Hefefermentation in dem Laborfermenter der Hochschule Ulm erstellt. Darüber hinaus erfolgte eine Erstellung und Erprobung verschiedener Kalibriermodelle für eine chemometrische Auswertung der mit Hilfe der NIRS gewonnenen spektralen Daten im Bezug auf ihren Informationsgehalt zur Aussage über die Glucose- und Ethanolkonzentration in der Fermentationsbrühe. Die spektralen Messungen wurden nach dem Transflexionsprinzip in einem Wellenlängenbereich von 1100 nm bis 2100 nm durchgeführt. Zunächst erfolgte in Form diverser Vorversuche eine Einarbeitung in die Systematik und Problematik der Aufgabenstellung. Im Rahmen dieser Vorversuche wurden Aufzeichnungen verschiedener NIR-Spektren vorgenommen. So wurden unter anderem Absorptionsspektren von Glucose und Ethanol erstellt. Weiterhin erfolgten ausführlichere Untersuchungen zur Temperaturabhängigkeit temperaturabhängige der Absorptionsspektren Verschiebung der mit von Hilfe der Wasser, NIRS mit Bezug detektierten auf die relevanten Absorptionsbanden zwischen 1100 nm bis 2100 nm. Bereits hier wurde ein Kalibriermodell erstellt und Vorhersagen zu Glucose- und Ethanolkonzentrationen in wässrigen Probenlösungen durchgeführt. Es wurde bei den Vorversuchen eine Problematik durch einwandernde CO2-Blasen in den Spalt der Transflexionssonde festgestellt und eine Methode zur Korrektur der dadurch verfälschten Absorptionsspektren entwickelt. Nach Abschluss der Vorversuche erfolgten anaerobe Saccharomyces cerevisiae Fermentationen in einem Ein-Liter-Schüttelkolben, während deren Durchführung NIRSpektren mittels einer Inline-Messung aufgezeichnet wurden. Im Anschluss erfolgte mit Hilfe der gewonnenen Daten die Erstellung eines Kalibriermodells und Vorhersagen zur Glucoseund Ethanolkonzentration bei anaeroben Schüttelkolbenfermentationen. Die Proben wurden zusätzlich nach dem Abzentrifugieren der Hefezellen erneut spektroskopisch vermessen und chemometrisch ausgewertet. In einer anaeroben Hefefermentation mit Saccharomyces cerevisiae kam es letztendlich zum Test des NIRS-Systems im Einsatz im Sieben-Liter-Laborfermenter der Hochschule Ulm. Es erfolgte auch hier eine Erstellung eines Kalibriermodells sowie Vorhersagen zur Glucoseund Ethanolkonzentration aus den gewonnenen Daten. Die Erstellung der Kalibriermodelle sowie die anschließende chemometrische Auswertung im Hinblick auf die Vorhersage der Glucose- und Ethanolkonzentration erfolgten mit der Software „The Unscrambler“. Sascha Princz III Inhaltsverzeichnis Inhaltsverzeichnis Eidesstattliche Erklärung ..................................................................................................... I Danksagung ...................................................................................................................... II Zusammenfassung ............................................................................................................ III Inhaltsverzeichnis ............................................................................................................. IV Abbildungsverzeichnis ..................................................................................................... VII Tabellenverzeichnis .......................................................................................................... XI Abkürzungsverzeichnis .................................................................................................... XIII 1 Einleitung und Aufgabenstellung ................................................................................ 1 2 Stand der Technik und Literaturrecherche ................................................................... 4 3 Grundlagen ................................................................................................................ 7 3.1 Optische Spektroskopie ................................................................................................. 7 3.1.1 NIR-Spektroskopie ................................................................................................ 8 3.1.2 NIR-Spektrometer ............................................................................................... 11 3.1.2.1 FTIR-Spektrometer .................................................................................. 12 3.1.2.2 Dioden-Array-Spektrometer ................................................................... 12 3.1.3 Sondentechnik .................................................................................................... 13 3.1.3.1 Transmission ........................................................................................... 14 3.1.3.2 Transflexion ............................................................................................ 15 3.1.3.3 ATR ......................................................................................................... 16 3.2 Chemometrie ............................................................................................................... 18 3.2.1 Principal Component Analysis ............................................................................. 19 3.2.1.1 Mathematisches Modell der PCA .............................................................. 21 3.2.2 Partial Least Squares Regression ......................................................................... 22 3.2.2.1 Mathematisches Modell der PLS ............................................................... 23 3.2.3 Beispiel PCA und PLS ........................................................................................... 25 3.3 Versuchsplan/ DOE ...................................................................................................... 29 3.3.1 Mischungspläne .................................................................................................. 30 3.3.2 Einschränkungen ................................................................................................ 31 3.4 Kalibrierung und Validierung ....................................................................................... 32 3.4.1 Standardfehler der Kalibration ............................................................................ 33 3.4.2 Root Mean Square Error ...................................................................................... 34 3.4.3 Standard Error .................................................................................................... 34 3.4.4 Residualanalyse und Bestimmtheitsmaß.............................................................. 35 Sascha Princz IV Inhaltsverzeichnis 3.5 Spektrale Daten ........................................................................................................... 36 3.5.1 Geeigneter Spektral-/ Frequenzbereich .............................................................. 37 3.5.2 Vorbehandlung von Spektren .............................................................................. 37 3.5.2.1 Mittenzentrierung.................................................................................... 38 3.5.2.2 Normierung ............................................................................................. 38 3.5.2.3 Glättung .................................................................................................. 39 3.5.2.4 Basislinienkorrektur................................................................................. 40 3.5.2.5 Ableitung ................................................................................................ 41 3.6 Software für Chemometrie ........................................................................................... 42 3.7 Fermentation ............................................................................................................... 43 3.7.1 Fermentationsprozess ........................................................................................ 43 3.7.2 Fermentertechnik ................................................................................................ 44 3.7.3 Prozessanalytik ................................................................................................... 46 3.8 Hefe-Saccharomyces cerevisiae ................................................................................... 47 3.8.1 Physiologie von Saccharomyces cerevisiae .......................................................... 47 3.8.2 Stoffwechsel von Saccharomyces cerevisiae ........................................................ 47 3.8.2.1 Oxidation von Glucose ............................................................................ 47 3.8.2.2 Oxidation von Ethanol ............................................................................. 48 3.8.2.3 Crabtree-Effekt ....................................................................................... 48 3.8.2.4 Pasteureffekt ........................................................................................... 49 4 Verwendete experimentelle Technik .......................................................................... 50 4.1 Aufbau und Integration NIR-Messsystem ..................................................................... 50 4.2 Spektrometer ............................................................................................................... 51 4.2.1 Spektrometer Software ........................................................................................ 52 4.3 Sensor und Messaufbau ............................................................................................... 52 4.3.1 Transflexion ....................................................................................................... 52 4.3.2 Transmission ...................................................................................................... 55 4.4 Lichtquelle ................................................................................................................... 55 4.4.1 Lichtleitfaser ....................................................................................................... 57 4.4.2 Shutter ................................................................................................................ 57 4.5 Temperiereinheit ......................................................................................................... 58 4.5.1 Magnetrührer mit Heizplatte ............................................................................... 58 4.5.2 Elektronisches Kontaktthermometer ................................................................... 59 4.6 Laborfermenter der Hochschule Ulm ............................................................................ 60 5 Experimentelle Ergebnisse ........................................................................................ 62 5.1 Versuchsplanung/ DOE ................................................................................................ 62 5.2 Probenherstellung ........................................................................................................ 64 5.3 Virtueller Bioreaktor ..................................................................................................... 64 5.4 Temperaturabhängigkeit.............................................................................................. 66 5.4.1 Experimenteller Aufbau und Durchführung......................................................... 66 Sascha Princz V Inhaltsverzeichnis 5.4.2 Auswertung und Ergebnisse................................................................................ 67 5.5 Spektren ...................................................................................................................... 70 5.5.1 Wasser ................................................................................................................ 71 5.5.2 Ethanol ............................................................................................................... 73 5.5.3 Glucose ............................................................................................................... 76 5.5.4 Vergleich der Absorptionsspektren ..................................................................... 80 5.5.5 Hefe-Wasser-Gemisch ........................................................................................ 81 5.5.6 Glucose-Ethanol-Wasser-Gemisch ..................................................................... 84 5.6 Kalibriermodell ............................................................................................................ 85 5.7 Erste Vorhersagen ........................................................................................................ 87 5.7.1 Vorhersage Glucose-Ethanol-Wasser-Gemisch ................................................... 91 5.7.2 Vorhersage YPD-Probe ....................................................................................... 94 5.7.3 Vorhersage Bier .................................................................................................. 97 5.7.4 Probleme ............................................................................................................ 99 6 Schüttelkolbenfermentation .................................................................................... 106 6.1 Vorbereitung der Schüttelkolbenfermentation ........................................................... 106 6.2 Durchführung der Schüttelkolbenfermentation .......................................................... 107 6.3 Auswertung der Schüttelkolbenfermentation ............................................................. 108 6.3.1 Offline-Auswertung .......................................................................................... 108 6.3.2 Online-Auswertung .......................................................................................... 110 6.3.3 Auffälligkeiten .................................................................................................. 119 7 Testfermentation.................................................................................................... 125 7.1 Vorbereitung der Fermentation .................................................................................. 125 7.2 Durchführung der Fermentation ................................................................................ 126 7.3 Auswertung der Fermentation .................................................................................... 126 7.3.1 Offline-Auswertung .......................................................................................... 127 7.3.2 Online-Auswertung .......................................................................................... 128 7.3.3 Auffälligkeiten .................................................................................................. 133 8 Zusammenfassung der Ergebnisse und Ausblick...................................................... 138 Literaturverzeichnis ....................................................................................................... 142 Anhang ......................................................................................................................... 145 A 1 Tabellen zum Kapitel 2 .............................................................................................. 145 A 2 Datenblätter zu den Chemikalien ............................................................................... 152 A 3 Bedienungsanleitungen Offline-Auswertung .............................................................. 158 Sascha Princz VI Abbildungsverzeichnis Abbildungsverzeichnis Abb. 1: Auszug zu elektromagnetische Strahlung unter Angabe der Wellenlänge und Frequenz [10] .................................................................................................................... 7 Abb. 2: Energiediagramm eines anharmonischen Oszillators, Schwingungsarten der IR Spektroskopie; modifiziert nach [2, 13] ............................................................................ 10 Abb. 3: Vereinfachtes Prinzipschema eines FTIR-Spektrometers mit MichelsonInterferometer; modifiziert nach [15]................................................................................ 12 Abb. 4: Vereinfachtes Prinzipschema eines Dioden-Array-Spektrometers; modifiziert nach [16] ................................................................................................................................. 13 Abb. 5: Prinzipskizze zur Transmissionssonde ................................................................. 15 Abb. 6: Prinzipskizze zur Transflexionssonde................................................................... 16 Abb. 7: Prinzipskizze ATR Sonde ...................................................................................... 17 Abb. 8: Detail evaneszentes Feld der ATR Sonde ............................................................... 17 Abb. 9: Übersicht der interdisziplinären Beziehungen in der Chemometrie, modifiziert nach [19] ................................................................................................................................. 19 Abb. 10: Schematische Darstellung der Matrizen einer PCA; modifiziert nach [20, 23] ........ 21 Abb. 11: Schematische Darstellung der Matrizen einer PLS; modifiziert nach [20, 23]......... 24 Abb. 12: Spektren der 5 Messungen über 5 Wellenlängen ................................................. 25 Abb. 13: Matrix der 5 Messungen über 5 Wellenlängen, entspricht der X-Matrix................ 25 Abb. 14: Gewichtsmatrix T der X-Matrix nach einer PCA ................................................... 26 Abb. 15: Hauptkomponentenmatrix PT der X-Matrix nach einer PCA.................................. 26 Abb. 16: Residuenmatrix E der X-Matrix nach einer PCA ................................................... 26 Abb. 17: Daten aus einer Referenzanalytik für zwei Stoffe eines Gemischs......................... 26 Abb. 18: Matrix der 5 Referenzmessungen 2er Stoffe, entspricht der Y-Matrix .................. 27 Abb. 19: Gewichtsmatrix T der X-Matrix nach einer PLS .................................................... 27 Abb. 20: Faktorenmatrix PT der X-Matrix nach einer PLS ................................................... 27 Abb. 21: Residuenmatrix E der X-Matrix nach einer PLS .................................................... 27 Abb. 22: y-Vektor der Konzentration K1 über 5 (Referenz)Messungen für die PLS .............. 28 Abb. 23: Gewichtsmatrix U der Y-Matrix bzw. des y-Vektors nach einer PLS...................... 28 Abb. 24: qT-Vektor (bzw. Faktorenmatrix QT) des y-Vektors (bzw. Y-Matrix) nach einer PLS ....................................................................................................................................... 28 Abb. 25: Residuenvektor f (bzw. Residuenmatrix F) des y-Vektors (bzw. Y-Matrix) nach einer PLS.................................................................................................................................. 28 Abb. 26: Übersicht zu möglichen Arten von Versuchsplänen, modifiziert nach [25] ............ 30 Abb. 27: Darstellung eines (3,3) Gitterplanes .................................................................... 31 Abb. 28: schematische Darstellung zur Generierung eines Kalibriermodells ....................... 32 Abb. 29: schematische Darstellung zur Vorhersage .......................................................... 33 Abb. 30: Eigenschaften der Software "The Unscrambler"; modifiziert nach [30] .................. 42 Abb. 31: stark vereinfachte Skizze zur Integration des NIR-Messsystems in das Bioprozesssystem ............................................................................................................ 50 Abb. 32: Spektrometer TIDAS S-1000 MS-T50/16 der Firma J&M Analytik AG ................... 51 Abb. 33: schematische Darstellung zur Tauchsonde FDP-7IR200-2-VAR [36] .................... 53 Abb. 34: (a) Sondenaufsatz mit diffuser Reflektionsfläche (b) vereinfachtes Messschema ... 53 Sascha Princz VII Abbildungsverzeichnis Abb. 35: Messaufbau zur Transflexionsmessung .............................................................. 54 Abb. 36: (a) Küvettenhalter von Linos (b) Quarzglasküvette von Carl Zeiss ..................... 55 Abb. 37: Lichtquelle AvaLight-Hal-S von Avantes ............................................................. 56 Abb. 38: Magnetrührer mit Heizplatte und Kontaktthermometer von VWR ......................... 59 Abb. 39: 7 l Laborfermenter der Hochschule Ulm mit Erweiterungen aus 2010 .................. 60 Abb. 40: Angepasstes Lattice Design für max. 15 Gew.-% Ethanol & 30 Gew.-% Glucose .... 62 Abb. 41: Verlauf der Simulation 4 einer anaeroben Hefefermentation ................................ 66 Abb. 42: Temperaturabhängige Spektren von Wasser über einen Temperaturbereich von 15°C bis 75°C .......................................................................................................................... 68 Abb. 43: Temperaturabhängige Spektren von Wasser, 2. Oberschwingung ........................ 69 Abb. 44: Temperaturabhängige Spektren von Wasser, 1. Oberschwingung ........................ 70 Abb. 45: Diverse Wasserspektren gemessen und zum Vergleich korrigiert ......................... 72 Abb. 46: Absorptionsspektrum von Wasser, gemessen in Transflexion und NPK ................ 73 Abb. 47: Absorptionsspektrum von 100% Ethanol, gemessen und NPK .............................. 74 Abb. 48: Spektren der Ethanolmessreihe mit unterschiedlichem Ethanolgehalt .................. 75 Abb. 49: Spektren der Ethanolmessreihe mit unterschiedlichem Ethanolgehalt, Auszug ..... 76 Abb. 50: Absorptionsspektrum von 100% Glucose, berechnet und NPK .............................. 77 Abb. 51: Spektren der Glucosemessreihe mit unterschiedlichem Glucosegehalt ................. 78 Abb. 52: Spektren der Glucosemessreihe mit unterschiedlichem Glucosegehalt, Auszug 1 . 79 Abb. 53: Spektren der Glucosemessreihe mit unterschiedlichem Glucosegehalt, Auszug 2 . 79 Abb. 54: Berechnete Absorptionsspektren für 100% Glucose nach Transmission und Transflexion .................................................................................................................... 80 Abb. 55: Direkter Vergleich der reinen Absorptionsspektren von Wasser, Glucose und Ethanol ........................................................................................................................... 81 Abb. 56: Absorptionsspektren der verschiedenen Hefe-Wasser-Gemische bei 30°C ........... 82 Abb. 57: Transmissionsspektren der verschiedenen Hefe-Wasser-Gemische bei 30°C ........ 83 Abb. 58: Spektren (in Counts) der verschiedenen Hefe-Wasser-Gemische bei 30°C ............ 83 Abb. 59: Absorptionsspektren der Glucose-Ethanol-Wasser-Gemische bei 30°C ................ 85 Abb. 60: Ergebnis PCA eines ersten Kalibriermodells ohne Datenvorbehandlung ................ 86 Abb. 61: Ergebnis PCA eines ersten Kalibriermodells nach Basislinienkorrektur ................. 87 Abb. 62: Vergleich der Methoden zur Vorbehandlung für Glucose ..................................... 89 Abb. 63: Vergleich der Methoden zur Vorbehandlung für Ethanol ...................................... 90 Abb. 64: Vergleich der Methoden zur Vorbehandlung für Wasser ...................................... 91 Abb. 65: Vergleich der Differenz zwischen vorhergesagtem und realem Glucosegehalt, (G-EW) ................................................................................................................................... 93 Abb. 66: Vergleich der Differenz zwischen vorhergesagten und realen Ethanolgehalt, (G-EW) ................................................................................................................................... 93 Abb. 67: Vergleich der Differenz zwischen vorhergesagten und realen Wassergehalt, (G-E-W) ....................................................................................................................................... 94 Abb. 68: Vergleich Differenz zwischen vorhergesagten und realen Glucosegehalt, (YPD) .... 96 Abb. 69: Vergleich Differenz zwischen vorhergesagten und realen Ethanolgehalt, (YPD) ..... 96 Abb. 70: Vergleich der Differenz zwischen vorhergesagten und realen Wassergehalt, (YPD) 97 Abb. 71: Vergleich der Messung in (a) Hefe Weizen (trüb, opak) und (b) Bier ...................... 99 Abb. 72: Vergleich der Blasenbildung an der Sonde während der Messung von Bier ......... 100 Abb. 73: Auswahl verschiedener Absorptionsspektren während der Bier alkoholfrei Messung ..................................................................................................................................... 101 Sascha Princz VIII Abbildungsverzeichnis Abb. 74: Auswahl verschiedener Absorptionsspektren während der Gold Ochsen Messung ..................................................................................................................................... 101 Abb. 75: Auswahl verschiedener Absorptionsspektren während der Hefe Weizen Messung 102 Abb. 76: Transflexionssonde ohne (a) und mit (b) Blasenfilter ......................................... 103 Abb. 77: Ausgewählte Absorptionsspektren eines Time Scans bei einer SKF .................... 104 Abb. 78: Darstellung der gebildeten Differenzen der AU-Werte eines Time Scan .............. 105 Abb. 79: Aufbau des Versuchssystems für die Schüttelkolbenfermentation von S. cerevisiae ..................................................................................................................................... 107 Abb. 80: Offline-Auswertung zu Glucoseverbrauch und Ethanolbildung der SKF .............. 109 Abb. 81: MW der gefilterten Absorptionsspektren der Proben während einer SKF ............. 110 Abb. 82: Vergleich der Methoden zur Vorbehandlung für Glucose ................................... 111 Abb. 83: Vergleich der Methoden zur Vorbehandlung für Ethanol .................................... 112 Abb. 84: Vergleich der Differenz zwischen vorhergesagtem und realem Glucosegehalt, SKF ..................................................................................................................................... 113 Abb. 85: Vergleich der Differenz zwischen vorhergesagtem und realem Ethanolgehalt, SKF ..................................................................................................................................... 114 Abb. 86: Absorptionsspektren der zentrifugierten SKF-Proben, NPK bei 1100 nm ............ 115 Abb. 87: Vergleich der Methoden zur Vorbehandlung für Glucose ................................... 116 Abb. 88:Vergleich der Methoden zur Vorbehandlung für Ethanol ..................................... 117 Abb. 89: Vergleich der Differenz zwischen vorhergesagtem und realem Glucosegehalt, SKF (zentrifugiert) ................................................................................................................ 118 Abb. 90: Vergleich der Differenz zwischen vorhergesagtem und realem Ethanolgehalt, SKF (zentrifugiert) ................................................................................................................ 119 Abb. 91: AU-Wert Differenz einer SKF Messung direkt nach Inokulation (ungefiltert) ........ 120 Abb. 92: AU-Wert Differenz einer SKF Messung während des Fermentationsprozess (ungefiltert) ................................................................................................................... 121 Abb. 93: AU-Wert Differenz einer SKF Messung während des Fermentationsprozess (gefiltert) ..................................................................................................................................... 121 Abb. 94: AU-Wert Differenz einer SKF Messung am Ende des Fermentationsprozess (ungefiltert) ................................................................................................................... 122 Abb. 95: Absorptionsspektren mit Spitzen bei einzelnen Wellenlängen während einer SKF 123 Abb. 96: Absorptionsspektrum einer SKF vor der Reinigung der Sonde ............................ 123 Abb. 97: Absorptionsspektrum einer SKF nach der Reinigung der Sonde ......................... 124 Abb. 98: Offline-Auswertung zu Biomasse, Glucoseverbrauch und Ethanolbildung der Testfermentation ........................................................................................................... 127 Abb. 99: MW der gefilterten Absorptionsspektren der Proben während der Testfermentation ..................................................................................................................................... 129 Abb. 100: Vergleich der Methoden zur Vorbehandlung für Glucose ................................. 130 Abb. 101: Vergleich der Methoden zur Vorbehandlung für Ethanol .................................. 131 Abb. 102: Vergleich der Differenz zwischen vorhergesagtem und realem Glucosegehalt, Fermentation ................................................................................................................. 132 Abb. 103: Vergleich der Differenz zwischen vorhergesagtem und realem Ethanolgehalt, Fermentation ................................................................................................................. 133 Abb. 104: AU-Wert Differenz Fermentation Messung direkt nach Inokulation (ungefiltert) 134 Abb. 105: AU-Wert Differenz einer Messung während des Fermentationsprozess (ungefiltert) ..................................................................................................................................... 135 Sascha Princz IX Abbildungsverzeichnis Abb. 106: AU-Wert Differenz einer Messung während des Fermentationsprozess (gefiltert) ..................................................................................................................................... 135 Abb. 107: AU-Wert Differenz einer Messung am Ende des Fermentationsprozess (ungefiltert) ..................................................................................................................................... 136 Abb. 108: Aneinanderreihung AU-Wert Differenzen mehrerer Fermentationsproben, ungefiltert ..................................................................................................................... 137 Abb. 109: Aneinanderreihung AU-Wert Differenzen mehrerer SKF-Proben, ungefiltert ..... 137 Sascha Princz X Tabellenverzeichnis Tabellenverzeichnis Tabelle 1: Übersicht wichtiger Einsatzbereich der NIRS; modifiziert aus [5] .......................... 4 Tabelle 2: Aufteilung des IR Bereichs nach DIN 5031 [11] .................................................... 8 Tabelle 3: Grund- und Oberschwingungen im IR Bereich (MIR & NIR); modifiziert nach [2] .. 11 Tabelle 4: Richtwerte normierter rel. Absorptionsintensitäten einer beliebigen Grundschwingung und deren 1. bis 3. Oberschwingung [2] ............................................... 11 Tabelle 5: Übersicht zu möglichen Halbleitermaterialien eines Dioden-Array-Spektrometers im NIR Bereich [17] .......................................................................................................... 13 Tabelle 6: Übersicht zur Bezeichnung von Sonden für den Einsatz zur Prozessanalytik an Bioreaktoren; modifiziert nach [18] .................................................................................. 14 Tabelle 7: Zusammenfassung der Ergebnisse einer PCA; modifiziert nach [18] ................... 20 Tabelle 8: Zusammenfassung der durch eine PCA erhaltenen Informationen; modifiziert nach [18] ................................................................................................................................. 22 Tabelle 9: verschiedene Validierungsmethoden für die multivariate Datenanalyse; modifiziert nach [20] ......................................................................................................................... 33 Tabelle 10: Spezifikationen des TIDAS S-1000 MS-T50/16 von J&M Analytik AG ............... 51 Tabelle 11: Von TIDASDAQ V2.39 unterstützte Speicherformate ........................................ 52 Tabelle 12: Spezifikationen der FDP-7IR200-2-VAR der Firma Avantes ............................. 54 Tabelle 13: Übersicht der 3 Variationen der Optischen Leistung der AvaLight-HAL-S ......... 56 Tabelle 14: Spezifikationen der AvaLight-HAL-S der Firma Avantes im Long Life Modus .... 56 Tabelle 15: Spezifikationen der Lichtleitfasern von Thorlabs ............................................. 57 Tabelle 16: Spezifikationen des VMS-C-2 der Firma VWR .................................................. 58 Tabelle 17: Spezifikationen des VT-5 der Firma VWR ........................................................ 59 Tabelle 18: Erfassbare Prozessparameter und deren Technik zur Regelung des Laborfermenters der Hochschule Ulm; modifiziert nach [39] ............................................. 61 Tabelle 19: Anzahl der notwendigen Proben, Faktorenkombination sowie randomisierte Reihenfolge der Versuche ................................................................................................ 63 Tabelle 20: Prozessparameter der mit dem Virtuellen Bioreaktor simulierten anaeroben Hefefermentationen ......................................................................................................... 64 Tabelle 21: Start- und Endwerte der mit dem Virtuellen Bioreaktor simulierten anaeroben Hefefermentationen ......................................................................................................... 65 Tabelle 22: Parameter für die Messung zur Temperaturabhängigkeit der Spektren von Wasser ....................................................................................................................................... 67 Tabelle 23: Umrechnung zwischen Nasshefemasse und Trockenbiomasse ......................... 81 Tabelle 24: Modelloptimierung für die Vorhersage von Glucose in G-E-W .......................... 88 Tabelle 25: Modelloptimierung für die Vorhersage von Ethanol in G-E-W .......................... 89 Tabelle 26: Modelloptimierung für die Vorhersage von Wasser in G-E-W ........................... 90 Tabelle 27: Zusammensetzung der Blindproben (G-E-W), Angaben in Gew.-% ................... 91 Tabelle 28: Ergebnisse zur Vorhersage der Blindproben (G-E-W), Angaben in Gew.-%........ 92 Tabelle 29: Zusammensetzung der YPD-Proben, Angaben in Gew.-% ................................ 94 Tabelle 30: Ergebnisse zur Vorhersage der YPD-Proben, Angaben in Gew.-% ..................... 95 Tabelle 31: Angaben zu den vermessenen Biersorten, Alkohol in Vol.-% ............................ 97 Tabelle 32: Ergebnisse zur Vorhersage der Biersorten, Alkohol in Vol.-% & Gew.-% ............ 98 Sascha Princz XI Tabellenverzeichnis Tabelle 33: Zusammensetzung des Nährmediums für die Hefefermentation .................... 106 Tabelle 34: Parameter des Time Scan Modus bei der Schüttelkolbenfermentation ............ 108 Tabelle 35: Ergebnisse der Ethanol und Glucose Auswertung zur SKF durch UV-Tests...... 109 Tabelle 36: Modelloptimierung für die Vorhersage von Glucose in SKF-Proben ................ 111 Tabelle 37: Modelloptimierung für die Vorhersage von Ethanol in SKF-Proben ................. 112 Tabelle 38: Zusammensetzung der SKF-Proben für Vorhersage, Angaben in g/L .............. 112 Tabelle 39: Ergebnisse zur Vorhersage der SKF-Proben, Angaben in g/L ......................... 113 Tabelle 40: Parameter des Single Scan Modus für die zentrifugierten SKF-Proben ............ 114 Tabelle 41: Modelloptimierung für die Vorhersage von Glucose in zentrifugierten SKF-Proben ..................................................................................................................................... 116 Tabelle 42: Modelloptimierung für die Vorhersage von Ethanol in zentrifugierten SKF-Proben ..................................................................................................................................... 116 Tabelle 43: Zusammensetzung der zentrifugierten SKF-Proben für Vorhersage, Angaben in g/L ............................................................................................................................... 117 Tabelle 44: Ergebnisse zur Vorhersage der zentrifugierten SKF-Proben, Angaben in g/L .. 117 Tabelle 45: Zusammensetzung des Nährmediums für die Hefefermentation .................... 125 Tabelle 46: Parameter des Time Scan Modus bei der Testfermentation ............................ 127 Tabelle 47: Ergebnisse der Biomasse, Ethanol und Glucose Auswertung zur Testfermentation durch UV-Tests und Filtration ........................................................................................ 128 Tabelle 48: Modelloptimierung für die Vorhersage von Glucose in Fermentationsproben .. 129 Tabelle 49: Modelloptimierung für die Vorhersage von Ethanol in Fermentationsproben .. 130 Tabelle 50: Zusammensetzung der Fermentationsproben für Vorhersage, Angaben in g/L 131 Tabelle 51: Ergebnisse zur Vorhersage der Fermentationsproben, Angaben in g/L ........... 131 Sascha Princz XII Abkürzungsverzeichnis Abkürzungsverzeichnis ADC ANOVA ATP ATR AU BBD BIAS BL CCD DIN DOE FDA FIR FT FTIR Gew.-% G-E-W HPLC Analog-Digital-Wandler/ Analog Digital Converter analysis of variance Adenosintriphosphat abgeschwächte Totalreflexion/ Attenuated Total Reflection Absorptionseinheit/ Absorbance Units Box-Behnken Design systematischer Fehler/ Verzerrung Baseline Central Composite Design/ zentral zusammengesetzte Pläne Deutsches Institut für Normung Design of Experiment/ Versuchsplan Food and Drug Administration Fernes Infrarot Fourier Transformation Fourier-Transformations-Infrarot Gewichtsprozent Glucose-Ethanol-Wasser-Gemisch high performance liquid chromatography/ Hochgeschwindigkeitschromatographie InGaAs It Ktr.Lsg MCR MIR MIRS MLR MW NA NIR NIRS NPK OD PAT PbS PC PCA PCR PLS PLSR PRESS RMSE RMSEC Sascha Princz Indium-Gallium-Arsenid Integrationszeit Kontrolllösung multivariate Kurvenauflösung/ Multivariate Curve Resolution mittleres Infrarot mittlere Infrarotspektroskopie multiple lineare Regression Mittelwert Numerische Apertur Nahes Infrarot Nahinfrarotspektroskopie Nullpunktkorrektur Optische Dichte Prozessanalysetechnik/ Process Analytical Technology Bleisulfid Hauptkomponente/ Principal Component Hauptkomponentenanalyse/ Principal Component Analysis Hauptkomponentenregression/ Principal Component Regression Partial Least Squares Partial Least Squares Regression Predicted Residual Sum of Squares Root Mean Square Error Root Mean Square Error Calibration XIII Abkürzungsverzeichnis RMSECV RMSEP SE SEC SECV SEP SG Si SIMCA SMA SKF SQE SQR SQT TTL UV Vol.-% Vorb. VBR VE VIS YPD Sascha Princz Root Mean Square Error Cross Validation Root Mean Square Error Prediction Standard Error Standard Error of Calibration Standard Error of Cross Validation Standard Error of Performance oder Standard Error of Prediction Savitzky Golay Silizium soft independent modeling of class analogies Sub-Miniature-A Schüttelkolbenfermentation Sum of Squares Explained/ erklärte Varianz Sum of Squares Residuals/ Rest- oder Residualstreuung Sum of Squares Total/ Gesamtstreuung Transistor-Transistor-Logik Ultraviolett Volumenprozent Vorbehandlung Virtueller Bioreaktor/ Virtual Bioreactor vollentsalztes sichtbar/ visible Yeast (Hefe) Pepton Dextrose XIV Einleitung und Aufgabenstellung 1 Einleitung und Aufgabenstellung Die von Seiten der FDA (Food and Drug Administration) initiierte Leitlinie für die pharmazeutische Industrie mit dem Titel „PAT — A Framework for Innovative Pharmaceutical Development, Manufacturing, and Quality Assurance“ aus dem Jahre 2004 [1], hat entscheidend zu der rasanten Weiterentwicklung der PAT (Prozessanalysetechnik, Process Analytical Technology) für den pharmazeutischen Einsatz in den letzten Jahren beigetragen. Der hohe Bekanntheitsgrad und vor allem die Notwendigkeit einer gut funktionierenden und qualitativ hochwertigen Technik zur Analyse des Bioprozesses haben zu den unterschiedlichsten Ansätzen der Realisierung solcher Analysetechniken geführt. Das Verlangen der chemischen Industrie nach einer Senkung der Produktionskosten sowie die Erfüllung der regulatorischen Anforderungen der Pharmaindustrie spiegeln sich beide in einer verbesserten Kontrolle sowie einer funktionsstarken Qualitätssicherung des Prozesses bereits ab dem Zeitpunkt der Prozessentwicklung bis zu dessen Produktion wieder. Um dem dafür notwendigen Anspruch einer zeitnahen Analytik gerecht zu werden hat sich die optische Spektroskopie als ein sehr starkes Werkzeug herausgestellt. Sie bietet die Vorteile einer Echtzeit-Prozesskontrolle, erlaubt einen zerstörungsfreien und berührungslosen, nicht invasiven Einsatz zur selektiven Messung von Feststoffen, Gasen oder Flüssigkeiten sowohl in Form einer qualitativen als auch quantitativen Analyse. Darüber hinaus lässt sich die Spektroskopie sowohl Offline, z. B. für eine Auswertung im Labor, als auch Online, z. B. durch Integration in die Produktionslinie, und Inline, z. B. direkte Messung in der Fermenterbrühe, direkt während der Produktion einsetzen. Ein weiterer wichtiger und großer Vorteil der optischen Spektroskopie ist der sehr breite Einsatzbereich. Der Grund dafür liegt zum einen in dem breiten Spektralbereich, von UV/ VIS (200 – 780 nm) über NIR (780 – 3000 nm) bis zum MIR (3000 – 50000 nm) [2, 11], und zum anderen in der Vielfältigkeit der Spektrometrie-Techniken wie z. B. Reflexion, Transmission, Transflektion, Fluoreszenz, Raman oder ATR (abgeschwächte Totalreflexion, Attenuated Total Reflection). Obwohl es jedoch bereits seit Jahrzehnten Stand der Technik ist, mit Hilfe von Sonden und Analysetechniken für einen kontrollierten Prozess in Bioreaktoren oder Fermentern zu sorgen, können noch nicht alle relevanten Bioprozessparameter ausreichend oder kontinuierlich überwacht werden. Bietet der Markt bereits eine Vielzahl von Sonden und Analysetechniken zur Bestimmung und Kontrolle von z. B. Sauerstoffkonzentration, pH-Wert, Temperatur oder der Optischen Dichte in einer Fermenterbrühe, fehlen diese kontinuierlichen Analysetechniken und Sonden für eine Inline-Messung von biotechnisch Sascha Princz 1 Einleitung und Aufgabenstellung wichtigen Substanzen wie Ethanol und Glucose während einer Fermentation. Aus diesem Grund erfolgt die Auswertung der Ethanol- und Glucosekonzentration auch heute noch vorwiegend mit Hilfe von Enzymtests im Labor von Hand. Diese Methode der Analyse dauert für eine wirtschaftliche Produktion und vor allem schnelle Prozesskontrolle schlichtweg zu lange um zeitnah reagieren bzw. eingreifen zu können. Im Rahmen dieser Master-Thesis soll der Laborfermenter des Biotechnologie-Labors der Fakultät Mechatronik und Medizintechnik an der Hochschule Ulm um ein Messsystem zur optischen Inline-Messung und Bestimmung des Ethanol- und Glucosegehalts während einer Fermentation erweitert werden. Dies bietet unter anderem die Möglichkeit während einer Hefefermentation Rückschlüsse über den genauen Verbrauch an Glucose und der Bildung von Ethanol zu erhalten und liefert somit auch eine Aussage in Echtzeit über den genauen Stand der Fermentation bzw. in welcher Phase sich die Fermentation gerade befindet in Echtzeit. Mit einer Gewinnung der genannten Informationen in Echtzeit während eines Fermentationsprozesses stehen völlig neue Möglichkeiten zur Verfügung. So lassen sich diese Informationen zum Einen sehr gut im Rahmen der Lehre nutzen, aber auch zum Aufbau einer Regelstrategie für einen verbesserten und stabileren Prozess und einer daraus resultierenden verbesserten Produktqualität sind solche Informationen ohne signifikante Zeitverzögerung unumgänglich. Eine weitere Möglichkeit, die sich daraus für die Nutzung des Bioreaktors der Hochschule Ulm ergeben kann, ist der Einsatz des Laborfermenters in einem sogenannten Fed-Batch-Betrieb. Dabei wird während einer Fermentation z. B. Glucose als Kohlenhydratquelle zugefüttert um diese auf einem konstanten Level zu halten und somit den Stoffwechsel des Mikroorganismus (z. B. Hefe) und dadurch letztendlich die Fermentation in einer gewünschten Phase (z. B. Produktion eines bestimmten Produktes) zu halten. Dies lässt sich z. B. für eine Hefefermentation mit der Entwicklung einer Glucosezufütterung durch eine dafür notwendige Regelstrategie, die unter anderem mit Hilfe der aus dieser Inline-Messung gewonnenen Messwerte arbeitet, realisieren. Das Ziel der vorliegenden Master-Thesis liegt also in einer Erweiterung des Bioreaktors der Hochschule Ulm um eine Möglichkeit zur optischen Inline-Bestimmung des Ethanol- und Glucosegehalts direkt in der Fermenterbrühe. Zur Realisierung dieser optischen InlineBestimmung soll die Absorption von Glucose und Ethanol während einer Fermentation mit Hilfe der Nahinfrarotspektroskopie (NIRS) gemessen werden, und im Anschluss mit Hilfe der Chemometrie daraus der Gehalt von Glucose und Ethanol bestimmt werden. Die Umsetzung dieser Aufgabenstellung lässt sich in die nachfolgenden Schwerpunkte untergliedern. Zunächst muss ein geeignetes Messsystem aufgebaut werden, dabei muss das von einer geeigneten NIR-Lichtquelle erzeugte Licht über eine Sonde (z. B. Transflexionssonde) in die Sascha Princz 2 Einleitung und Aufgabenstellung Fermenterbrühe geleitet werden und nach der erfolgten Absorptionsmessung wieder über die Sonde zurück zum Spektrometer. Die Auswertung des gemessenen Signals erfolgt dann mit Hilfe eines geeigneten NIR-Spektrometers. Dieses liefert somit die entsprechenden Absorptionsspektren für die anschließende chemometrische Auswertung. Nach Zusammenstellung und Aufbau eines geeigneten Messsystems werden zunächst diverse Messungen in Form von Vorversuchen (z. B. Absorptionsspektren von Wasser, Glucose und Ethanol) durchgeführt. Dadurch erfolgt zum einen ein Funktionstest des erstellten Systems und zum anderen werden Erfahrungswerte für das weitere Vorgehen und zur Handhabung gesammelt. Im Anschluss erfolgen Messungen zur Temperaturabhängigkeit von Wasser bei der Absorption im NIR und erste Messungen von manuell erstellten GlucoseEthanol-Wasser-Gemischen unterschiedlichster Zusammensetzung. Mit Hilfe der daraus resultierenden Absorptionsspektren wird über eine multivariate Datenanalyse, mit Hilfe geeigneter Software für die Chemometrie, ein Modell (Kalibriermodell) für einen ersten Vorhersageversuch des Ethanol- und Glucosegehalts in unbekannten wässrigen Proben erstellt. Nach erfolgreich abgeschlossenen Vorversuchen und Vorhersagen in wässrigen Proben wird versucht sich an die Vorhersage der Konzentrationen von Ethanol und Glucose während einer Fermentation in dem Laborfermenter der Hochschule Ulm heranzuarbeiten. Dafür werden zunächst Hefefermentationen mit Saccharomyces cerevisiae als Modellversuche in einem Schüttelkolben durchgeführt. Die Messungen erfolgen mit Hilfe des Messsystems sowie weiteren geeigneten Messmethoden (z. B. Enzymtests) für eine Referenzanalytik. Die Referenzanalytik ist unumgänglich um die gemessenen bzw. vorhergesagten Größen vergleichen zu können. Die so gewonnenen spektralen Absorptionsdaten sowie die Konzentrationen aus der Referenzanalytik werden nun für den Aufbau bzw. die Erweiterung des Kalibriermodells (zur Vorhersage der Ethanol- und Glucosekonzentration) verwendet. Letztendlich erfolgt in einem letzten Arbeitsabschnitt die Testung des Messsystems und des Kalibriermodells unter Realbedingung an dem Laborfermenter der Hochschule Ulm. Zunächst wird bei einer anaeroben Hefefermentation mit Saccharomyces cerevisiae unter vereinfachten Bedingungen (keine Sauerstoffzufuhr und kein Rühren) direkt in der Fermenterbrühe gemessen. Auch bei dieser Fermentation wird wieder gegen die Daten aus einer geeigneten Referenzanalytik verglichen und die dadurch gewonnen Daten ebenso zur Verbesserung und zum Ausbau des Kalibriermodells herangezogen. Sascha Princz 3 Stand der Technik und Literaturrecherche 2 Stand der Technik und Literaturrecherche Bereits im Jahre 1800 wurde von Sir William Herschel die nahe Infrarotstrahlung (NIR) entdeckt [3], nichts desto trotz fristete die NIRS bis etwa Mitte des letzten Jahrhunderts ein eher unbedeutendes Dasein im Bezug auf ihre Verwendung in Industrie und Forschung. Erst in der zweiten Hälfte des letzten Jahrhunderts fand die NIRS ein immer größeres Einsatzgebiet zunächst im Bereich der Qualitätskontrolle der Lebens- und Futtermittelindustrie. Die Eigenschaften, dass es sich dabei um eine zerstörungsfreie, schnelle und in den Produktionsprozess integrierbare Form der Analyse handelt, die zudem meist keine aufwendige Probenvorbereitung erfordert [4], führte dazu, dass sich die NIRS heute bereits in weiteren Teilen der Industrie in Form einer schnellen und zerstörungsfreien Analysetechnik für die Kontrolle und zur Überwachung von Produkt und Produktion etabliert hat. Eine Übersicht einiger dieser etablierten Einsatzbereiche der NIRS findet sich in Tabelle 1. Deren Inhalt wurde leicht verändert aus [5] übernommen und zeigt recht anschaulich den industriellen Einsatzbereich der NIRS in den unterschiedlichen Fachgebieten. Tabelle 1: Übersicht wichtiger Einsatzbereich der NIRS; modifiziert aus [5] Fachgebiet Einsatzbereich Chemie Wassergehalt, organischen Struktur und Verbindungen; Zusammensetzung Additive in von Polymeren; Charakterisierung von synthetischen Polymeren; Online Überwachung von: Bioprozesse, Polymerisation, Petrochemische Prozesse, Polymer-Extrusion Landwirtschaft Fett, Wasser, Protein, Öl, Reis, Sojabohnen und allgemein Saatgut, Asche in Weizen Nahrungsmittelindustrie Protein, Fett in Backwaren, Wasser, Molkereiprodukte, Schokolade, Fleisch, Snack Food, Kakao Pharmazie Identität, Gehalt und Feuchte in Pulvern, Tabletten, Granulaten; Feuchte in Gelatine-Kapseln; Kristallinitätsgrad, Polymorphie, Dichte; Restfeuchte Modifikationsumwandlungen, in Härtegrad Lyophilisaten; von Tabletten; Stabilität; Korngröße; Mischungsgüte Online Überwachung: Mischen, Trocknen, Direktpelletierung, Granulieren, Filmcoating Sascha Princz 4 Stand der Technik und Literaturrecherche Medizin Nichtinvasive in-vivo Bestimmung von Körperfett, Cholesterol, Sauerstoff; Hautkrebs; Wassergehalt der Haut; Kohlenhydrat, Fett und Stickstoff in Fäzes Umweltschutz Schadgasmessung, Sedimente (z. B. saurer Regen); KunststoffRecycling Wie nach Betrachtung der Tabelle zu erkennen ist, handelt es sich bei den etablierten Methoden meist um Reflexionsmessungen an Feststoffen bzw. –körpern. Allerdings gibt es seit einigen Jahren auch verstärkt Arbeiten, die sich mit der NIRS zur Analytik in wässrigen Lösungen und Flüssigkeiten, wie sie z. B. in Bioreaktoren vorkommen, beschäftigen. Standardmethoden zur Bestimmung des Alkoholgehaltes im flüssigen Lebensmittel, wie Bier oder Wein, sind unter anderem Enzymtests, Dichtemessung nach der Fermentation bzw. Destillation oder auch die Gaschromatographie. Diese Methoden sind aber meist sehr zeitintensiv, kostspielig und die Ergebnisse liegen zum Teil erst stark zeitverzögert vor. Deshalb wurde bereits in vielen Arbeiten versucht, diese Analyse mit Hilfe der NIRS durchzuführen. Di Egidio et al. (2010) beschreiben in ihrer Arbeit [6] eine schnelle Methode zur Bestimmung des Zuckergehaltes (Glucose und Fructose), des Phenolgehaltes (Phenol, Anthocyanin, Flavonoid) sowie des Alkoholgehaltes (Ethanol, Glycerol) während einer Fermentation von Rotwein. Insgesamt 75 Proben wurden in definierten Zeitabständen aus 15 Fermentationen gewonnen. Die Auswertung der Proben erfolgte in spektroskopischer Weise mit Hilfe eines FTNIR- und FTIR-Spektrometers und die chemische Analyse mit Hilfe einer HPLC (high performance liquid chromatography, Hochgeschwindigkeitschromatographie). Die Auswertung der Proben mit den vorgenannten Verfahren erfolgte Online (Ex situ) nach einer Klärung der Probenflüssigkeiten. Eine Übersicht zu Arbeiten die sich mit der Online Überwachung des Bioprozesses in einem Bioreaktor beschäftigen zeigt D. Landgrebe et al. in [7] (s. a. Tabelle im Anhang unter A 1.1). Dort werden diverse Arbeiten aus den Jahren 1994 bis 2010 besprochen, die mit Hilfe der NIRS oder MIRS (mittlere Infrarotspektroskopie) unter anderem versuchen bei einer Fermentation mit unterschiedlichsten Mikroorganismen und Zelllinien z. B. verschiedene Metabolite, Substrate oder Zellmassen ohne Zeitverzögerung Inline zu bestimmen. Eine weitere umfangreiche Zusammenstellung von 38 Arbeiten, die sich mit der Prozessanalytik mit Hilfe der NIRS beschäftigen zeigt, A. E. Cervera in [8]. Dort werden die einzelnen Arbeiten hinsichtlich Biokatalyt, Probennahme, NIR-Methode, Analyten, Wellenlängenbereich sowie der Methode zur Erstellung des Kalibriermodells und dessen Genauigkeit tabellarisch aufgeführt (s. a. im Anhang unter 1.2). Sascha Princz 5 Stand der Technik und Literaturrecherche Da bei der NIRS überlappende Absorptionsspektren [7] mit zum Teil stark überlagernden Absorptionsbanden gewonnen werden, können daraus mehrere Komponenten bzw. Größen simultan bestimmt werden [7]. Aufgrund dieser Eigenschaft der Absorptionsspektren werden jedoch für die Auswertung komplexe Rechenalgorithmen benötigt. Diese Methode, die sich der Verfahren der mathematischen Statistik bedient, bezeichnet man als Chemometrie. Somit bildet die so genannte Chemometrie einen wichtigen Bereich, der mit der heutigen NIRS nahezu untrennbar verbunden ist. Nur mit Hilfe einer solchen multivariaten Datenanalyse ist letztendlich eine selektive Analyse möglich. A. S. Rathore et al. zeigen in [9] eine Übersicht zu verwendeten spektroskopische Säugetierzellen tabellarisch chemometrischen Prozessanalytik und unter gewonnener Mikroorganismen. Angabe von Anwendungen Die Prozess, Daten für die während vorgestellten Auswertung Kultivierungen Arbeiten Prozessanalytik und werden den durch von ebenfalls verwendeten chemometrischen Methoden dargestellt (s. a. Im Anhang unter A 1.3). Sascha Princz 6 Grundlagen 3 In Grundlagen dem nachfolgenden Kapitel Grundlagen werden im Vorfeld einige wichtige Themengebiete, die zum besseren Verständnis dieser Arbeit beitragen sollen bzw. notwendig sind, vorgestellt. 3.1 Optische Spektroskopie Mit dem Begriff Spektroskopie (lat. spectrum für Bild, gr. skopein für ansehen) verbindet man im Allgemeinen das Aufzeichnen von Spektren unter Zuhilfenahme eines Spektrometers [2]. Genauer betrachtet handelt es sich bei einem Spektrum um die Aufzeichnung der Emissionsoder Absorptionsintensität innerhalb eines bestimmten spektralen Bereiches, hervorgerufen durch elektromagnetische Strahlung bei einzelnen Wellenlängen bzw. Frequenzen [2]. Es erfolgt also eine Auftrennung der elektromagnetischen Strahlung entsprechend ihrer Energie [3]. Abb. 1 zeigt eine Übersicht einiger wichtiger elektromagnetischer Strahlungen unter Angabe deren zugehörigen Wellenlängen und entsprechenden Frequenzen. Abb. 1: Auszug zu elektromagnetische Strahlung unter Angabe der Wellenlänge und Frequenz [10] Die Gesamtheit aller qualitativen und quantitativen Analyseverfahren, die auf eine Wechselwirkung zwischen toter und oder lebender Materie und Licht beruhen, werden unter der Bezeichnung optische Spektroskopie zusammengefasst [3]. Aufgrund der spektralen Unterschiedlichkeit eines jeden Stoffes, und durch die Bestimmung verschiedener optischer Sascha Princz 7 Grundlagen Parameter als Funktion der Wellenlänge λ, bzw. der Wellenzahl handelt es sich hierbei um ein hochspezifisches Verfahren für die quantitative und qualitative Analyse von Proben [3]. Die Umrechnung zwischen der Wellenlänge λ und deren Energiedarstellung als Wellenzahl zeigt Gl. (3.1). (3.1) Aufgrund des großen Spektralbereichs und der unterschiedlichen Reaktionen der zu analysierenden Probe (vgl. Absorption, Reflexion, Streuung und Lumineszenz) kommen je nach Anforderung die unterschiedlichsten spektroskopischen Methoden zum Einsatz. Aus diesem Grund soll nachfolgend nur das in dieser Arbeit verwendete Analyseverfahren der Nahinfrarotspektroskopie (NIRS) näher vorgestellt werden. 3.1.1 NIR-Spektroskopie Die NIRS gehört zur Absorptionsspektroskopie (hierbei beschreibt die Absorption eine Änderung des Energiegehaltes elektromagnetischen Spektrums im Molekül) zugeordnet. und Dieser wird dem IR-Bereich IR-Bereich des zwischen dem liegt sichtbaren VIS- und dem Bereich der Mikrowellen (vgl. Abb. 1) und wird laut DIN 5031 in 3 Bereiche aufgeteilt, siehe Tabelle 2. Tabelle 2: Aufteilung des IR Bereichs nach DIN 5031 [11] Benennung Abkürzung Nahes Infrarot NIR Mittleres Infrarot MIR Fernes Infrarot FIR Wellenlänge [nm] IR-A 780 - 1400 IR-B 1400 - 3000 3000 - 50000 IR-C 50000 - 1000000 Obwohl Sir William Herschel bereits im Jahre 1800 das NIR entdeckte [3], dauerte es nahezu bis zur zweiten Hälfte des letzten Jahrhunderts, bis die NIRS ein größeres Anwendungsspektrum fand. Der Grund dafür lag vor allem in der Tatsache, dass nun leistungsfähigere Rechner für eine erforderliche multivariate (chemometrische) Datenanalyse vorhanden waren [12]. Auch heute nimmt die NIRS noch eine Art Sonderstellung ein. Während im angrenzenden UV/ VIS Bereich die Absorptionsspektren durch eine Anregung der Elektronen in den Molekülen gewonnen werden, erfolgt die Aufzeichnung der Absorptionsspektren im NIR und MIR durch eine Messung von Molekülschwingungen und im FIR durch Molekülrotationen [3]. Die erwähnte Sonderstellung Sascha Princz resultiert aus der Art der im NIR auftretenden 8 Grundlagen Molekülschwingungen. Sind es im MIR die Grundschwingungen, resultiert die Absorption im NIR auf den Oberschwingungen (bzw. Obertöne) der Grundschwingungen und den Kombinationsschwingungen [2]. Die dafür notwendige Anregung der Molekülschwingungen lässt sich durch das Beispiel des anharmonischen Oszillators (für ein Molekül aus zwei Atomen) bereits verständlich beschreiben. Das entsprechende Energiediagramm zeigt Abb. 2. Hierbei steht r für die Bindungslänge (Abstand zwischen den beiden Atomen X-Y) und r0 für den Nullpunktsatomabstand mit E0 als Nullpunktsenergie. EP steht für die potentielle Energie und die Dissoziationsgrenze bzw. Dissoziationsenergie ED gibt an, bei welcher Streckung r der Bindung eines Moleküls dieses in seine Radikale X° und °Y zerfällt. Der entsprechende Schwingungsterm v (Schwingungsquantenzahl) gibt an in welchem Schwingungszustand sich das Molekül befindet bzw. welches Energieniveau besetzt ist. Die Übergänge von v=0 nach v=1 werden als Grundschwingungen bezeichnet [2], und werden im MIR detektiert. Alle anderen Übergänge von v=0 in v=2, 3, …n sind erlaubt und werden als Oberschwingungen bzw. Obertöne bezeichnet [2] und im NIR detektiert. Desweiteren sind Kombinationsschwingungen K zu erwarten, die wie Gl. (3.2) zeigt gebildet werden können [2]. (3.2) Letztlich müssen zur Vollständigkeit noch die Fermi-Resonanzschwingungen erwähnt werden, diese sind auf eine Kopplung von ähnlichen Kombinationsschwingungen K (energiegleichen Schwingungsübergängen) und/ oder Oberschwingungen O mit Grundfrequenzen zurückzuführen [2]. Sascha Princz 9 Grundlagen Abb. 2: Energiediagramm eines anharmonischen Oszillators, Schwingungsarten der IR Spektroskopie; modifiziert nach [2, 13] Bei diesen Molekülschwingungen handelt es sich im Allgemeinen um Valenz- bzw. Streckschwingungen oder Deformations- bzw. Beugeschwingungen [2]. Bei der Streckschwingung ändert sich der Abstand der Atome in Richtung der Bindungsachse aufgrund einer alternierenden Verlängerung oder Verkürzung der Atombindung [2]. Bei der mit einer geringeren Energie anregbaren Deformationsschwingung ändert sich der Bindungswinkel der Atome zueinander, es kommt zu einer alternierenden Schließung und Öffnung der Bindungswinkel [2]. Diese Schwingungen können sowohl symmetrisch als auch asymmetrisch auftreten. Aufgrund der Vollständigkeit soll an dieser Stelle kurz erwähnt werden, dass nur asymmetrische Schwingungen im IR angeregt werden und somit IR-aktiv sind [2]. Symmetrische Schwingungen sind IR-inaktiv dafür aber Raman-aktiv [2]. Die Übergangswahrscheinlichkeit in höhere Schwingungszustände wird mit zunehmenden Δv unwahrscheinlicher und ist ab der 4. Oberschwingung analytisch kaum noch relevant [2]. Tabelle 3 zeigt die Lage der wichtigsten Oberschwingungen. Diese lassen sich mit Hilfe einer Faustregel abschätzen (z.B. die Frequenz der 2. Oberschwingung entspricht etwa 3*Frequenz der Grundschwingung minus wenige Prozente als Anharmonitätsbeitrag) [2]. Die Mehrzahl dieser Absorptionsbanden resultieren aus Oberschwingungen/ -töne von O-H-, C-H-, S-Hund N-H-Streckschwingungen. Sascha Princz 10 Grundlagen Tabelle 3: Grund- und Oberschwingungen im IR Bereich (MIR & NIR); modifiziert nach [2] Grundschwingung 1. Oberschwingung 2. Oberschwingung 3. Oberschwingung vC=O 5714 nm ca. 3000 nm ca. 2100 nm ca. 1650 nm vC-H 3571 nm ca. 1875 nm ca. 1309 nm ca. 1027 nm vN-H 3030 nm ca. 1591 nm ca. 1111 nm ca. 871 nm Wie bereits erwähnt wird die Übergangswahrscheinlichkeit in höhere Schwingungszustände zunehmend geringer, woraus eine drastische Abnahme der Absorptionsintensität der Oberschwingungen mit zunehmender Schwingungsquantenzahl resultiert [2]. Tabelle 4 zeigt eine solche Abnahme der relativen Bandenintensität bezüglich einer auf eine beliebige Grundschwingung normierte Intensität [2]. Tabelle 4: Richtwerte normierter rel. Absorptionsintensitäten einer beliebigen Grundschwingung und deren 1. bis 3. Oberschwingung [2] Übergang Schwingung relative Bandenintensität [%] v0, v1 Grundschwingung 100 v0, v2 1. Oberschwingung 10 v0, v3 2. Oberschwingung 0,3 v0, v4 3. Oberschwingung 0,01 Durch die aufgezeigte Vielzahl an Übergangsmöglichkeiten erhält man im NIR keine einzelnen Absorptionsbanden, sondern durch deren Überlappung sehr breite Absorptionsbanden. Deshalb ist hier keine Aussage wie z. B. im UV/VIS anhand einer einzelnen Wellenlänge möglich, sondern man benötigt eine Auswertung mit Hilfe der multivariaten Datenanalyse (Chemometrie). 3.1.2 NIR-Spektrometer Die Erstellung von NIR-Spektren kann auf verschiedenen Techniken basieren, abhängig von der Art des verwendeten Spektrometers. Nachfolgend soll nur die Technik zweier Arten von NIR-Spektrometern kurz erläutert werden. Dem weit verbreiteten FTIR-Spektrometer (Fourier-Transformations-Infrarotspektrometer) sowie einem, ähnlich zu dieser Arbeit verwendeten, Dioden-Array-Spektrometer. Beiden Spektrometertypen gemeinsam ist, dass die Proben mit dem kompletten Wellenlängenbereich der NIR-Strahlung angeregt werden. Es erfolgt also keine Auftrennung der NIR-Strahlung in dessen einzelne Wellenlängen vor der Probe. Sascha Princz 11 Grundlagen 3.1.2.1 FTIR-Spektrometer Anhand dem in Abb. 3 gezeigten stark vereinfachten Prinzipschema eines FTIRSpektrometers mit Michelson-Interferometer lässt sich die Funktion sehr anschaulich erklären. Die NIR-Strahlung wird nach Verlassen der Strahlungsquelle an einem Strahlteiler in zwei Teile mit gleicher Intensität aufgespalten und zum einen auf einen festen Spiegel (dient als Referenz) und einen beweglichen Spiegel (dient zur Messung) transmittiert. Beide Teile werden von dem entsprechenden Spiegel wieder auf den Strahlteiler reflektiert [14] und gelangen davon durch die Probe zum Detektor. Abb. 3: Vereinfachtes Prinzipschema eines FTIR-Spektrometers mit Michelson-Interferometer; modifiziert nach [15] Je nach Stellung des beweglichen Spiegels kommt es zu einer Verschiebung der beiden Wellen zueinander [14] und somit zu einer optischen Weglängendifferenz. Diese beiden Wellen überlagern sich nun gegenseitig und bilden ein Interferogramm [14]. Die Auftrennung der Wellen erfolgt nach der Zeit und somit liegt das Interferogramm als eine Funktion der Zeit vor. Es muss zunächst mit Hilfe der Fourier Transformation (FT) in eine Funktion der Frequenz umgewandelt werden damit es letztendlich als Spektrum dargestellt werden kann. 3.1.2.2 Dioden-Array-Spektrometer Das in Abb. 4 stark vereinfachte Prinzip eines Dioden-Array-Spektrometers erklärt dessen Funktion bereits ausreichend. Die elektromagnetische Strahlung wird (z. B. mittels Lichtleiter) von der Strahlungsquelle (Source) zu der zu messenden Probe (Sample) geleitet, Sascha Princz 12 Grundlagen und dort um die von der Probe absorbierte Strahlung abgeschwächt. Anschließend wird die abgeschwächte elektromagnetische Strahlung (z. B. wieder mittels Lichtleiter) durch einen Eintrittsspalt (Entrance slit) auf einen Polychromator (Dispersion device) geleitet. Bei diesem Polychromator handelt es sich je nach Spektrometer entweder um ein (Glas-)Prisma oder um ein Gitter, welches die eingeleitete elektromagnetische Strahlung in dessen einzelne Wellenlängen aufspaltet, die von dort auf das entsprechende Dioden-Array trifft. Abb. 4: Vereinfachtes Prinzipschema eines Dioden-Array-Spektrometers; modifiziert nach [16] Dieses Dioden-Array kann aus einer Aneinanderreihung von einigen 100 Dioden bestehen und ermöglicht zusammen mit einem Analog-Digital-Wandler (ADC) und einem Rechner die Erstellung eines Spektrums [2]. Je nach geforderter spektraler Empfindlichkeit des Spektrometers und dem damit verbundenen Wellenlängenbereich kommen Dioden aus unterschiedlichem Halbleitermaterial zum Einsatz. Eine Übersicht dieser Halbleitermaterialien mit den relevanten Daten zeigt Tabelle 5. Tabelle 5: Übersicht zu möglichen Halbleitermaterialien eines Dioden-Array-Spektrometers im NIR Bereich [17] Spektralbereich Wellenlänge [nm] Halbleitermaterial UV/VIS/NIR 200 - 1100 Si (Silizium) NIR/IR 900 - 2500 InGaAs (Indium-Gallium-Arsenid) oder PbS (Bleisulfid) 3.1.3 Sondentechnik Bei der spektroskopischen Messung in Flüssigkeiten spielt unter anderem auch die Wahl der richtigen Sondentechnologie eine wichtige Rolle im Hinblick auf die Qualität des Messsignals. Sascha Princz 13 Grundlagen Für die Prozessanalytik mit Hilfe der optischen Spektroskopie an Bioreaktoren oder Fermentern bieten sich die in Tabelle 6 aufgeführten Sonden an. Diese Sonden können zum einen den so genannten Durchflusssonden und zum anderen den Immersionssonden zugeordnet werden. Tabelle 6: Übersicht zur Bezeichnung von Sonden für den Einsatz zur Prozessanalytik an Bioreaktoren; modifiziert nach [18] Sonden Immersionssonden Durchflusssonden Transmissionssonden (Rück)-Streusonden Transflexionssonden (Reflexion, Raman, Fluoreszenz) ATR Sonden Durchflusssonden lassen sich z. B. über einen Bypass an das System koppeln und ermöglichen somit eine Online-Kontrolle des Prozesses, für eine Inline-Kontrolle lassen sich die Immersionssonden direkt in das System integrieren [18]. Beiden Arten von Sonden gemeinsam ist, dass das Licht über eine Faser von der Lichtquelle über die Sonde in die Probenlösung geleitet wird, und von dort je nach Prinzip über die Sonde wieder zurück zum Detektor oder Spektrometer. Somit stellt die entsprechende Sonde also die Schnittstelle zwischen dem zu analysierenden Medium und der optischen Messtechnik zur Prozessanalytik dar. Für die in dieser Transmissionssonden, Totalreflexion, Arbeit durchgeführte Transflexionssonden Attenuated Total Reflection) Analytik und eigenen bedingt Sonden, auch deshalb sich ATR sollen in erster Linie (abgeschwächte diese in den nachfolgenden Kapiteln etwas genauer betrachtet werden. Zur Vollständigkeit sei noch kurz erwähnt, dass Reflexionssonden den Rückstreusonden zugeordnet werden, da sie für die Analyse das von den Festkörpern oder Partikeln reflektierte Licht aufnehmen und zum Spektrometer leiten. Raman- und Fluoreszenzsonden gehören zu den Streusonden und leiten das durch das eingeleitete Licht angeregte Ramanbzw. Fluoreszenzsignal zum Detektor [18]. 3.1.3.1 Transmission Die Transmissionssonde macht sich, wie der Name schon sagt, das Prinzip der Transmission zunutze. Hierbei wird die zu analysierende Probe direkt durchstrahlt. Anhand der Abb. 5 lässt sich das Prinzip recht anschaulich erklären. Zunächst gelangt das Licht (Signal) über eine Lichtleitfaser und die Sonde zur zu analysierenden Probenlösung. Die beim Durchgang durch die Probenlösung abgeschwächte Intensität des Lichtes wird anschließend über die Sascha Princz 14 Grundlagen Sonde und Lichtleitfaser zum Spektrometer (Detektor) geleitet, und ermöglicht eine Bestimmung der Abschwächung (Absorption) der elektromagnetischen Strahlung (Licht oder Signal) durch genau diese absorbierende Probenlösung. Eine Begrenzung der Messmöglichkeit liegt hier auch an dem Optischen Pfad bzw. der Schichtdicke, da umso größer die Absorption eine kleinere Schichtdicke bzw. Optischer Pfad gewählt werden muss. Abb. 5: Prinzipskizze zur Transmissionssonde Diese Absorption lässt sich mit Hilfe des Gesetzes von Lambert und Beer, also dem Lambert Beer´schen Gesetz berechnen. Gl. (3.3) zeigt diese Berechnung der Absorbanz A mit Hilfe der Schichtdicke d, dem molaren Absorptionskoeffizienten ε sowie der Stoffkonzentration c, oder aus der eingestrahlten Lichtintensität I0 und der abgeschwächten oder detektierten Intensität I. (3.3) Die Transmission T selbst lässt sich aus dem Verhältnis von I zu I0 beschreiben, s. Gl (3.4). (3.4) Somit ergibt sich aus Gl. (3.3) und Gl. (3.4) die Gl. (3.5). (3.5) 3.1.3.2 Transflexion Die Transflexionssonde leitet sich von der Transmissionssonde ab, und misst nach dem gleichen Prinzip. Allerdings durchstrahlt hier der Lichtstrahl nach einer ersten Transmission ein zweites Mal die Probenlösung, da dieser mit Hilfe einer Reflexionsfläche zurückgelenkt Sascha Princz 15 Grundlagen wird [18]. Das Prinzip der Transflexion ist in Abb. 6 veranschaulicht. Die meisten Transflexionssonden besitzen einen verstellbaren physikalischen Spalt, der Optische Pfad bzw. die Schichtdicke entspricht also zweimal dem eingestellten physikalischen Spalt, siehe auch Abb. 6. Abb. 6: Prinzipskizze zur Transflexionssonde Bei der Messung in klaren Flüssigkeiten gilt das Lambert Beer´sche Gesetz auch bei der Transflexion analog zu den Gleichungen aus dem Kapitel 3.1.3.1 zur Transmission. Da die Transflexionssonde häufig bei trüben (opaken) Flüssigkeiten (z. B. Fermenterbrühen) eingesetzt wird reicht hier die Gesetzmäßigkeit des Lambert Beer´schen Gesetz allerdings nicht aus [18]. Da es aufgrund der Partikel in der Lösung neben der Absorption auch zu einer Streuung kommt, ist heute die Zweikonstantentheorie von Kubelka und Munk als Modellvorstellung weitestgehend akzeptiert [18]. Die Funktion von Kubelka und Munk zeigt Gl. (3.6). (3.6) Hierbei berechnet sich die Kubelka-Munk-Funktion F(R) aus den Absorptionskoeffizienten k und Streukoeffizienten s bzw. der gemessenen Reflexion R bei einer unendlichen Schichtdicke [18]. 3.1.3.3 ATR Die ATR (Attenuated Total Reflection, abgeschwächte Totalreflexion oder interne Reflexion oder Multiple Internal Reflectance) tritt bei dem Übergang des Lichtes von einem optisch dichteren Material (höherer Brechungsindex, hier ATR Kristall) in ein optisch dünneres Medium (geringer Brechungsindex, hier Probenlösung) auf, wenn dabei der kritische Winkel Sascha Princz 16 Grundlagen (Einfallswinkel, s. a. Gl. (3.7)) überschritten wird. Es kommt also zu einer Totalreflexion, allerdings dringt dabei der Lichtstrahl geringfügig in das optisch dünnere Medium ein und bildet das sogenannte evaneszente Feld. Es kommt somit an jeder Reflexionsstelle des ATR Kristalls zu einer Absorption durch die Probenlösung, deshalb auch die Bezeichnung abgeschwächte Totalreflexion. Abb. 7 zeigt das Prinzip einer solchen ATR Sonde mit zwei Reflexionsstellen. Abb. 7: Prinzipskizze ATR Sonde Die Berechnung des oben erwähnten kritischen Einfallwinkels θC aus dem Brechungsindex nP der Probenlösung (Medium) und des ATR Kristalls nC zeigt Gl. (3.7) [18]. (3.7) Abb. 8: Detail evaneszentes Feld der ATR Sonde Die Berechnung der in Abb. 8 gezeigten Eigenschaften des evaneszenten Felds sind nachfolgend erklärt. Die Eindringtiefe Dp des evaneszenten Felds in die zu analysierende Probenlösung lässt sich wie Gl. (3.8) zeigt aus der Wellenlänge im dichteren Medium λ1, dem Einfallswinkel θ sowie den Brechungsindizes von ATR Kristall und Probenlösung berechnen [18]. Sascha Princz 17 Grundlagen (3.8) Die Anzahl der Reflexionen N ist vor allem abhängig von der Länge l und Dicke dK des gewählten ATR Kristalls sowie dem Einfallswinkel α. Die Berechnung dieser Anzahl von Reflexionen zeigt Gl. (3.9). (3.9) Mit Hilfe der aus Gl. (3.8) berechneten Eindringtiefe Dp und der aus Gl. (3.9) erhaltenen Anzahl der Reflexionen N lässt sich nun die effektive Weglänge P eff des evaneszenten Feldes nach Gl. (3.10) berechnen. (3.10) Die ATR Sonde eignet sich z. B. hervorragend zur Messung von Proben, die zu dick sind oder mit zu hoher Absorption um in Transmission vermessen werden zu können [18], da keine Einschränkung durch den Optischen Pfad besteht. Die ATR Sonde kommt im UV/ VIS, MIR und bedingt auch im NIR zum Einsatz. 3.2 Chemometrie „Der Begriff Chemometrie bezeichnet ganz allgemein die Anwendung statistischer mathematischer Methoden auf die Analyse chemischer Daten, unabhängig von ihrem Ursprung“ [2]. Wie die Abb. 9 zeigt, setzt sich die Chemometrie oder Chemometrik aus den interdisziplinären Beziehungen der vier aufgeführten wissenschaftlichen Fachbereiche zusammen [19]. Die Chemometrie wird oft als Interface zwischen der Mathematik und der Chemie bezeichnet [19], allerdings spielen neben der richtigen Messtechnik (z. B. Spektrometriesystem zur Erfassung relevanter Messdaten) auch die Informatik eine weitere wichtige und entscheidende Rolle in der gegenwärtigen Chemometrie. Sascha Princz 18 Grundlagen Abb. 9: Übersicht der interdisziplinären Beziehungen in der Chemometrie, modifiziert nach [19] Wie bereits erwähnt gewinnt man bei der NIRS in der Regel Spektren mit zum Teil starken Überlagerungen der Absorptionsbanden und nur einer geringen Abweichung oder Formänderungen dieser relevanten Banden der z. B. in einer Fermenterbrühe enthaltenen Stoffe zueinander. Berücksichtigt man jetzt noch als weiteren Aspekt, dass bei der Spektroskopie eine sehr große Menge an Daten in kürzester Zeit gewonnen wird, hat man den Grund, warum zur Auswertung multivariate Methoden zum Einsatz kommen. Zur Veranschaulichung folgendes Beispiel: Die Messung eines Spektrums bei dieser Arbeit liefert bereits 1000 Werte (Wellenlängenbereich 1100–2100 nm, bei einer Messung pro nm), geschieht dies für „nur“ 30 Probengemische bei einer zweimaligen Wiederholung erhält man bereits 60000 Einzelwerte. Diese Analyse von großen und vor allem voneinander abhängigen Datenmengen erfordert eine multivariate Datenanalyse. Eine weitere große Stärke der chemometrischen Methoden besteht auch darin, dass sie gegenüber anderen statistischen Methoden in der Lage sind auch mit viel weniger Messungen als Variablen zu funktionieren. Zur Durchführung dieser Analyse bedient sich die Chemometrie der bekannten Verfahren der multivariaten Datenanalyse. Nachfolgend sollen nur die am häufigsten zum Einsatz kommenden oder gängigsten Verfahren vorgestellt werden. Darüber hinaus werden noch verschiedene Möglichkeiten für eine eventuell notwendige Vorbehandlung der Spektren (Kapitel 3.5.2) dargestellt und ein kurzer Einblick über chemometrische Software (Kapitel 3.2) gegeben. 3.2.1 Principal Component Analysis Die Hauptkomponentenanalyse kurz PCA (Principal Component Analysis) hat als eines der wichtigsten Ziele die Datenreduktion [20]. Man reduziert einen n-dimensionalen Raum auf einen sehr viel kleineren m-dimensionalen Raum, unter Beibehaltung der in den Sascha Princz 19 Grundlagen Ursprungsdaten enthaltenen größten Informationen [21]. Dabei werden stark korrelierende Variablen (z. B. Messwerte) zu den sogenannten Hauptkomponenten (PC, Principal Component) oder latente Variablen zusammengefasst, welche dann die Objekte (z. B. Konzentrationen) beschreiben [20, 21]. Zur Berechnung der Hauptkomponenten gibt es mehrere mathematische Möglichkeiten [20]. Häufig wird dazu die Datenmatrix X in die quadratische Kovarianzmatrix überführt [20] die symmetrisch und positiv definit ist. Anhand dieser Matrix erfolgt dann die Eigenwertberechnung [20]. Eine andere Bestimmung der Hauptkomponenten besteht in der Suche nach der maximalen Varianz in den Ausgangsdaten [20]. Die Richtung der maximalen Varianz in den Daten liefert immer die erste Hauptkomponente und die zweitgrößte Varianz liefert die zweite Hauptkomponente, usw. Diese steht senkrecht auf der ersten Hauptkomponente, da die unterschiedlichen Hauptkomponenten (als Eigenvektoren der symmetrischen Kovarianzmatrix) orthogonal zueinander sind [19, 21]. Die Schwierigkeit und auch die größte Fehleranfälligkeit des Modells liegen in der Anzahl der berechneten und für das Modell verwendeten Hauptkomponenten. Bei einer zu geringen Anzahl von Hauptkomponenten spricht man von einem „Underfitting“, es kommt zu einer unzureichenden Beschreibung der Daten [21, 22]. Bei einem „Overfitting“ besteht dagegen die Gefahr, dass nichtgewollte zufällige Informationen wie z. B. Rauschen oder zufällige Fehler mit in das Modell einbezogen werden [21, 22]. Die Ergebnisse einer PCA lassen sich wie in Tabelle 7 gezeigt zusammenfassen. Tabelle 7: Zusammenfassung der Ergebnisse einer PCA; modifiziert nach [18] Ergebnisse der Hauptkomponentenanalyse Sascha Princz Datenreduktion und Vereinfachung Datenmodellierung Erkennen von Ausreißern Auswahl von Variablen („variable selection“) Klassifizierung der Objekte Vorhersage „Entmischen“ von Informationen (Curve Resolution) 20 Grundlagen 3.2.1.1 Mathematisches Modell der PCA Aus mathematischer Sicht handelt es sich bei der Hauptkomponentenanalyse um die Lösung eines Eigenwertproblems, also um ein gängiges Verfahren der linearen Algebra [20]. Gl. (3.11) zeigt die allgemeine Gleichung für die Hauptkomponentenanalyse [20]. (3.11) In Abb. 10 ist die Zerlegung der mittenzentrierten (s. Kapitel 3.5.2.1) Datenmatrix X gezeigt. Die Datenmatrix X beinhaltet alle Proben in Form der Objekte in den Zeilen N und deren Eigenschaften in den Spalten M (beinhaltet alle Merkmale oder Variablen). Diese Datenmatrix X wird in die Gewichts- oder Scoresmatrix T, die Faktoren- oder Hauptkomponentenmatrix PT und die Residuenmatrix E zerlegt [20]. Abb. 10: Schematische Darstellung der Matrizen einer PCA; modifiziert nach [20, 23] Die Gewichtsmatrix T beinhaltet alle Scores oder Faktorenwerte, d. h. für jedes Objekt und berücksichtigte Hauptkomponente A steht dort der Koordinatenwert zu der entsprechenden Hauptkomponente [20]. Aus diesem Grund besitzt die Matrix T exakt so viele Zeilen N wie die Datenmatrix X und die Anzahl ihrer Spalten A ist durch die Zahl der berücksichtigten Hauptkomponenten festgelegt [20]. Die Hauptkomponenten stehen in den Spalten der Matrix P. Die Faktoren- oder Hauptkomponentenmatrix PT ist die transponierte Matrix von P und besitzt die gleiche Anzahl an Zeilen A wie Hauptkomponenten berücksichtigt werden, die Anzahl der Spalten M entspricht der Anzahl der Spalten der Datenmatrix [20]. Sascha Princz 21 Grundlagen Da mit Hilfe der PCA eine Datenreduzierung erreicht werden soll, ist die Zahl der Hauptkomponenten A meist kleiner als die Anzahl der Spalten M (Variablen) der Datenmatrix X. Die Residuenmatrix E besitzt die gleiche Anzahl an Spalten M und Zeilen N wie die Datenmatrix X und beinhaltet die Differenz zwischen der Datenmatrix X und der über die Gewichtsmatrix T und Hauptkomponentenmatrix PT reproduzierbaren Datenmatrix X' [20]. Die Informationen, die eine PCA liefert sind in Tabelle 8 zusammengefasst. Tabelle 8: Zusammenfassung der durch eine PCA erhaltenen Informationen; modifiziert nach [18] Informationen der Hauptkomponentenanalyse Hauptkomponenten beinhalten die Hauptveränderung der Daten, werden auch latente Variablen, Eigenvektoren oder Faktoren genannt, bilden die neuen Hauptachsen Loadings geben die Zahlenwerte der neuen Hauptachsen (Koordinatenachsen) an, die für den Datensatz berechnet werden Scores sind die Koordinatenwerte für jedes einzelne Objekt bezogen auf die neuen Hauptachsen Die PCA hat eine Einordnung oder Klassifizierung der Daten zum Ziel [20]. Ein zweites Ziel der multivariaten Datenanalyse oder Chemometrie liegt in der Kalibration, also z. B. der Vorhersage unbekannter Konzentrationen anhand aufgezeichneter Spektren. Für eine Vorhersage kommen Methoden der multivariaten Regression zum Einsatz wie z. B die PCR (Principal Component Regression), die aus einer Verbindung der multiplen linearen Regression (MLR) und der PCA besteht, oder die Partial Least Squares Regression (PLSR) [20]. Da im Rahmen dieser Arbeit keine PCR durchgeführt wird, soll darauf auch nicht näher eingegangen werden, eine genaue Beschreibung findet sich aber in [20]. 3.2.2 Partial Least Squares Regression In der Chemie und Spektroskopie hat sich die PLSR, die meist nur als PLS bezeichnet wird, als Standardmethode für die multivariate Regression durchgesetzt [20]. Vor allem die NIRS führte zu einer weiten Verbreitung der PLS, da es damit möglich war komplette NIR-Spektren mit Konzentrationen von chemischen Stoffen ohne große Mühe zu kalibrieren [20]. Der Vorteil der PLS gegenüber der MLR liegt darin begründet, dass bei der PLS die x-Daten (Messwerte, z. B. Spektren) hoch korreliert und interkorreliert sein dürfen (ist bei Spektren Sascha Princz 22 Grundlagen immer der Fall) und die PLS auch trotz einer geringeren Anzahl an Messungen als Spektrenwerten gerechnet werden kann [21]. Vergleicht man die PLS mit der PCR, so zeigt sich, dass der wesentliche Unterschied in der Bestimmung der Komponenten (Faktoren) liegt. Bei der PLS wird zur Bestimmung der Komponenten für die x-Daten bereits die Struktur der y-Daten mit einbezogen [19], so dass diese Komponenten bereits stärker mit der Zielgröße verknüpft sind [21]. Dies hat darüber hinaus noch den Vorteil, dass bei gleichbleibender Modellgüte in der Regel ein mit Hilfe der PLS erstelltes Modell weniger Hauptkomponenten als ein PCR-Modell benötigt und somit eine leichtere Interpretation der Ergebnisse möglich ist [19, 20, 21]. Das bereits unter Kapitel 3.2.1 erwähnte Problem des „Over-“ und „Underfitting“ bleibt auch hier bestehen [21]. 3.2.2.1 Mathematisches Modell der PLS Bei der Durchführung einer PLS gibt es zwei Ansätze, die sich nur in der Anzahl der verwendeten Zielgrößen y unterscheiden. Verwendet man bei der Erstellung eines Modells nur eine Zielgröße y (z. B. Ethanolgehalt) und viele Messwerte X (z. B. Spektren) so spricht man von einer PLS1 [20]. Verwendet man allerdings mehrere Zielgrößen y (z. B. Ethanol-, Glucose-, Wassergehalt, usw.) in einem Modell gleichzeitig, spricht man von einer PLS2 [20]. Eine schematische Darstellung zur PLS zeigt Abb. 11. Auch hier kommt es zunächst ähnlich der PCA zu einer Zerlegung der Datenmatrix X in die Scoresmatrix T und die Komponentenmatrix PT (vgl. Kapitel 3.2.1.1 und Gl. (3.11)). Darüber hinaus erfolgt noch eine Zerlegung der Zielgrößenmatrix Y in die Scoresmatrix U, die Komponentenmatrix QT und Residuenmatrix F, siehe auch Gl. (3.12). (3.12) Dabei muss die Zielgrößenmatrix Y die gleiche Anzahl an Zeilen N wie die Datenmatrix X besitzen (jedes Objekt in X muss in Y eine Zielgröße haben), die Zahl der Spalten K kann beliebig sein (abhängig von der Anzahl der gemessenen Zielgrößen (z. B. Konzentrationen verschiedener Stoffe) pro Objekt) [20]. Die Residuenmatrix F hat die gleiche Dimension wie Y (N Zeilen und K Spalten) und entspricht der Residuenmatrix E. Die Scores befinden sich in der Gewichtsmatrix U und die entsprechenden Loadings in der Komponentenmatrix QT (A Zeilen und K Spalten) [20]. Sascha Princz 23 Grundlagen Abb. 11: Schematische Darstellung der Matrizen einer PLS; modifiziert nach [20, 23] Die Besonderheit oder Idee der PLS ist allerdings die zuvor erwähnte Verknüpfung oder Informationsaustausch beider Seiten miteinander bereits während der jeweiligen Zerlegung der X- und Y-Matrix. Diese Verbindung der Datenräume ist in Abb. 11 als grüner Pfeil dargestellt und lässt sich mit Gl. (3.13) beschreiben, wobei B die Matrix der Regressionskoeffizienten ist [23, 24]. (3.13) Die Verbindung der beiden Datenräume (X-Matrix mit Y-Matrix) erfolgt also über die ScoreVektoren von U mit denen von T und ermöglicht somit nach Erstellung eines PLSKalibriermodells die Berechnung der Zielgröße Yunb für unbekannte Objekte aus gemessenen X-Werten [18] nach Gl. (3.14) [24]. (3.14) Zur Vollständigkeit muss zur Abb. 11 noch gesagt werden, dass bei der PLS1 an der Stelle der Matrizen Y, Q und F die Vektoren y, q und f treten [18]. Der Grund liegt wie bereits erwähnt darin, dass bei der PLS1 die Regression nur für eine Zielgröße y (z. B. die Konzentration von Ethanol) erfolgt. Sascha Princz 24 Grundlagen 3.2.3 Beispiel PCA und PLS Nachfolgend sollen die in Kapitel 3.2.1 und Kapitel 3.2.2 vorgestellte PCA und PLS mit Hilfe eines Beispiels veranschaulicht werden. Hierzu wurde ein unrealistisches Zahlenbeispiel, mit Bezug auf die in dieser Arbeit betreffenden Systematik, erstellt und mit Hilfe des „The Unscrambler“ durchgerechnet. Die Ergebnisse sind nachfolgend dargestellt. Zunächst erfolgt eine Aufzeichnung von Spektren, hierzu werden 5 Messungen (M1-M5) über einen Bereich von 5 Wellenlängen (λ1-λ5) analysiert. Siehe dazu auch Abb. 12. Abb. 12: Spektren der 5 Messungen über 5 Wellenlängen In einem zweiten Schritt erfolgt die Erstellung einer 5x5 Matrix, die die Messwerte der 5 Messungen über die 5 Wellenlängen enthält (s. Abb. 13). Die Dimension der Matrix wird somit von der Anzahl der Messungen und Anzahl der Wellenlängen vorgegeben. Diese Matrix entspricht der Matrix X in Abb. 10. Abb. 13: Matrix der 5 Messungen über 5 Wellenlängen, entspricht der X-Matrix Nach der Durchführung einer PCA liefert „The Unscrambler“ das in Abb. 14 gezeigte Ergebnis in Form der Gewichtsmatrix (Faktorenwerte, Scores). Entspricht der Gewichtsmatrix T in Abb. 10. Die Dimension mit 3x5 ergibt sich hier aus der Anzahl der Hauptkomponenten (PC1PC3) und den Messungen (M1-M5). Sascha Princz 25 Grundlagen Abb. 14: Gewichtsmatrix T der X-Matrix nach einer PCA Neben der Gewichtsmatrix T erhält man durch die PCA auch die in Abb. 15 gezeigte Hauptkomponentenmatrix (Faktorenladungen, Loadings). Diese entspricht in Abb. 10 der Matrix PT und erhält ihre 5x3 Dimension durch die Anzahl der Wellenlängen (λ1-λ5) und der Anzahl der Hauptkomponenten (PC1-PC3). Abb. 15: Hauptkomponentenmatrix PT der X-Matrix nach einer PCA Ebenfalls durch die PCA erhält man die in Abb. 16 gezeigte Residuenmatrix E. Diese hat wie die Ausgangsmatrix X eine 5x5 Dimension. Abb. 16: Residuenmatrix E der X-Matrix nach einer PCA Neben den Daten aus der in Abb. 13 gezeigten X-Matrix benötigt man für eine PLS eine weitere Matrix. Diese Y-Matrix (vgl. Abb. 11) enthält z. B. Daten zu den einzelnen Stoffkonzentrationen eines spektral vermessenen Gemischs (K1-Kn). Diese Daten werden z. B. mit Hilfe einer geeigneten Referenzanalytik gewonnen und für jedes spektral vermessene Gemisch durchgeführt (RM1-RM5). Mögliche Ergebnisse aus einer Referenzanalytik für 2 Stoffkonzentrationen (K1, K2) zeigt Abb. 17, hierbei stehen RM1-RM5 analog für die 5 Messungen aus Abb. 12. Abb. 17: Daten aus einer Referenzanalytik für zwei Stoffe eines Gemischs Sascha Princz 26 Grundlagen Diese Daten werden nun in die in Abb. 18 gezeigte Matrix überführt. Diese Matrix entspricht der Y-Matrix in Abb. 11. Ihre Dimension mit 2x5 resultiert aus der Anzahl der analysierten Proben (RM1-RM5) und der Anzahl der analysierten Stoffkonzentrationen (K1-K2). Abb. 18: Matrix der 5 Referenzmessungen 2er Stoffe, entspricht der Y-Matrix Erfolgt die Durchführung einer PLS über beide (oder mehrere) Konzentrationen, handelt es sich um eine PLS2. Verwendet man dahingegen nur eine Konzentration, spricht man von einer PLS1 (dabei tritt an die Stelle der Y-Matrix ein y-Vektor, der z. B. nur die Daten für K1 über die 5 Referenzmessungen enthält). Die nachfolgend dargestellten Ergebnisse für eine PLS1 wurden wiederum mit dem „The Unscrambler“ erzielt. Zunächst erfolgt mit Hilfe einer PLS die Zerlegung der X-Matrix in die in Abb. 19 gezeigte Gewichtsmatrix T, Abb. 19: Gewichtsmatrix T der X-Matrix nach einer PLS der in Abb. 20 gezeigten Komponentenmatrix PT Abb. 20: Faktorenmatrix PT der X-Matrix nach einer PLS sowie der in Abb. 21 gezeigten Residuenmatrix E. Vergleiche dazu auch Abb. 11. Abb. 21: Residuenmatrix E der X-Matrix nach einer PLS Sascha Princz 27 Grundlagen Nachfolgend soll die Zerlegung der Y-Matrix durch eine PLS dargestellt werden. Wie bereits erwähnt soll hier nur ein Beispiel für eine PLS1 gezeigt werden, deshalb handelt es sich genauer um einen y-Vektor. Diesen Vektor zeigt Abb. 22. Abb. 22: y-Vektor der Konzentration K1 über 5 (Referenz)Messungen für die PLS Nach der Durchführung einer PLS1 liefert „The Unscrambler“ das in Abb. 23 gezeigte Ergebnis in Form der Gewichtsmatrix. Entspricht der Gewichtsmatrix U in Abb. 11. Die Dimension mit 3x5 ergibt sich hier aus der Anzahl der Faktoren (1-3) und den Messungen (M1-M5). Abb. 23: Gewichtsmatrix U der Y-Matrix bzw. des y-Vektors nach einer PLS Neben der Gewichtsmatrix U erhält man durch die PLS auch den in Abb. 24 gezeigten Faktorenvektor qT (entspricht Faktorenmatrix QT bei einer PLS2). Dies entspricht in Abb. 11 der Matrix QT. Die Dimension wird durch die Anzahl der Konzentrationen (K1-Kn) sowie der Anzahl der Faktoren bestimmt. Abb. 24: qT-Vektor (bzw. Faktorenmatrix QT) des y-Vektors (bzw. Y-Matrix) nach einer PLS Ebenfalls durch die PLS erhält man den in Abb. 25 gezeigten Residuenvektor f (entspricht bei einer PLS2 der in Abb. 11 gezeigten Residuenmatrix F). Dieser besitzt dieselbe Dimension wie der Ausgangsvektor y oder die Ausgangsmatrix Y. Abb. 25: Residuenvektor f (bzw. Residuenmatrix F) des y-Vektors (bzw. Y-Matrix) nach einer PLS Sascha Princz 28 Grundlagen 3.3 Versuchsplan/ DOE Bevor man mit einer Versuchsreihe oder Messreihe beginnt ist es vorteilhaft einen Versuchsplan oder ein Design of Experiment (DOE) zu erstellen. So ist das Sammeln von Proben vor allem direkt während der Produktion aber auch das spezielle Erstellen von Proben im Labor meist mit hohem Zeitaufwand und hohen Kosten verbunden. Allein schon um solch eine unnötige Ressourcenverschwendung im Bezug auf Zeit, Kosten und Material zu vermeiden sollte ein DOE erstellt werden. Kurz gesagt mit einem geringen Aufwand das bestmöglichste Ergebnis erzielen bzw. soviel Informationen wie möglich zu erhalten [18]. Weitere sehr wichtige Vorteile liegen in der Tatsache, dass die Erstellung eines Kalibriermodells, genauer dessen Güte bzw. Qualität zum einen abhängig ist von der gewählten Referenzanalytik und zum anderen von dem Versuchsplan oder DOE. Bereits bei Erstellung eines Versuchsplanes muss darauf geachtet werden, dass alle relevanten Faktoren in ausreichender Variation bzw. Kombination zur Erstellung eines Kalibriermodells eingehen. Des Weiteren bietet sich die Möglichkeit mit Hilfe eines geeigneten Versuchsplans: systematische Fehler schneller zu entdecken oder zu vermeiden, eine symmetrische Anordnung in Bezug auf die Faktorkombinationen und Wiederholung von Experimenten zu erhalten, einer randomisierten Versuchsdurchführung sowie einer Blockbildung zur Erkennung von unkontrollierten Faktoren [25]. Zur Erstellung eines Versuchsplans gibt es verschiedene Methoden bzw. Modelle, eine Übersicht zu den verschiedenen Arten von Versuchsplänen liefert Abb. 26. Wie dort zu sehen ist erfolgt die Zuordnung zum einen zu den zweistufigen Plänen oder Screening Designs, hierbei variiert man die mögliche Faktoreinstellungen lediglich auf zwei Stufen (z. B. + und ) und zum anderen zu den dreistufigen Plänen oder Response Surface Designs, hierbei variiert man die mögliche Faktoreinstellungen mindestens auf drei Stufen (z. B. 0, +1 und 1) [25]. Sascha Princz 29 Grundlagen Abb. 26: Übersicht zu möglichen Arten von Versuchsplänen, modifiziert nach [25] Da im Rahmen dieser Arbeit zur Erstellung eines geeigneten Versuchsplans nur ein Mischungsplan in Frage kommt, soll nachfolgend nur auf diesen näher eingegangen werden. Weitere Informationen zu den anderen Arten von Versuchsplänen finden sich in der für dieses Kapitel verwendeten Literatur [25]. 3.3.1 Mischungspläne Wie aus Abb. 26 zu entnehmen ist gehören die Mischungspläne zu den sogenannten Response Surface Designs, bei diesen Methoden ist die Antwortfläche (z. B. Konzentration) in Abhängigkeit der Faktoren (z. B. Mischungskomponenten) bekannt [25]. Wie Gl. (3.15) zeigt, tritt bei Mischungen die Besonderheit auf, dass sich die Anteile xi aller Mischungskomponenten M zu 100% addieren oder auf die Summe 1 normiert sind, wobei diese meist in Volumen-, Mol- oder Gewichtsanteilen definiert sind [25]. (3.15) Die bekanntesten und wichtigsten Mischungspläne sind die sogenannten (H, D)-Gitterpläne oder Lattice Design, wobei H für die Anzahl der Faktoren und D für die Anzahl der einzelnen Faktorstufen steht. Abb. 27 zeigt das Beispiel eines auf 1 normierten (3,3) Gitterplanes mit drei Faktoren (x1, x2, x3) und jeweils drei Faktorstufen (0,33, 0,66, 1). Die Berechnung der Faktorstufen erfolgt dabei wie in Gl. (3.16) gezeigt [25]. Sascha Princz 30 Grundlagen (3.16) Abb. 27: Darstellung eines (3,3) Gitterplanes Letztendlich berechnet sich die Anzahl der (Gitter-) Punkte nach Gl. (3.17) [25]. Die Anzahl der Punkte liefert die Information, wie viel Kombinationen der Mischungskomponenten sinnvoll sind, und gibt somit auch die Anzahl der notwendigen Versuche wieder. (3.17) Gl. (3.17) stammt aus dem Bereich der Kombinatorik und beschreibt ein Modell mit Wiederholung (Zurücklegen) ohne eine Berücksichtigung der Reihenfolge. Sie lässt sich wie folgt erklären: Man wählt aus H-vielen Kugeln (entspricht den Faktoren, z. B. Mischungskomponenten) genau D-viele (entspricht den Faktorstufen, Anzahl der Ziehungen) aus mit Zurücklegen und ohne Berücksichtigung der Reihenfolge. Das Ziehen einer Kugel bedeutet einen weiteren Anteil der entsprechenden Mischungskomponente. So entspricht z. B. die Ziehung <A, B, A> Mischungskomponente A und Mischungskomponente B, genauso wie <B, A, A> usw. 3.3.2 Einschränkungen Je nach Versuch kann es notwendig sein den Versuchsplan hinsichtlich des geplanten Experiments individuell anzupassen. Dies kommt vor allem häufig bei Mischungsplänen vor, da die einzelnen Komponenten (Faktoren) nicht beliebig kombiniert werden können oder bestimmte Faktorkombinationen Sascha Princz keinen Sinn machen. Solche Einschränkungen von 31 Grundlagen Faktorkombinationen beruhen meist auf den folgenden zwei Varianten. Das sind zum einen in Gl. (3.18) dargestellte Einschränkungen die jeweils nur einen Faktor betreffen (3.18) und zum anderen können sich diese Einschränkungen auch auf eine Kombination von Faktoren beziehen wie in Gl. (3.19) zu sehen ist [26]. (3.19) 3.4 Kalibrierung und Validierung Die Vorgehensweise bei der Erarbeitung eines Kalibriermodells zur Analyse unbekannter Proben ist in Abb. 28 schematisch und vereinfacht dargestellt. Zunächst bietet es sich an ein Design of Experiment (DOE) oder Versuchsplan zur Durchführung der Generierung eines Kalibriermodells zu erstellen. Anhand dieses Versuchsplans werden dann die geeigneten Proben für die Kalibration gewählt. Diese Proben werden nun z. B. mittels der NIRS vermessen und zusätzlich mit einer weiteren Referenzmethode analysiert. Daraus resultieren dann zum einen die NIR-Spektren sowie die y-Daten, z. B. Konzentrationen, aus der Referenzanalytik. Abb. 28: schematische Darstellung zur Generierung eines Kalibriermodells Mit den auf diesem Wege erhaltenen Daten kann anschließend z. B. mit Hilfe der in Kapitel 3.2.2 vorgestellten PLS ein entsprechendes Kalibriermodell erstellt werden. Nachdem ein entsprechendes Kalibriermodell erstellt ist, kann nun wie in Abb. 29 dargestellt eine Vorhersage von unbekannten y-Werten z. B. Konzentration durchgeführt werden. Dazu werden die unbekannten Proben für die Analyse wieder mittels NIRS vermessen und die resultierenden Spektren mit Hilfe des Kalibriermodells ausgewertet. Letztendlich erhält man dann, wie in Kapitel 3.2.2.1 dargestellt die Daten für die y-Werte entsprechend dem verwendeten Kalibriermodell. Sascha Princz 32 Grundlagen Abb. 29: schematische Darstellung zur Vorhersage Da das Kalibriermodell unter anderem von der Anzahl der gewählten Hauptkomponenten sowie der Methode zur Referenzanalytik abhängig ist, ist es notwendig dieses Kalibriermodell im Hinblick auf dessen Funktionstauglichkeit zu beurteilen. Laut DIN EN ISO 9000:2005 handelt es sich bei einer Validierung um die „Bestätigung durch Bereitstellung eines objektiven Nachweises (…), dass die Anforderungen (…) für einen spezifischen beabsichtigten Gebrauch oder eine spezifische beabsichtigte Anwendung erfüllt worden sind“ [27]. Für eine Validierung in der multivariaten Datenanalyse unterscheidet man folgende, in Tabelle 9 gezeigte Validierungsmethoden [20]. Tabelle 9: verschiedene Validierungsmethoden für die multivariate Datenanalyse; modifiziert nach [20] Validierungsmethoden Cross Validation, jedes Objekt ist an der Kalibrierung und an der Validierung beteiligt Test Set Validation, extra Objekte für die Kalibrierung und extra Objekte für die Validierung Die Beurteilung der Leverage Correction, üblich bei MLR Funktionstauglichkeit kann mit verschiedenen Methoden zur Überprüfung von Fehlergrößen bei der Erstellung eines Kalibriermodells erfolgen. Dabei handelt es sich um folgende statistische Methoden: 3.4.1 Standardfehler der Kalibration Der Standardfehler der Kalibration wird durch die Restvarianz nach der Kalibrierung ausgedrückt und berechnet sich wie in Gl. (3.20) dargestellt für eine Kalibriergerade aus n Stützpunkten [20]. Da jeder Regressionskoeffizient bi einen Freiheitsgrad verbraucht, ergibt sich die Zahl der Freiheitsgrade im Nenner hier zu (n-2) [20]. Die gemessenen Werte sind mit und die vorhergesagten Werte mit abgekürzt. (3.20) Sascha Princz 33 Grundlagen Für die Berechnung des Standardfehlers nach Gl. (3.20) ist es notwendig die Anzahl der Freiheitsgrade zu wissen. Diese Anzahl lässt sich für die einfache Regression und MLR, durch das Abziehen der zu berechnenden Regressionskoeffizienten von der Anzahl der Kalibrierproben, einfach berechnen [20]. Da Aufgrund der PCA bei der multivariaten Regression eine nicht bekannte Anzahl der Freiheitsgrade verloren geht, wird der Standardfehler der Kalibration durch den mittleren quadratischen Fehler (Root Mean Square Error, RMSE) als Fehlerangabe ersetzt [20]. 3.4.2 Root Mean Square Error Für die Berechnung des RMSE nach Gl. (3.23) muss zunächst die Fehlerquadratsumme PRESS (Predicted Residual Sum of Squares) nach Gl. (3.21) berechnet werden. Es handelt sich bei dem PRESS um die Quadratsumme der Residuen und gibt die Summe der Fehlerquadrate zwischen den vorhergesagten Werten und gemessenen Werten (Referenzwerten) an [20, 25]. (3.21) Im nächsten Schritt erfolgt die Berechnung der Restvarianz (mittlere quadratische Fehler), wobei im Nenner mit n die Anzahl der Proben steht, wie in Gl. (3.22) dargestellt [20]. (3.22) Letztendlich kann dann nach Gl. (3.23) der RMSE berechnet werden, wobei keine Freiheitsgrade subtrahiert werden, da deren Anzahl wie oben aufgeführt nicht bekannt ist [20]. (3.23) Meist erfolgt die Bezeichnung des mittleren quadratischen Fehlers bei der Kalibrierung als RMSEC (RMSE Calibration) und der Validierung als RMSECV (RMSE Cross Validation) oder ohne genaue Angabe der Validierungsmethode als RMSEP (RMSE Prediction) [20]. 3.4.3 Standard Error Als Standard Error (SE) versteht man die Standardabweichung der Residuen, bei dessen Berechnung nach Gl. (3.25) zuvor der eventuell vorhandene systematische Fehler BIAS von Sascha Princz 34 Grundlagen den Residuen abgezogen wird [20]. Bei dem BIAS handelt es sich um den Mittelwert aller Residuen, dessen Berechnung Gl. (3.24) zeigt [20]. (3.24) Der BIAS liefert die Aussage wie gut eine Kalibrierung ist, und sollte bei einer guten Kalibrierung sehr nahe bei null sein [20]. (3.25) Die Bezeichnung des SE erfolgt analog zu der Bezeichnung des RMSE, also mit SECV (SE of Cross Validation) oder SEP (SE of Prediction oder SE of Performance) bei der Validierung und bei der Kalibrierung als SEC (SE of Calibration) [20]. Da wie bereits erwähnt der BIAS bei einer guten Kalibrierung so gut wie null sein sollte, unterscheiden sich RMSEC und SEC nur aufgrund des Nenners [20]. Unterscheiden sich bei der Validierung der RMSEP und SEP nicht nur aufgrund des unterschiedlichen Nenners, liegt dies an einem BIAS, welcher von null verschieden ist, und somit den Beweis für einen systematischen Fehler liefert [20]. 3.4.4 Residualanalyse und Bestimmtheitsmaß Das mit Gl. (3.26) berechnete Bestimmtheitsmaß R2 gibt den Anteil der erklärten Varianz an [20], und liefert ein Maß für die Genauigkeit der vorhergesagten Werte im Vergleich zu den Referenzwerten. (3.26) Um das Bestimmtheitsmaß zu erhalten erfolgt zunächst eine Streuungszerlegung [28], wobei sich die Gesamtstreuung SQT (Sum of Squares Total) aus der Summe der erklärten Streuung SQE (Sum of Squares Explained) und der Rest- oder Residualstreuung SQR (Sum of Squares Residuals) bildet, siehe auch Gl. (3.27) [28]. (3.27) Wenn alle vorhergesagten Werte gleich den Referenzwerten sind, liegen diese direkt auf der Regressionsgeraden und die Residuen sind somit wie auch SQR gleich null. Man erhält also Sascha Princz 35 Grundlagen nach Gl. (3.26) ein Bestimmtheitsmaß von eins [28]. Ist dahingegen die SQE gleich null, erhalten wir somit auch ein Bestimmtheitsmaß von null was für ein sehr schlechtes Modell spricht [28]. Das Bestimmtheitsmaß kann demzufolge Werte zwischen null und eins annehmen, wobei umso näher der Wert bei eins liegt desto geringer ist die Residualstreuung SQR und umso besser das Modell [28]. Man hat also demzufolge mit Hilfe des Bestimmtheitsmaßes eine Möglichkeit zur Aussage über die Güte eines Modells [28]. 3.5 Spektrale Daten Da es in der Spektroskopie in der Regel unüblich ist mit den gemessenen absoluten Intensitäten zu arbeiten (Ausnahme Fluoreszenzspektren), erfolgt bereits bei der spektralen Datenerfassung zunächst eine Gewichtung der selbigen mit einer anschließenden Transformation [20]. Diese Gewichtung erfolgt bei der Spektroskopie, indem man die gemessene Intensität I einer Probe durch die bei entsprechender Wellenlänge gemessene Intensität I0 einer Referenzmessung dividiert. Man erhält somit je nach Messprinzip den Grad der Transmission T oder der Reflexion R und die Werte sind somit wie Gl. (3.28) zeigt durch die Referenz gewichtet [20]. (3.28) Damit nun das Lambert Beer`sche Gesetz angewendet werden kann, müssen die gemessenen Spektrenwerte proportional zur Konzentration sein. Dies erreicht man durch eine Transformation der Transmissions- bzw. Reflexionsspektren in Absorptionsspektren nach Gl. (3.29) [20]. (3.29) Es muss allerdings beachtet werden, dass das Lambert Beer`sche Gesetz nur bei einer Transmissionsmessung von klaren Flüssigkeiten uneingeschränkt gilt. Wird eine Reflexionsmessung durchgeführt kann T zwar durch R ersetzt werden, allerdings sind dann nach Gl. (3.30) Konzentration und Absorption nur noch näherungsweise zueinander proportional [20]. (3.30) Deshalb sollte bei Transmissionsmessungen von trüben (opaken) Flüssigkeiten [18] oder an Festkörpern nicht Gl. (3.29) sondern besser Gl. (3.6) nach Kubelka-Munk angewendet Sascha Princz 36 Grundlagen werden, da diese nicht nur die Absorptions- sondern auch die Streueffekte berücksichtigt [20]. 3.5.1 Geeigneter Spektral-/ Frequenzbereich Bereits bei der Wahl der spektroskopischen Technik, wie z. B. der NIRS, wird eine erste Einschränkung bzw. Auswahl im Bezug auf den zu messenden Wellenlängen- oder Frequenzbereich getroffen. Da bei der Auswertung eines Spektrums z. B. mit Hilfe der PLS stets die kompletten spektralen Datenpunkte zur Gewinnung von spektralen Informationen bezüglich der Komponentenwerte herangezogen werden, lässt es sich leicht nachvollziehen, dass spektrales Rauschen oder Absorptionsbanden von Störkomponenten diese Ergebnisse verfälschen können [29]. Um nun zu verhindern, dass spektrale Strukturen, die nicht von den relevanten Komponentenwerten stammen, interpretiert werden und somit die Ergebnisse der Analyse verschlechtern, kann es von Vorteil sein solche Spektralbereiche für die Modellentwicklung nicht zu berücksichtigen [29]. Dabei kann es sehr oft hilfreich sein, zunächst das komplette Spektrum zu analysieren und anschließend Bereiche, die eine Verschlechterung des Modells verursachen, nicht zu berücksichtigen und gezielt nach Bereichen zu suchen, die eine Verbesserung des Modells bewirken können [29]. 3.5.2 Vorbehandlung von Spektren Die aufgezeichneten Spektren sollten also zunächst immer mit ihren Rohdaten analysiert werden und dann wird anhand der Ergebnisse evtl. eine Datenvorverarbeitung begründbar, die letztendlich zu einer Verbesserung der Ergebnisse führen kann [20]. Eine entsprechende Datenvorbehandlung bietet neben der in Kapitel 3.5.1 vorgestellten Auswahl eines geeigneten spektralen Bereichs eine weitere wichtige Vorgehensweise um eine möglichst gute Form des Spektrums zu erhalten, welche z. B. der PLS erlaubt eine möglichst gute Korrelation zwischen Konzentration- und Spektraldaten zu erstellen [29]. Hierbei ist jedoch die Qualität der spektralen Rohdaten entscheidend dafür, welche Methoden für eine sinnvolle Vorbehandlung in Betracht kommen. Nachfolgend sollen einige solche geeignete Methoden für eine Vorbehandlung von Spektren vorgestellt werden. An dieser Stelle soll zuvor noch angemerkt werden, dass eine Vorbehandlung der Daten immer auch eine Veränderung bzw. Verfälschung dieser nach sich zieht und aus diesem Grund zunächst immer angestrebt werden sollte eine bestmögliche Auswertung mittels der Rohdaten, also ohne Datenvorbehandlung zu erreichen. Sascha Princz 37 Grundlagen 3.5.2.1 Mittenzentrierung Die Mittenzentrierung als Datenvorbehandlung wird in der Regel vor der Berechnung von Scores und Loadings mit Hilfe einer PCA oder PLS durchgeführt, da somit die Scores und Hauptkomponenten auf den Mittelwert bezogen werden und eine einfachere Interpretation möglich wird [20]. Hierfür wird, wie Gl (3.31) zeigt, für jede Spalte der Originaldatenmatrix der Mittelwert berechnet und von jedem Messwert der Spalte abgezogen [20]. Diese Berechnung muss für alle Spalten der Messdatenmatrix durchgeführt werden. (3.31) 3.5.2.2 Normierung Im Wesentlichen erhalten Spektren die folgenden zwei wichtigen Informationen, zum einen über die Höhe der einzelnen Banden und zum anderen deren strukturelle Information [29]. Bei einer Normierung von Spektren geht zwar die Information über die Höhe verloren, aber die Information über die Struktur bleibt dagegen erhalten [29]. Zur Realisierung einer Normierung stehen die nachfolgenden drei Methoden zur Auswahl. Die Mathematik einer Normierung auf den Mittelwert zeigt Gl. (3.32), hierbei wird jeder Spektrenwert (z. B. gemessene Absorption bei entsprechender Wellenlänge k) auf den Gesamtmittelwert des Spektrums normiert [20]. Dies hat zur Folge, dass z.B. systematische Veränderungen in einem Spektrum ausgeglichen werden oder zwei Spektren mit verhältnismäßig gleichen Banden aber unterschiedlicher maximaler Intensität durch diese Art der Normierung identisch werden [20]. (3.32) Eine zweite Art der Normierung ist die in Gl. (3.33) gezeigte Vektornormierung auf die Länge eins (Betrag-1-Norm) [20]. Durch die Division der Spektrenwerte ak durch den Betrag des gesamten Spektrums erzielt man eine Normierung der Spektren auf den Betrag eins. Dies bewirkt, dass alle Spektren, die in die gleiche Richtung zeigen, gleich lang werden und man hat wiederum eine Möglichkeit systematische Veränderungen im Spektrum auszugleichen [20]. Sascha Princz 38 Grundlagen (3.33) Die dritte Möglichkeit für eine Normierung von Absorptionsspektren ist die Min-MaxNormierung [29]. Hierbei wird zunächst der kleinste y-Wert gleich null gesetzt und im Anschluss erfolgt eine Expansion der Spektren in y-Richtung bis der größte y-Wert bei 2 Absorptionseinheiten liegt [29]. Im Wesentlichen bleibt bei einer Normierung das Originalvorzeichen der Spektrenwerte und somit das Aussehen bzw. die Spektrenform im Prinzip erhalten [20]. 3.5.2.3 Glättung Spektren können unter Umständen mit einem Rauschen behaftet sein, welches z. B. vom Spektrometer selber verursacht werden kann. Bei diesem Rauschen handelt es sich somit um ein Störsignal, welches vor allem gegenüber einem geringen spektroskopischen Signal einen hohen Störeinfluss haben kann. Dieser unerwünschte Effekt kann mit Hilfe einer sogenannten Glättung beseitigt werden [20]. Die einfachste Methode hierfür ist die Glättung über den gleitenden Mittelwert, wobei der Grad der Glättung über die Intervallgröße (welche eine ungerade Zahl größer zwei sein muss) bestimmt wird [20]. Um eine ausreichende Glättung zu erreichen muss also ein Intervall mit geeigneter Größe gewählt werden. Hierbei muss allerdings darauf geachtet werden, dass es nicht zu groß gewählt wird, damit Signaländerungen die kein Rauschen sind nicht auch entfernt werden [20]. Um dieses Risiko zu verringert eignet sich eine Polynomglättung wie die Savitzky-GolayGlättung [20]. Diese Art der Glättung ist vor allem bei strukturierten Spektren bevorzugt gegenüber der oben erwähnten Methode zu verwenden, da um die Struktur zu erhalten ein relativ kleines Intervall notwendig ist was aber wie erwähnt bei der Glättung mit dem gleitenden Mittelwert zu einer geringeren Glättung führt [20]. Auch bei der Polynomglättung wird zunächst wieder eine Intervallgröße bestimmt durch deren Spektrenwerte (entsprechend der Intervallgröße) dann in einem weiteren Schritt ein Polynom gefittet wird [20]. Hier sei noch erwähnt dass auch durch eine PCA eine Glättung erfolgen kann. Da bei einer PCA zufällige Informationen wie das Rauschen erst in den höheren Hauptkomponenten berücksichtigt wird, kann bei einer Reproduktion der Spektren ohne diese Hauptkomponenten das Rauschen eliminiert werden [20]. Sascha Princz 39 Grundlagen 3.5.2.4 Basislinienkorrektur Mit Hilfe einer Basislinienkorrektur hat man z. B. die Möglichkeit eine lineare Basislinienverschiebung oder auch eine lineare Verkippung von Basislinienverschiebungen zu eliminieren [29]. Die Ursachen, die letztendlich zu einer solchen Basislinienverschiebung führen, können verschiedenster Natur sein. So sind neben unterschiedlichen Werten in der Detektorverstärkung [29], Verunreinigungen, Streuverluste aber auch systematische Probleme der Messapparatur für eine solche Verschiebung der Basislinie verantwortlich [20]. Da es sich hierbei lediglich um eine systematische Abweichung von der Grundlinie handelt und keine chemische Informationen enthalten sind, kann diese mit Hilfe einer geeigneten Basislinienkorrektur beseitigt werden [20]. Eine konstante Basislinienverschiebung kann durch eine Subtraktion eines konstanten Offsets beseitigt werden, hierfür werden z. B. die Spektren linear so lange verschoben bis der kleinste y-Wert auf null gesetzt ist [29]. Zunächst muss allerdings das über die Wellenlänge x gemessene Spektrum Information durch die Summe der eigentlichen chemischen und den auftretenden Störungen beschrieben werden [20]. Dies zeigt Gl. (3.34) wobei, wie erwähnt, nur den spektral interessanten Teil darstellt und die Basislinienstörung von den restlichen Termen beschrieben wird [20]. (3.34) Mit Hilfe eines solchen Modells kann nun das gemessene Spektrum entsprechend korrigiert werden, in dem man davon das Basislinienmodell subtrahiert. Gl. (3.35) zeigt das Modell eines Spektrums mit einer Basislinienverschiebung um einen konstanten Betrag , was einer Verschiebung um eine horizontale Linie entspricht [20]. Für die Korrektur muss hier zunächst für jedes Spektrum entsprechend die Konstante bestimmt werden und vom gemessenen Spektrum subtrahiert werden [20]. Am geeignetsten ist es, wenn man zur Bestimmung von eine Wellenlänge wählt die keine chemische Information enthält und somit auf null gesetzt werden kann [20]. Es erfolgt also eine Subtraktion eines konstanten Offsets von dem gemessenen Spektrum [29]. (3.35) Handelt es sich bei der Basislinienverschiebung um eine lineare Verkippung [29], wird zur Korrektur ein lineares Modell, wie es Gl. (3.36) zeigt, benötigt [20]. Um die Steigung β zu bestimmen werden nun zwei Bezugspunkte bzw. Wellenlängen benötigt [20], die keine Sascha Princz 40 Grundlagen relevante chemische Information besitzen und auf null gesetzt werden können. Es handelt sich hierbei also um die Subtraktion einer Geraden [29]. (3.36) 3.5.2.5 Ableitung Mit Hilfe der Ableitung eines Spektrums lassen sich Signale mit einem steilen Anstieg gegenüber flachen Strukturen besser hervorheben, man kann also z. B. relativ kleine scharfbandige Signale, die von einem relativ breiten oder hohen Untergrund überlagert sind, trennen [29]. Darüber hinaus lässt sich durch eine Ableitung die spektrale Information verstärken [20], so erhalten z. B. relativ breite Banden durch die Ableitung eine steilere Form und können dadurch besser ausgewertet werden [29]. Allerdings gilt zu beachten, dass bei der Ableitung die spektrale Form des Spektrums verloren geht und somit die Interpretation in einer nachfolgenden PLS oder PCA erschwert [20]. Analog zu den zuvor erwähnten Argumenten hat man mit höheren Ableitungen die Möglichkeit sogar extrem flache Strukturen aufzuwerten [29], allerdings wird auch mit jedem Ableitungsschritt das Rauschen verstärkt und somit das Signal-Rausch-Verhältnis schlechter [20]. Dies kann soweit führen, dass solche vorbehandelte Spektren zum Teil nur über einen stark eingeschränkten Bereich ausgewertet werden können [29]. Um eine solche zusätzliche Störung und damit verbundene Überlagerung des eigentlichen Spektrums [29] zu verhindern sollten oder müssen verrauschte Spektren zunächst vor einer Ableitung geglättet werden. Eine Vorgehensweise stellt eine Glättung während der Ableitung, z. B. durch das Zusammenfassen mehrerer Datenpunkte zu einem Mittelwert und dessen anschließende Ableitung, dar [20]. Da allerdings auch hier wie bei der Mittelung üblich spektrale Informationen verloren gehen bietet sich als bessere Alternative eine Ableitung über ein Polynomfit oder Savitzky-Golay-Ableitung an [20]. Hierbei erfolgt die Beschreibung des gemessenen Spektrums durch ein Polynom des Grades n (s. a. Gl. (3.37)), allerdings gilt hier die Polynomentwicklung nicht für das komplette Spektrum sondern nur für eine vom Anwender festgelegte Anzahl von Datenpunkten bzw. Messwerten [20]. (3.37) Dadurch erhält man ein Spektrum welches nun lokal durch das entsprechende Polynom beschrieben wird [20] und somit den Anforderungen entsprechend oft abgeleitet werden kann. Betrachtet man die erste Ableitung in Gl. (3.38) so zeigt sich, dass dadurch ein Sascha Princz 41 Grundlagen konstanter Offset eliminiert wird und mit der zweiten Ableitung in Gl. (3.39) werden zusätzlich lineare Effekte entfernt [20]. (3.38) (3.39) Auch hier erfolgt, analog zur Glättung, eine Anpassung des Polynoms an die Datenpunkte mit Hilfe eines Least Squares-Verfahrens und die abgeleiteten Werte lassen sich entsprechend der Gl. (3.38) oder Gl. (3.39) aus dem Polynomfit bestimmen [20]. 3.6 Software für Chemometrie Wie in Kapitel 3.2 bereits angesprochen spielt in der Chemometrie das wissenschaftliche Fachgebiet der Informatik ebenfalls eine bedeutende Rolle. So besteht z. B. neben der Notwendigkeit einer geeigneten Spektrometersoftware auch das Verlangen nach einem aussagekräftigen und einfach zu handhabenden Tool für die multivariate Datenanalyse. Hierfür bietet der Markt bereits ein breites Feld kommerziell erwerblicher Software für die Chemometrie, aber auch frei zugängliche Komponenten wie z. B. Toolboxen für eine multivariate Datenanalyse mit Hilfe von MATLAB lassen sich finden. Nachfolgend soll jedoch nur etwas näher auf die im Rahmen dieser Arbeit verwendete Software „The Unscrambler“ der Firma CAMO Software AS aus Oslo Norwegen eingegangen werden. Die für den chemometrischen Teil dieser Arbeit verwendete Software „The Unscrambler“ bietet neben umfangreichen Lösungen für die multivariate Datenanalyse weitere sinnvolle Eigenschaften im Zusammenhang mit der Chemometrie [30], siehe auch Abb. 30. Abb. 30: Eigenschaften der Software "The Unscrambler"; modifiziert nach [30] So stehen dem Anwender im Rahmen der explorativen Datenanalyse unter anderem Methoden der Sascha Princz beschreibenden Statistik (wie z. B. Box-Plot, Standardabweichung, 42 Grundlagen Kreuzkorrelation, usw.), PCA, MCR oder der Klassifizierung zur Verfügung [30]. Für eine Regression hat man je nach Anforderung z. B. die Wahl zwischen einer MLR, PCR oder PLS und kann eine Vorhersage der Y-Werte auf Basis von MLR, PLS oder PCR Modellen treffen. Darüber hinaus kann bei diesen Methoden aber auch eine automatische Ausreißererkennung, Datenvorbehandlung (bei Klassifizierung und Vorhersage) oder eine interaktive Modellerstellung durchgeführt werden [30]. Im Rahmen der Datenvorbehandlung kann unter anderem zwischen Mittenzentrierung, Glättungen, Basislinienkorrekturen oder Methoden der Normierung gewählt werden und für die Eigenschaft der statistischen Versuchsplanung stehen die gängigsten Methoden wie z. B. Screening Designs, vollfaktorielle oder teilfaktorielle Versuchspläne, usw. zur Verfügung [30]. Eine ausführliche Auflistung und Beschreibung zu den kompletten Eigenschaften und Möglichkeiten, die „The Unscrambler“ bietet, finden sich in der für dieses Kapitel verwendeten Quelle [30]. 3.7 Fermentation Die Bezeichnung Fermentation leitet sich aus dem lateinischen Begriff „fermentum“ (für Gärung) ab und kommt bereits seit Tausenden von Jahren in der menschlichen Kultur vor. So z. B. in der Gärung von alkoholischen Getränken unter der Zuhilfenahme von Hefen oder der Verarbeitung von Milchprodukten mit Hilfe von Mikroorganismen oder Enzymen. Der Begriff Fermentation umfasst also alle biotechnischen Prozesse bei denen unter Zuhilfenahme von Biokatalysatoren (Enzyme, Bakterien, Pilze, tierische und pflanzliche Zellen, …), unter aeroben oder anaeroben Bedingungen Fremdprodukte, Metaboliten oder Biomasse produziert wird. Der biotechnische Prozess der Fermentation lässt sich heutzutage aus den Bereichen der industriellen Produktion von Arznei-, Lebens- und Genussmitteln sowie der Erzeugung von Biogas und –kraftstoff nicht mehr wegdenken, und spielt eine immer größer werdende zentrale Rolle. In der Industrie erfolgt die Produktion solcher biotechnischen Produkte in Bioreaktoren unter ständiger Überwachung und Regelung der wichtigsten Prozessparameter (siehe auch Kapitel 3.7.3). Bei dem Begriff Bioreaktor handelt es sich um ein Synonym für das Wort Fermenter und beschreibt im Wesentlichen einen abgegrenzten Raum oder Apparat, in dem unter Anwesenheit und Mitwirkung eines Biokatalysators eine Stoffumwandlung, also eine Fermentation stattfindet [31]. 3.7.1 Fermentationsprozess Der Ablauf eines Fermentationsprozess lässt sich im Wesentlichen in die drei nachfolgend erklärten Schritte einteilen. Am Anfang steht mit dem als Upstreaming bezeichneten Prozessschritt die komplette Vorbereitungsphase für die Fermentation. Hierunter fallen unter Sascha Princz 43 Grundlagen anderem das Ansetzen des Mediums für die Kultivierung, die Züchtung der Vorkultur sowie die Sterilisation der Bauteile des Fermenters. Im anschließenden Prozess- oder Hauptschritt, der Fermentation, kommt es dann zur eigentlichen biotechnischen Produktion des entsprechenden Produktes unter kontrollierten und optimierten Prozessbedingungen. Beim Downstreaming, dem dritten und letzten Schritt, erfolgt die Aufbereitung des gewünschten Produktes. Hierbei wird das entsprechende Produkt zunächst aus der Fermenterbrühe isoliert und nach einer anschließenden Konzentrierung erfolgt eine entsprechende Reinigung und eine Konditionierung [31]. Der eigentliche Schritt, also die Fermentation selbst kann auf drei verschiedene Arten ablaufen. Dazu zählen die Batch-Fermentation, die Fed-Batch-Fermentation sowie die kontinuierliche Fermentation. Bei der Batch-Fermentation werden bereits zu Beginn einer Fermentation das komplette Medium sowie der Biokatalysator zu gegeben. Es kommt also während der Kultivierung zu keiner weiteren Zugabe oder Entnahme und somit wird z. B die Gefahr einer Kontamination ausgeschlossen. Das Produkt wird erst am Ende der Fermentation komplett entnommen. Die Fed-Batch-Fermentation ist im Grunde der BatchFermentation sehr ähnlich, allerdings erfolgt hier während der Fermentation z. B. eine Zugabe des Kulturmediums. Wie der Name der kontinuierlichen Fermentation bereits verrät kommt es bei dieser Art von Betrieb sowohl zu einer fortwährenden Zufütterung von Medium als auch fortwährenden Entnahme des Produktes über der gesamten Dauer der Fermentation. Um den für die Fermentation verwendeten Biokatalysatoren ausreichend Nährstoffe in entsprechender Form zur Verfügung zu stellen, kann zwischen zwei Arten von Kulturmedien gewählt werden. Zum einen sind das die so genannten komplexen Medien. Bei dieser Art von Medium ist die exakte Zusammensetzung der Inhaltsstoffe nicht genau definiert, da z. B. Naturstoffe wie Maisquellwasser oder Hefeextrakt zur Herstellung dieser Medien verwendet werden. Die zweite Art der Medien wird den synthetischen Medien zu geordnet. Hier werden zur Herstellung keine Naturstoffe eingesetzt und somit ist die genaue chemische Zusammensetzung und Menge der Inhaltsstoffe bekannt. 3.7.2 Fermentertechnik Um das Ziel einer Fermentation, also die Produktion eines bestimmten Stoffes zu erreichen muss für optimale Bedingungen während des Fermentationsprozess gesorgt werden. Neben der Wahl der am besten geeigneten Prozessbedingungen, in Anhängigkeit zur gewünschten Fermentation, spielt selbstverständlich auch die Wahl eines geeigneten Bioreaktors bzw. Bioreaktorsystems eine entscheidende Rolle um eine optimale Prozessausbeute zu erzielen. Sascha Princz 44 Grundlagen Hierfür steht für die unterschiedlichsten Anwendungen eine Vielzahl der verschiedensten Typen von Bioreaktoren zur Verfügung. Je nach Art der Fermentation oder Anforderung der Biokatalysatoren können die unterschiedlichsten Bioreaktoren zum Einsatz kommen. Eine kleine Auswahl der verschiedenen Bioreaktortypen bilden z. B. Rührkesselreaktor, Airliftreaktor, geschüttelte oder gewippte Reaktoren sowie Photobioreaktoren. Diese Bioreaktoren können selbstverständlich innerhalb der entsprechenden Typen z. B. in Form und Größe oder der Rührtechnik weiter variieren. Finden bei der Fermentation z. B. wie in dieser Arbeit verwendete Pilze ihren Einsatz als Biokatalysatoren werden in der Regel bevorzugt Rührkesselreaktoren verwendet. Bei einer Kultivierung der empfindlicheren tierischen Zellen handelt es sich in der Regel um nicht gerührte Reaktoren, da aufgrund des Rührens resultierende mechanische Kräfte diese Zellen stark beschädigen oder sogar zerstören würden. Allen Typen gemein sind allerdings folgende Grundanforderungen: Es müssen optimale physiologische und physikalische Bedingungen vorherrschen, d. h. der Bioreaktor muss so dimensioniert sein, dass alle Stoffe oder die Temperatur über das Reaktorvolumen gleich verteilt sind und somit kein Totraum entsteht. Beim Bau eines Bioreaktors müssen alle Teile, die mit dem Medium und dem Biokatalysator in Berührung kommen, aus Materialien gefertigt sein, die zum einen nicht toxisch sind und zum anderen mit dem Medium nicht in Wechselwirkung treten können (falls möglich). Ein weiterer sehr wichtiger Punkt der allen Bioreaktoren gemeinsam ist, ist die Sterilisierbarkeit. Es muss also möglich sein den Bioreaktor sowie alle Bauteile, die mit Medium und Biokatalysator in Berührung kommen, absolut keimfrei zu bekommen, da z. B. bei einer Fermentation von tierischen Zellen unerwünschte Bakterien aufgrund ihres schnelleren Wachstums sehr schnell die Überhand gewinnen würden. Da vor allem der letzte Punkt bei großen Bioreaktoren sehr zeitaufwendig und kostenintensiv ist, geht der Trend in den letzten Jahren verstärkt zu so genannten Einwegreaktorsystemen. Ebenso finden sich wesentliche Unterschiede in der Ausstattung der einzelnen Bioreaktorsysteme im Bezug auf die zur Verfügung stehende Mess- & Regelungstechnik. Dies hat letztendlich einen großen Einfluss auf den Umfang der möglichen Prozessanalytik und Prozessregelung des genutzten Bioreaktorsystems. Sascha Princz 45 Grundlagen 3.7.3 Prozessanalytik Um die bereits erwähnten optimalen Bedingungen während einer Fermentation zu überwachen und aufrecht erhalten zu können ist eine gut funktionierende und auf einander abgestimmte Prozessanalytik notwendig. Diese Prozessanalytik gewährt nicht nur Einblick in den Fermentationsablauf sondern bietet neben einer notwendigen Möglichkeit zur Dokumentation bestimmter Prozessparameter, die z. B. von regulatorischer Seite gefordert werden, auch die Chance über eine geeignete Regelungsstrategie bei der Abweichung von einem optimalen Prozessverlauf korrigierend einzugreifen. Diese Form der Prozessanalytik kann durch verschiedene Methoden realisiert werden. Es gibt die Möglichkeit der Offline Prozessanalytik, hier erfolgen die entsprechenden Messungen zeitverzögert, da die Proben zunächst aus dem Reaktor entnommen, aufbereitet und manuell im Labor (z. B. mit Enzymtest) analysiert werden müssen. Eine schnellere Form der Offline Analytik ist die Atline Prozessanalytik, hier werden die Proben unmittelbar nach der Entnahme ausgewertet. Aufgrund der daraus resultierenden verzögerten Verfügbarkeit der Ergebnisse eignet sich diese Methode nicht für eine schnelle Regelstrategie. Bei der Online Prozessanalytik erfolgt die Messung der interessierenden Prozessparameter in der Fermenterbrühe meist ohne signifikante Zeitverzögerung. Die Online Analytik kann auf zwei Arten erfolgen, Ex situ und In situ. Ex situ z. B. mittels Bypass oder Durchflusszelle, dabei wird die zu analysierende Probe aus dem Bioreaktor automatisch entnommen und ggf. nach der Messung wieder zurückgeführt. Die vorher genannten Methoden können aber aufgrund der Stoffwechseleigenschaften der Biokatalysatoren zu einer Verfälschung der Messwerte führen, deshalb eignet sich am besten die sogenannte In situ oder Inline Methode. Die Inline Prozessanalytik bietet die Möglichkeit der Messung relevanter Prozessparameter durch eine entsprechende Sonde direkt in der Fermenterbrühe und liefert somit Messwerte in Echtzeit. Da die Vorgänge während einer Fermentation nicht nur sehr komplex und nichtlinear sind sondern auch noch zeitvariant, empfiehlt sich eine kontinuierliche Überwachung der Prozessparameter in Form einer Inline Prozessanalytik. Dadurch erhält man neben einer kontinuierlichen Prozessüberwachung zum Aufbau einer schnellen Regelstrategie, zur Aufrechterhaltung der optimalen Prozessparameter, auch einen Einblick über den Verlauf und aktuellen Stand einer Fermentation. Diese Informationen bieten eine sehr gute Grundlage für eine prozessoptimierte Produktion mit hohem Qualitätsstandard, was letztendlich zu einer Kosteneinsparung bei gleichbleibender oder sogar verbesserter Produktqualität führen kann. Sascha Princz 46 Grundlagen 3.8 Hefe-Saccharomyces cerevisiae In der biotechnischen Produktion haben Hefen seit geraumer Zeit ein weitläufiges Einsatzgebiet, welches von der Produktion rekombinanter Proteine wie Insulin bis zur Herstellung von Lebensmitteln reicht. Aus diesem Hintergrund resultiert das gute Wissen über die Physiologie und die Stoffwechselregulation der Hefen. Dieses Wissen und die Tatsache, dass sie einfach und sicher zu kultivieren sind, haben sie zu den Modellorganismen für die Ausbildung in der Biotechnologie gemacht. Die Reproduzierbarkeit und Vorhersagbarkeit von Hefe-Fermentationsprozessen, und der Einsatz von virtuellen Hefe-Fermentationen, liefern aussagekräftige Ergebnisse. [32] 3.8.1 Physiologie von Saccharomyces cerevisiae Der Eukaryont Saccharomyces cerevisiae, oft auch als Back-, Bäcker- oder Bierhefe bezeichnet, gehört zu den Sprossenpilzen (Ascomycet) und vermehrt sich wie der Name bereits verrät überwiegenden durch Sprossung. Aufgrund seiner fakultativ anaeroben Fähigkeit ist dieser Eukaryont in der Lage die benötigte Energie für sein Wachstum und seine Vermehrung sowohl unter anaeroben als auch aeroben Bedingungen zu gewinnen. Die Bierhefe gehört zu den obergärigen Hefen und wird unter anaeroben Bedingungen zur Produktion von Ethanol genutzt. Eine aerobe Bedingung führt zu einer viel höheren Energieausbeute für die Zelle und verursacht somit einen größeren Biomassezuwachs. Die Vorzugstemperatur von Saccharomyces cerevisiae liegt bei etwa 28°C-32°C. Temperaturen über 45°C führen zum Absterben dieser Hefezellen. 3.8.2 Stoffwechsel von Saccharomyces cerevisiae Wie bereits erwähnt besitzt die Backhefe die Fähigkeit Energie auf verschiedene Art und Weise zu gewinnen. Diese Fähigkeit hängt neben den Bedingungen, aerob oder anaerob, auch von dem vorhandenen Angebot an Zucker (z. B. Glucose) als Kohlenhydratquelle ab. Durch die flexible Anpassung der eukaryontischen Zelle an die jeweils vorherrschende Umgebungsbedingung kann entweder Zucker oder Ethanol in Anwesenheit von Sauerstoff veratmet, oder unter Abwesenheit von Sauerstoff Zucker zu Ethanol vergärt werden. 3.8.2.1 Oxidation von Glucose Wie bereits erwähnt Energieausbeute Sascha Princz und liefert die somit den Atmung größten unter aeroben Bedingungen Biomassezuwachs. Es die erfolgt höchste also eine 47 Grundlagen Verstoffwechselung der Glucose unter Zuhilfenahme von Sauerstoff zu Kohlendioxid, Wasser und Biomasse [33]. Die genaue Reaktionsgleichung für die Atmung der Hefezellen zeigt Gl. (3.40) unter Angabe der Energieausbeute in Form von Adenosintriphosphat ATP: C6H12O6 + 6 O2 6 CO2 + 6 H2O + 36 ATP Glucose + Sauerstoff Kohlendioxid + Wasser + ATP (3.40) 3.8.2.2 Oxidation von Ethanol Saccharomyces cerevisiae ist zudem in der Lage bei einer ausreichenden Sauerstoffversorgung und einem gleichzeitigen Mangel an Glucose das vorhandene Ethanol als Substrat zu verbrauchen. Bei dieser Form der Atmung erfolgt also eine Verstoffwechselung von Ethanol unter Zuhilfenahme von Sauerstoff zu Kohlendioxid und Wasser. Diese Affinität zu zwei Substraten (Glucose und Ethanol) wird auch als Diauxie bezeichnet [33]. Die genaue Reaktionsgleichung für die Oxidation von Ethanol zeigt Gl. (3.41): C2H5OH + 3 O2 2 CO2 + 3 H2O Ethanol + Sauerstoff Kohlendioxid + Wasser (3.41) 3.8.2.3 Crabtree-Effekt Der so genannte Crabtree-Effekt tritt bei einer ausreichenden Sauerstoffzufuhr und einem zu hohen Angebot an Zucker auf, es kommt zu einer aeroben Gärung. Dieser Effekt resultiert aus einem Überangebot an Zucker, der nun in größerer Menge aufgenommen wird als er von den Hefezellen zur Energiegewinnung veratmet werden kann. Dieser Zucker, der nicht durch die Atmung verstoffwechselt wird, kann nun über die anaerobe Glykolyse in das reduzierte Produkt Ethanol umgesetzt werden [33]. Die aerobe Gärung führt also neben einer Ethanolbildung auch zu einer geringeren Biomasseausbeute aufgrund eines verminderten Zellwachstums und ist somit bei einer Produktion von Biomasse nicht erwünscht. Dieser Effekt lässt sich allerdings bei einer Fermentation im Batch-Betrieb nicht verhindern, Abhilfe erhält man z. B. durch eine Fermentation im Fed-Batch-Betrieb (vgl. Kapitel 3.7). Die genaue Reaktionsgleichung für den Crabtree-Effekt zeigt Gl. (3.42), die Informationen für die stöchiometrischen Verhältnisse wurden aus [34] und [35] entnommen. Sascha Princz 48 Grundlagen C6H12O6 + 0,25 O2 2,16 CO2 + 0,25 H2O + 1,92 C2H5OH Glucose + Sauerstoff Kohlendioxid + Wasser + Ethanol (3.42) 3.8.2.4 Pasteureffekt Der grundlegende Unterschied zu den in den vorangegangenen Kapiteln beschriebenen Arten der aeroben Energiegewinnung von Saccharomyces cerevisiae liegt in der Tatsache, dass es sich hier um einen strikt anaeroben Prozess der Energiegewinnung handelt. Die Bezeichnung Pasteureffekt führt auf Louis Pasteur zurück, welcher bereits im Jahre 1861 erkannte, dass die alkoholische Gärung unter dem Einfluss von Sauerstoff gehemmt wird. Diese Form des Stoffwechsels von Saccharomyces cerevisiae hat neben einem stark verringerten Biomassezuwachs auch eine geringe Energieausbeute zur Folge [33]. Die genaue Reaktionsgleichung für die anaerobe Gärung der Hefezellen zeigt Gl. (3.43) unter Angabe der reduzierten Energieausbeute in Form von Adenosintriphosphat ATP: C6H12O6 2 CO2 + 2 C2H5OH + 2 ATP Glucose Kohlendioxid + Ethanol + ATP Sascha Princz (3.43) 49 Verwendete experimentelle Technik 4 Verwendete experimentelle Technik In dem nachfolgenden Kapitel werden alle verwendeten Geräte und Materialien, die zur Realisierung und Aufbau des NIR-Messsystems verwendet wurden, hinsichtlich ihrer Beschaffenheit und Eignung aufgeführt und bewertet. Darüber hinaus werden auch die im Rahmen der Vorarbeiten zum Aufbau des endgültigen Systems verwendeten Geräte und Materialien kurz angesprochen und hinsichtlich ihrer Eignung bewertet. 4.1 Aufbau und Integration NIR-Messsystem Vor der Vorstellung der einzelnen Apparaturen, soll zunächst ein Überblick über den Aufbau des Messsystems selbst sowie dessen mögliche Integration in das vorhandene Bioprozesssystem der Hochschule Ulm gegeben werden. In Abb. 31 ist schematisch der Messaufbau, bestehend aus einer Kopplung von Lichtquelle (Kapitel 4.4), NIR-Spektrometer (Kapitel 4.2), Sonde mit integrierten Lichtleitfasern (Kapitel 4.3.1) sowie einem Rechner für die Chemometrie und Spektrometersoftware dargestellt. Dabei sind zur Ansteuerung des Shutters (Kapitel 4.4.2) Lichtquelle und Spektrometer direkt miteinander verbunden sowie zur Absorptionsmessung indirekt über die Lichtleitfasern der Sonde. Zur Auswertung des Messsignals ist letztendlich das Spektrometer an einen entsprechenden Rechner verlinkt. Lichtquelle Spektrometer TIDAS Rechner für Chemometrie Lichtleitfaser Sonde Steuer- & Regeleinheit für das Bioprozesssystem Bioreaktor Abb. 31: stark vereinfachte Skizze zur Integration des NIR-Messsystems in das Bioprozesssystem Die Integration des Messsystems in das Bioprozesssystem erfolgt zum einen bereits durch das direkte Einbringen der Immersionssonde in die Fermentationsbrühe, dabei dient die Sascha Princz 50 Verwendete experimentelle Technik Sonde als Schnittstelle zwischen Messsystem und Bioprozess. Eine weitere Form der Integration kann durch eine Anbindung des Rechners zur chemometrischen Auswertung an die Steuer- und Regeleinheit für das Bioprozesssystem erfolgen. Dadurch kann z. B. durch Aufbau einer geeigneten Regelstrategie und einem über das Messsystem erhaltenen Analysewert bei Bedarf korrigierend in den Bioprozess eingegriffen werden. 4.2 Spektrometer Den Hauptteil des NIR-Messsystems bildet das in Abb. 32 gezeigte Spektrometer TIDAS S1000 MS-T50/16 der Firma J&M Analytik AG in Essingen. Dieses Spektrometer gehört zu den in Kapitel 3.1.2.2 erklärten Dioden-Array-Spektrometern mit InGaAs als Halbleitermaterial für die Dioden. Mit diesem Spektrometer lässt sich ein Wellenlängenbereich von 11002100 nm, entspricht in Wellenzahlen etwa dem Bereich von 9090,9-4761,9 cm-1, darstellen. Das Spektrometer verfügt über keinen internen Shutter für die Dunkelstrommessung. Über die verwendete Software TIDASDAQ V2.39 und einem TTL Ausgang des Spektrometers lässt sich jedoch auf Wunsch ein externer Shutter ansteuern. Abb. 32: Spektrometer TIDAS S-1000 MS-T50/16 der Firma J&M Analytik AG Weitere Informationen zur Spezifikation des Spektrometers lassen sich aus Tabelle 10 entnehmen. Tabelle 10: Spezifikationen des TIDAS S-1000 MS-T50/16 von J&M Analytik AG Wellenlängenbereich 1100–2100 nm Auflösungsvermögen < 8 nm Wellenlängenrichtigkeit < 1 nm Wellenlängenreproduzierbarkeit < 0,1 nm Detektortyp InGaAs-Diodenzeile Anzahl Pixel 256 Sascha Princz 51 Verwendete experimentelle Technik Basisliniendrift < 3*10-3 AU/h nach USP 1119 Signalrauschen Max: < 0,8 mAU Anschluss optisch SMA 905 A/D Wandler 16 Bit 4.2.1 Spektrometer Software Die Steuerung und Bedienung des in Kapitel 4.1 beschriebenen Spektrometers erfolgt mit Hilfe der Software TIDASDAQ V2.39. Diese stammt, wie das Spektrometer, von der Firma J&M Analytik AG. entsprechenden Neben der Bedienung Messungsparameter des Spektrometers unterstützt die und Software der das Einstellung der Abspeichern der gemessenen Daten in die unter Tabelle 11 gelisteten vier Dateiformate. Tabelle 11: Von TIDASDAQ V2.39 unterstützte Speicherformate J&M Spectralys [*.uvd,*.3D] Thermo Galactic Grams [*.SPC] ASCII Table Data [*.txt] ASCII Excel [*.csv] Darüber hinaus lassen sich mit Hilfe der Software und der entsprechenden Ausgänge am Spektrometer auch externe Geräte, wie z. B. der bereits erwähnte Shutter anschließen und steuern. Für die Auswertung der Spektren stehen verschiedene Möglichkeiten zur Verfügung, welche je nach Art der Messung genutzt werden können. Hierfür besteht die Möglichkeit eigene Berechnungsformeln zur Auswertung der Messungen zu hinterlegen. Eine weitere sinnvolle und in diesem Zusammenhang genutzte Funktion ist das Abspeichern von aufgezeichneten Referenzspektren und die Möglichkeit, diese zu jedem Zeitpunkt und gewünschter Messung wieder zu laden. 4.3 Sensor und Messaufbau Je nach verwendetem Messprinzip, welche unter Kapitel 3.1.3 bereits genauer beschrieben sind, ist die Anforderung an den für die Messung der entsprechenden Probe verwendeten Sonde bzw. Messaufbau eine andere. Im Folgenden sollen die für die im Rahmen dieser Arbeit durchgeführten Messprinzipien verwendete Sonde und Messaufbau genauer erklärt werden. 4.3.1 Transflexion Für die Messung nach dem Prinzip der Transflexion (s. a. Kapitel 3.1.3.2) wurde eine Tauchsonde der Firma Avantes vom Typ FDP-7IR200-2-VAR verwendet. In Abb. 33 ist der Sascha Princz 52 Verwendete experimentelle Technik Aufbau dieser Tauchsonde (Pathlength stimmt mit der in dieser Arbeit verwendeten Sonde nicht überein) schematisch dargestellt. Die Fasern dieser Tauchsonde sind für einen Spektralbereich von 350-2000 nm ausgelegt und haben einen Durchmesser von 200 µm. Zur Einkopplung des Lichtes dienen sechs Fasern und eine siebte Faser leitet das an der diffusen weißen Fläche reflektierte Licht zum Spektrometer weiter. Abb. 33: schematische Darstellung zur Tauchsonde FDP-7IR200-2-VAR [36] Wie in Abb. 34 (a) zu sehen befindet sich die weiße Reflektionsfläche am Ende des abnehmbaren Sondenaufsatzes. Durch die diffus reflektierende weiße Oberfläche wird das Anregungslicht I0 mit der beim Durchgang durch die Probe abgeschwächten Intensität I reflektiert (s. a. Abb. 34 (b)), und ermöglicht eine Bestimmung der Abschwächung der elektromagnetischen Strahlung durch genau diese absorbierende Probe. Abb. 34: (a) Sondenaufsatz mit diffuser Reflektionsfläche (b) vereinfachtes Messschema Eine weitere Funktion dieses Sondenaufsatzes liegt in der Möglichkeit zur Verstellung des optischen Weges. Der Abstand des Sondenaufsatzes, Abstand von Lichtaustrittsfläche zu Reflektionsfläche, lässt sich je nach Gebrauch von 0,25-10 mm verändern. Somit hat man Sascha Princz 53 Verwendete experimentelle Technik die Möglichkeit, dass ein Optischer Weg bzw. Pfad zwischen 0,5-20 mm frei gewählt werden kann. Weitere Informationen zur Spezifikation der Tauchsonde lassen sich aus Tabelle 12 entnehmen. Tabelle 12: Spezifikationen der FDP-7IR200-2-VAR der Firma Avantes Fasern 6 Lichtleitfasern, 1 Detektionsfaser, Ø 200 µm, Länge 2 m Wellenlängenbereich 350–2000 nm Anschluss optisch 2 x SMA 905 Optischer Weg 0,5–20 mm (0,25–10 mm physischer Abstand) Sonde Edelstahl Zylinder, 150 mm Ø 12,7 mm, wasserdicht Temperaturbereich -30 °C bis +100 °C Druck Sondenkopf 10 bar @ 25 °C Biegung (Fasern) Minimaler Biegeradius: kurzzeitig 20 mm, langzeitig 120 mm Die Integration dieser Tauchsonde in den kompletten Messaufbau zur Messung nach dem Prinzip der Transflexion zeigt Abb. 35. Für diesen Messaufbau kommt neben der Lichtquelle, dem Spektrometer, der Tauchsonde auch noch eine Temperiereinheit zum Einsatz. Abb. 35: Messaufbau zur Transflexionsmessung Nähere Angaben zu den einzelnen Bausteinen dieses Messaufbaus finden sich in den entsprechenden Kapiteln. Sascha Princz 54 Verwendete experimentelle Technik 4.3.2 Transmission Für die Messung in Transmission wurde ein Aufbau mit dem in Abb. 36 (a) gezeigten Küvettenhalter der Firma Linos und der in Abb. 36 (b) abgebildeten Quarzglasküvette von Carl Zeiss verwirklicht. Diese Quarzglasküvetten aus QS eignen sich für diese Art von Absorptionsmessungen sehr gut, da sie für den Einsatz bei Wellenlängen von 200–2500 nm ausgelegt sind. Für die Messungen selbst wurde die zu messende Probe in die Quarzglasküvette mit einer Schichtdicke von 1 mm gefüllt. Dies entspricht einem Probenvolumen von 350 µl. Mittels eines Lichtleiters erfolgte dann die Einkopplung des Lichtes in den Küvettenhalter und somit in die darin befindliche Quarzglasküvette mit der entsprechenden Probenflüssigkeit. Nach dem Durchtritt des Lichtes durch Küvette und Probe erfolgte die Weiterleitung zum Spektrometer mittels einer zweiten Lichtleitfaser. Abb. 36: (a) Küvettenhalter von Linos (b) Quarzglasküvette von Carl Zeiss Die Integration des Küvettenhalters in den Messaufbau erfolgte anstelle der Tauchsonde. 4.4 Lichtquelle Als Lichtquelle wurde die in Abb. 37 gezeigte luftgekühlte Halogenlampe AvaLight-Hal-S von der Firma Avantes gewählt. Als Leuchtmittel dient eine 10 W Halogenglühlampe. Die Auswahl für diese Lichtquelle lag natürlich zum einen in dem Wellenlängenbereich von 360– 2500 nm sowie in der ausgezeichneten Stabilität von ± 0,1 % der Lampe. Sascha Princz 55 Verwendete experimentelle Technik Abb. 37: Lichtquelle AvaLight-Hal-S von Avantes Desweiteren besitzt die Lampe einen Filterhalter sowie einen integrierten Lampenshutter. Dieser Shutter lässt sich über einen TTL Anschluss auch extern steuern. Die Steuerung des Shutters erfolgt mittels einer TTL Verbindung zum Spektrometer und der Spektrometer Software. Mittels eines internen Jumpers lässt sich die Nennleistung der Lampe ändern, somit bietet diese Lichtquelle die Möglichkeit einer Variation der Optischen Leistung in drei Stufen. Die relevanten Angaben bezüglich dieser drei Stufen finden sich in Tabelle 13. Tabelle 13: Übersicht der 3 Variationen der Optischen Leistung der AvaLight-HAL-S Jumper Einstellung Optische Leistung Farbtemperatur Lebensdauer Long Life 70 % Ca. 2700 K > 4000 h Normal (default) 100 % Ca. 2850 K 2000 h High Power 150 % Ca. 3000 K < 1000 h Für den im Rahmen dieser Arbeit durchgeführten Gebrauch der Lampe wurde der Long Life Modus gewählt. Dies entspricht einer Optischen Leistung von 70 %. Da sich nach Abschluss diverser Vorversuche bezüglich der idealen Jumper Einstellung gezeigt hatte, dass die 70 % Variation vollkommen ausreichend und am besten geeignet war. Dies hat neben dem Effekt der idealen Abstimmung auf den Messaufbau einen zusätzlichen ökonomischen Vorteil, der sich sowohl in einer verlängerten Lebensdauer des Leuchtmittels als auch in einer Energieeinsparung wiederspiegelt. Weitere Informationen zur Spezifikation der Lichtquelle, nur mit Bezug auf die 70 % Einstellung, lassen sich aus Tabelle 14 entnehmen. Tabelle 14: Spezifikationen der AvaLight-HAL-S der Firma Avantes im Long Life Modus Wellenlängenbereich Stabilität Stabilisierungszeit Abgegebene Leistung (Leuchtmittel) 360–2500 nm ± 0,1 % ca. 15 min 11,3 VDC/ 0,8 A Lebensdauer (Leuchtmittel) > 4000 h Optische Leistung 200 µm Faser 0,35 mW Optische Leistung 600 µm Faser 3,2 mW Sascha Princz 56 Verwendete experimentelle Technik Optische Leistung 1000 µm Faser 7 mW Farbtemperatur (Leuchtmittel) 2700 K Spannungsversorgung 24 VDC/ 1,25 A Abmessung 132x110x44 mm 4.4.1 Lichtleitfaser Um den in Kapitel 4.3.2 vorgestellten Aufbau zu realisieren mussten geeignete Lichtleitfasern verwendet werden. Es war zum einen eine Faser zur Einkopplung des Lichtes in die zu messende Probe notwendig und zum anderen eine Faser, die das Licht nach dem Durchgang durch die Probe für die Messung zum Spektrometer führt. Für den Einsatz in dem zuvor erwähnten Aufbau zur Transmissionsmessung, wurden zwei baugleiche Fasern des Herstellers Thorlabs gewählt, die sich lediglich im Faserdurchmesser unterscheiden. Beide Fasern besitzen die Eignung für einen Wellenlängenbereich von 400–2200 nm und jeweils zwei SMA905 Anschlüsse. Zur Leitung des Lichtes von der Lichtquelle zur Probe wurde ein Kerndurchmesser von 1000 µm (M30L02) gewählt und für die Leitung des Lichtes von der Probe zum Spektrometer ein Kerndurchmesser von 600 µm (M29L02). Weitere Informationen zur Spezifikation der beiden Lichtleitfasern lassen sich aus Tabelle 15 entnehmen. Tabelle 15: Spezifikationen der Lichtleitfasern von Thorlabs Bezeichnung Kerndurchmesser Claddingdurchmesser Manteldurchmesser NA M29L02 600 ± 10 µm 630 ± 10 µm 1040 ± 30 µm 0,39 ± 0,02 M30L02 1000 ± 15 µm 1030 ± 30 µm 1400 ± 50 µm 0,39 ± 0,02 4.4.2 Shutter Ein Shutter hat die Aufgabe zu verhindern, dass elektromagnetische Strahlung auf den Sensor zur Detektion im Spektrometer gelangt, um dort eine Messung des vom Spektrometer verursachten Dunkelstroms zu ermöglichen. Der Shutter für das hier vorgestellte Messsystem befindet sich wie bereits erwähnt an der Lichtquelle und nicht am bzw. im Spektrometer selbst. Bei diesem Shutter handelt es sich um einen mechanischen Shutter, der direkt am Austritt des Lichtes, genauer vor dem Filterhalter und dem SMA905 Anschluss für die Lichtleitfaser, angebracht ist. Die Bedienung dieses Shutters ist zum einen manuell an der Lichtquelle selbst möglich oder aber, wie bereits erwähnt, extern über einen vorhandenen TTL Anschluss. Die Notwendigkeit eines Shutters liegt auf der Hand, da es sinnvoll ist zumindest vor jeder Messung den Dunkelstrom für eine unumgängliche Dunkelstromkorrektur aufzuzeichnen. Sascha Princz 57 Verwendete experimentelle Technik Der Grund einer mehrmaligen Messung des Dunkelstromes beruht auf der Tatsache, dass dieser über der Zeit Schwankungen unterworfen ist. Dass der Shutter nicht direkt im Spektrometer angebracht ist, hat darüber hinaus noch den Vorteil, dass ein evtl. im Messaufbau auftretendes Rauschen (zwischen Shutter und Spektrometer z. B. Lichtleiter, Sensor) mit in die Dunkelstromkorrektur eingeht. 4.5 Temperiereinheit Um eine gleichbleibende Qualität der Messergebnisse zu gewährleisten war es sinnvoll die Messung der Proben bei einer gleichen und konstanten Temperatur durchzuführen. Dies ist außerdem für die Verwendung der Messergebnisse in einem späteren Kalibriermodell zur Online Messung im Bioreaktor sehr wichtig, da diese Daten bei gleicher Temperatur wie der Betriebstemperatur des Bioreaktors aufgezeichnet werden müssen. Dafür musste eine geeignete Apparatur verwendet werden, die zum einen eine sichere konstante Temperierung der Probe mit einer gleichzeitigen Messung der Probentemperatur gewährleistet, und zugleich eine Messung in der Probe nach dem Prinzip der Transflexion ermöglicht. Nachfolgend werden die einzelnen Komponenten der verwendeten Temperiereinheit bezüglich ihrer Spezifikation dargestellt. 4.5.1 Magnetrührer mit Heizplatte Die Temperierung der Proben erfolgte mit Hilfe eines Magnetrührers mit integrierter Heizplatte. Dabei kam das Modell VMS-C-2 der Firma VWR zum Einsatz, welches durch die Kombination von Heizplatte und Magnetrührer zum einen zu der erforderlichen Erwärmung der Probe führt und zugleich für eine ausreichende Durchmischung der Probe sorgt. Diese Umwälzung der Probe ist wichtig um ein Temperaturgefälle innerhalb der Probe zu verhindern und somit eine bestmögliche homogene Temperierung der Probenflüssigkeit zu gewährleisten. Der VMS-C-2 verfügt über eine rückgekoppelte Mikroprozessorsteuerung für eine konstante Soll-Temperatur und Drehzahl, sowie einer Anschlussmöglichkeit für ein Kontaktthermometer zur präzisen Temperaturregelung. Weitere Informationen zur Spezifikation des VMS-C-2 lassen sich aus Tabelle 16 entnehmen. Tabelle 16: Spezifikationen des VMS-C-2 der Firma VWR Maximales Rührvolumen H2O Drehzahlbereich Sascha Princz 10 l 100 bis 1500 min-1 58 Verwendete experimentelle Technik Temperaturbereich 50 bis 500 °C Motorleistung Aufnahme/ Abgabe 15/ 1,5 W Heizleistung 1000 W Plattengröße 200x200 mm BxTxH 220x330x105 mm Gewicht 5 kg Abb. 38 zeigt die oben genannte Magnetrührer-Heizplatten Kombination VMS-C-2 in Verbindung mit dem in Kapitel 4.5.2 vorgestellten elektronischen Kontaktthermometer VT-5. Abb. 38: Magnetrührer mit Heizplatte und Kontaktthermometer von VWR 4.5.2 Elektronisches Kontaktthermometer Zur Sicherstellung einer genauen Temperaturkontrolle der Probe kam das ebenfalls in Abb. 38 gezeigte elektronische Kontaktthermometer VT-5 der Firma VWR zum Einsatz. Dies lässt sich wie bereits erwähnt mit dem in Kapitel 4.5.1 beschriebenen VMS-C-2 verbinden und sorgt für eine genaue Temperaturkontrolle und Aufrechterhaltung der Soll-Temperatur ohne Temperaturspitzen. Weitere Informationen zur Spezifikation des VT-5 lassen sich aus Tabelle 17 entnehmen. Tabelle 17: Spezifikationen des VT-5 der Firma VWR Sensortyp PT 1000 Fühler Edelstahl Mess-/ Kontrollbereich Messgenauigkeit -50 °C bis +450 °C ±0,2 K (plus Fühlertoleranz PT 1000) Auflösung 0,1 K Regelgenauigkeit 0,1 K Sascha Princz 59 Verwendete experimentelle Technik Toleranz ±0,5 K BxTxH 82x22x83 mm Gewicht 0,2 kg 4.6 Laborfermenter der Hochschule Ulm Die Hochschule Ulm besitzt einen Sieben-Liter-Laborfermenter der Firma Bioengineering, welcher während einer Diplomarbeit im Jahr 2005 von Wilhelm Gruber [37] aufgebaut wurde. Im Jahr 2010 erfolgte eine umfassende Erweiterung und Ausbau des bereits bestehenden Systems. Zum einen wurde der Bioreaktor in diesem Rahmen um eine komplette Abgasanalytik sowie um ein neues Regelungs- und Steuerungssystem während der Bachelorarbeiten von Sascha Princz [38] und Andreas Zink [39] erweitert. In Abb. 39 ist der Laborfermenter bereits mit den zuvor erwähnten Änderungen aus dem Jahr 2010 abgebildet. Genauer ist dort der Laborfermenter mit seinem doppelwandigen Glaskessel sowie dem zugehörigen Mess- und Regelungssystem während einer Hefefermentation dargestellt. Abb. 39: 7 l Laborfermenter der Hochschule Ulm mit Erweiterungen aus 2010 Der Laborfermenter ermöglicht mittels seinem umfangreichen Mess- und Regelungssystem die erforderliche Überwachung des Fermentationsprozesses sowie eine Anpassung bzw. Regelung der für eine erfolgreiche Fermentation notwendigen Parameter. Die Ermittlung dieser Prozessparameter erfolgt über die entsprechenden Sonden und deren Anpassung bzw. Regelung über die entsprechende Technik bzw. Stellparameter. Ein Überblick über die wichtigsten Prozessparameter, die ermittelt werden können, und die Technik zur Regelung dieser Parameter zeigt Tabelle 18. Sascha Princz 60 Verwendete experimentelle Technik Tabelle 18: Erfassbare Prozessparameter und deren Technik zur Regelung des Laborfermenters der Hochschule Ulm; modifiziert nach [39] Prozessparameter Technik zur Parameterregelung Temperatur der Fermenterbrühe wassertemperierter Mantel des Bioreaktors Rührerdrehzahl des Magnetrührers Steuerung des Magnetrührers pH-Wert des Mediums Zugabe von Lauge oder Säure über Rollerpumpe Optische Dichte (OD) der Fermenterbrühe Sauerstoffpartialdruck Rührerdrehzahl, Massendurchflussregler (Gasfluss) O2 & CO2 in der Abluft durch Abgasanalytik Schaumbildung der Fermenterbrühe Zugabe von Antischaum über Rollerpumpe Volumenstrom der Begasung mit Luft & Massendurchflussregler für Luft und für Sauerstoff Sauerstoff Sascha Princz 61 Experimentelle Ergebnisse 5 Experimentelle Ergebnisse In diesem Kapitel erfolgt die Aufgliederung und Auswertung der im Hinblick auf diese Arbeit getätigten experimentellen Versuche. Dies geschieht in Form einer Darstellung der Ergebnisse sowie der genauen Vorgehensweise zu den einzelnen Versuchen. 5.1 Versuchsplanung/ DOE Zur Erstellung des Versuchsplans für die im Rahmen der Vorversuche dieser Arbeit durchgeführten Probenmessungen zur Realisierung eines Kalibriermodells wurde die Lattice Methode gewählt, und den Anforderungen und Einschränkungen gemäß individuell angepasst. Das angepasste Lattice Design ist in Abb. 40 zu sehen, wobei an die drei Ecken die Mischungskomponenten VE (vollentsalztes) Wasser mit 100% sowie Ethanol und Glucose zu jeweils 50% gesetzt wurden. Da für das in dieser Arbeit zu erstellende Kalibriermodell eine maximale Glucose Konzentration von 30% und eine Ethanol Konzentration von 15% ausreichend sind, waren die mit den zwei roten Linien eingeschränkten Kombinationen rechts unten ausreichend. Abb. 40: Angepasstes Lattice Design für max. 15 Gew.-% Ethanol & 30 Gew.-% Glucose Sascha Princz 62 Experimentelle Ergebnisse Das richtige Ablesen soll kurz an dem schwarzen Punkt erklärt werden, dort besteht das Gemisch zu 20% aus Glucose, 10% Ethanol und 70% Wasser. Die Prozentangaben beziehen sich jeweils auf Gewichtsprozent (Gew.-%). Nach der Auswertung des DOE mit Hilfe Gl. (3.17) ergab sich für den eingeschränkten Bereich eine Anzahl von 28 Proben. Die möglichen Kombinationen der einzelnen Mischungskomponenten sind in Tabelle 19 ausführlich dargestellt. Um eine randomisierte Reihenfolge für eine spektroskopische Auswertung der Proben zu erhalten wurden diese zunächst in Excel eingegeben und mit dessen Hilfe Zufallszahlen erzeugt, welche letztendlich eine zufällige Reihenfolge für die Messungen vorgab. Die Reihenfolge für die Versuchsdurchführung ist in der letzten Spalte der Tabelle 19, unter Versuch Nr. aufgeführt. Die Randomisierung für die Versuchsdurchführung wurde gewählt um eventuell auftretende systematische Fehler erkennen zu können. Tabelle 19: Anzahl der notwendigen Proben, Faktorenkombination sowie randomisierte Reihenfolge der Versuche Probe Nr. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 Sascha Princz Glucose [Gew.-%] 0 0 0 0 5 5 5 5 10 10 10 10 15 15 15 15 20 20 20 20 25 25 25 25 30 30 30 30 Ethanol [Gew.-%] 0 5 10 15 0 5 10 15 0 5 10 15 0 5 10 15 0 5 10 15 0 5 10 15 0 5 10 15 Wasser [Gew.-%] 100 95 90 85 95 90 85 80 90 85 80 75 85 80 75 70 80 75 70 65 75 70 65 60 70 65 60 55 Versuch Nr. 6 7 12 18 1 13 15 26 2 5 21 28 3 17 19 20 8 9 14 22 4 16 23 27 10 11 24 25 63 Experimentelle Ergebnisse 5.2 Probenherstellung Die Herstellung der Proben für die Vorversuche erfolgte zunächst durch das Erstellen von Gemischen aus Ethanol, Glucose und VE Wasser. Diese Proben wurden durch das Einwiegen der einzelnen Komponenten in Gew.-% hergestellt. Zur Erstellung wurde D(+)-Glucose und Ethanol absolut der Firma Merck gewählt. Genaue Angaben zu den Chemikalien finden sich im Anhang unter A 2. 5.3 Virtueller Bioreaktor Um das im Rahmen dieser Arbeit erstellte Kalibriermodell zur chemometrischen Auswertung der mittels spektroskopischer Messungen erhaltenen Daten bezüglich ihrer Ethanol- und Glucosekonzentration zu testen und auch zu erweitern war es unter anderem notwendig, neben Schüttelkolbenfermentationen auch am Bioreaktor der Hochschule Ulm Fermentationen von Hefezellen durchzuführen. Die Idee war es, diese Hefezellen in einer ersten Fermentation unter anaeroben Bedingungen zu fermentieren (näheres in Kapitel 3.8.2.4). Im Rahmen dieser Fermentation sollten somit zunächst Ergebnisse ohne den Einfluss von zu erwartenden Störungen durch Begasung und erhöhter Rührerdrehzahl sowie der letztendlich daraus resultierenden Bildung kleiner Luftbläschen gewonnen werden. Bevor allerdings diese Fermentation real durchgeführt wurde, wurden zunächst entsprechende Fermentationen mit Hilfe des Virtuellen Bioreaktors (Virtual Bioreactor, VBR) simuliert. Dabei handelt es sich um ein Werkzeug zur Simulation von Fermentationen, welches von der Hochschule Bremen mit der Software WinErs erstellt wurde. Das Ziel der Simulation war es, eine optimale Parametereinstellung für eine kurze Fermentationszeit zu finden, bei der trotzdem eine relative hohe Menge an Glucose und Ethanol während der Fermentation für die Messungen vorkommen. Tabelle 20 zeigt die Einstellungen der wichtigsten Prozessparameter während der simulierten anaeroben Hefefermentationen. Es wurden zum Vergleich vier verschiedene Fermentationen durchgeführt, wobei sich die Prozessparameter neben einer Variation der Temperatur auch in der Rührerdrehzahl unterscheiden. Tabelle 20: Prozessparameter der mit dem Virtuellen Bioreaktor simulierten anaeroben Hefefermentationen Simulation Rührerdrehzahl Temperatur Begasung Reaktorvolumen 1 100 min-1 20 °C aus 5L 2 100 min-1 20 °C aus 5L 3 100 min-1 30 °C aus 5L Sascha Princz 64 Experimentelle Ergebnisse 4 200 min-1 30 °C aus 5L Wie Tabelle 21 zeigt wurden die zwei Fermentationen bei 20°C mit zwei unterschiedlichen Mengen an Biomasse (Hefezellen) durchgeführt. Was zu einer erhöhten Bildung von Ethanol sowie einer Reduzierung der Fermentationsdauer geführt hat, allerdings mit zwei Tagen und drei Stunden immer noch relativ lange gedauert hätte. Aus diesem Grund wurde eine weitere anaerobe Hefefermentation bei 30°C simuliert. Dies hatte zwar wie zu erwarten einen viel höheren Biomassezuwachs zur Folge allerdings auch die erwünschte hohe Ethanolbildung bei einer, mit einem Tag und etwa acht Stunden, relativ kurzen Fermentationszeit. Um eine noch kürzere Fermentationsdauer zu erreichen wurde für die Simulation 4 das Substrat (Glucose) auf 136 g/L verringert, was mit einer Dauer von etwas über 20 h zu einer praktikablen Lösung führte. Tabelle 21: Start- und Endwerte der mit dem Virtuellen Bioreaktor simulierten anaeroben Hefefermentationen Simulation Biomasse Substrat (Glucose) Ethanol Dauer Start Ende Start Ende Start Ende 1 8,4g/L 33,6g/L 300g/L 0g/L 0g/L 85,3g/L 2d 19h 50min 2 16,6g/L 43,1g/L 300g/L 0g/L 0g/L 99,1g/L 2d 03h 10min 3 8,4g/L 53,9g/L 300g/L 0g/L 0g/L 98,4g/L 1d 07h 43min 4 8,4g/L 30,1g/L 136g/L 0g/L 0g/L 50,2g/L 0d 20h 05min Aus diesem Grund fiel die Entscheidung auf Simulation Nummer 4, da hier zu Beginn mit etwa 13,6 % Glucose (136 g/L) und am Ende mit etwa 5,2 % Ethanol (50,2 g/L) während der Fermentation hohe Konzentrationen der beiden Stoffe für die Messung vorhanden sind, und die reduzierte Fermentationsdauer gleichzeitig zu einer Einsparung der Fermentationskosten führt. Abb. 41 zeigt zum Abschluss noch den nach der Simulation (Nummer 4) zu erwartenden Prozessverlauf der anaeroben Hefefermentation im Bezug auf die Prozessparameter Biomasse (Hefezellen, rot), Substrat (Glucose, grün) und Metabolit (Ethanol, blau). Sascha Princz 65 140 35 120 30 100 25 80 20 60 15 40 10 20 5 0 Biomasse [g/L] Konzentration [g/L] Experimentelle Ergebnisse 0 0 2,5 5 7,5 10 12,5 15 17,5 20 22,5 Prozesszeit (h) Glucose [g/l] Ethanol [g/l] Biomasse [g/l] Abb. 41: Verlauf der Simulation 4 einer anaeroben Hefefermentation 5.4 Temperaturabhängigkeit Hier soll zunächst die Abhängigkeit der Absorptionsspektren in Bezug auf die Temperatur des spektroskopisch vermessenen VE Wassers dargestellt werden. Da tiefe Temperaturen die Wasserstoffbrückenbindungen begünstigen und stabilisieren und somit auch einen Einfluss auf die Oberschwingungen von Wasser haben, kommt es bei unterschiedlichen Temperaturen zu einer Verschiebung der mit Hilfe der NIRS detektierten relevanten Adsorptionsbanden von Wasser. 5.4.1 Experimenteller Aufbau und Durchführung Für den Nachweis der Temperaturabhängigkeit der Spektren von Wasser, speziell im NIRBereich von 1100–2100 nm, wurde VE Wasser verwendet. Zur Erstellung einer aussagekräftigen Messreihe wurde ein Temperaturbereich von 15–75°C gewählt, und in Abständen von 5°C Schritten durchlaufen. Das Wasser wurde auf die entsprechende Temperatur aufgeheizt und im jeweils temperaturstabilen Zustand ein entsprechendes Spektrum aufgezeichnet. Die Messung der Absorptionsspektren von Wasser erfolgte als Transflexionsmessung. Die Erwärmung des VE Wassers zum Durchlaufen der Temperaturreihe geschah mittels des VWR Magnetrührers mit integrierter Heizplatte VMSC7. Die Steuerung der Heizplatte sowie die Überwachung der Temperatur erfolgte mit Hilfe des elektronischen Kontaktthermometers VT-5, ebenfalls von VWR. Eine optische Darstellung des Messaufbaus zeigt Abb. 35. Sascha Princz 66 Experimentelle Ergebnisse Die Berechnung der Absorptionsspektren erfolgte mittels der Spektrometer Software. Dafür wurde zunächst zu Beginn ein Referenzspektrum für alle späteren Messungen aufgezeichnet, wobei die Lichtquelle und Luft als Referenz dienten. Bei den nachfolgenden Messungen wurde zuvor jeweils eine extra Dunkelstromkorrektur durchgeführt. Die Einstellungen weiterer relevanter Parameter für die Messungen können der Tabelle 22 entnommen werden. Tabelle 22: Parameter für die Messung zur Temperaturabhängigkeit der Spektren von Wasser Integrationszeit (It) Mittelung (N) Aufwärmphase Spektrometer 8,5 ms 64 120 min Aufwärmphase Lichtquelle 60 min Optischer Weg Sensor 0,5 mm 5.4.2 Auswertung und Ergebnisse Die Daten der Messungen wurden mit Hilfe der Spektrometer Software in Form von ASCII Excel [*.csv] Dateien abgespeichert. Dieses Speicherformat wurde gewählt um anschließend mit Hilfe des Tabellenkalkulationsprogramm Microsoft Excel entsprechende Auswertungen vornehmen zu können. Abb. 42 zeigt die entsprechende graphische Darstellung aller 13 aufgezeichneten Spektren über den Temperaturbereich von 15–75°C. Sehr schön zeigt sich hier die Verschiebung der Absorptionsbanden der 1. und 2. Oberschwingung bei zunehmender Temperatur in den kurzwelligeren Bereich. Sascha Princz 67 Experimentelle Ergebnisse Temperaturabhängige Spektren von Wasser 2 1,8 Absorbance Unit 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 -0,2 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 Wellenlänge [nm] Wasser 15°C Wasser 20°C Wasser 25°C Wasser 30°C Wasser 35°C Wasser 40°C Wasser 45°C Wasser 50°C Wasser 55°C Wasser 60°C Wasser 65°C Wasser 70°C Wasser 75°C Abb. 42: Temperaturabhängige Spektren von Wasser über einen Temperaturbereich von 15°C bis 75°C Betrachtet man nun den Bereich der durch die 2. Oberschwingung verursachten Absorptionsbande, etwa zwischen 1410 nm und 1460 nm (Abb. 43), zeigt sich neben einer Verschiebung in den kurzwelligeren Bereich bei zunehmender Temperatur zunächst auch eine geringfügige Abnahme der Peakhöhe die aber dann bei höheren Temperaturen wieder stärker ansteigt. Sascha Princz 68 Experimentelle Ergebnisse Temperaturabhängige Spektren von Wasser, 2. Oberschwingung Absorbance Unit 0,6 0,4 0,2 0 1350 1370 1390 1410 1430 1450 1470 1490 1510 1530 1550 Wellenlänge [nm] Wasser 15°C Wasser 20°C Wasser 25°C Wasser 30°C Wasser 35°C Wasser 40°C Wasser 45°C Wasser 50°C Wasser 55°C Wasser 60°C Wasser 65°C Wasser 70°C Wasser 75°C Abb. 43: Temperaturabhängige Spektren von Wasser, 2. Oberschwingung Vergleicht man dazu die in Abb. 44 dargestellte Verschiebung der durch die 1. Oberschwingung verursachten Absorptionsbande, etwa zwischen 1900 nm und 1950 nm, zeigt sich neben der bereits erwähnten Verschiebung in den kurzwelligeren Bereich bei zunehmender Temperatur auch ein Ansteigen der Peakhöhe ohne vorherige Abnahme der selbigen. Sascha Princz 69 Experimentelle Ergebnisse Temperaturabhängige Spektren von Wasser, 1. Oberschwingung 2 1,8 Absorbance Unit 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 1850 1900 1950 2000 2050 2100 Wellenlänge [nm] Wasser 15°C Wasser 20°C Wasser 25°C Wasser 30°C Wasser 35°C Wasser 40°C Wasser 45°C Wasser 50°C Wasser 55°C Wasser 60°C Wasser 65°C Wasser 70°C Wasser 75°C Abb. 44: Temperaturabhängige Spektren von Wasser, 1. Oberschwingung 5.5 Spektren In der Phase der Vorversuche zu dieser Arbeit erfolgte eine ausführliche Aufzeichnung entsprechender Absorptionsspektren von VE Wasser, Ethanol, Glucose, Glucose-EthanolWasser-Gemischen (G-E-W) und Hefe-Wasser-Gemischen unterschiedlichster Konzentrationen. Dies geschah im interessierenden Wellenlängenbereich von 1100– 2100 nm. Diese Phase der Arbeit diente zum einem dem Vergleich der unter den Kapiteln 4.3.1 und 4.3.2 beschriebenen Methoden miteinander sowie einem Vergleich der aus der Literatur bekannten Spektren mit den eigens ermittelten Spektren. Darüber hinaus lag der Fokus dieser Vorversuche natürlich auch auf der Ermittlung relevanter Daten für eine spätere Erstellung eines Kalibriermodells für eine chemometrische Ermittlung der Stoffkonzentrationen unbekannter Probengemische. Mit Hilfe einer weiterreichenden Auswertung der Glucosespektren wurde eine Berechnung eines theoretischen Absorptionsspektrums von 100 % gelöster Glucose durchgeführt. Diese Motivation lag an der Tatsache, dass in der Literatur keine vergleichbaren Spektren gefunden werden konnten. Aufgrund der unter Kapitel 5.4.2 dargelegten Temperaturabhängigkeit der Spektren von Wasser wurde für die Aufzeichnung der Spektren im Rahmen dieser Arbeit eine Probentemperatur von 30°C gewählt. Die Motivation für die Festlegung der Probentemperatur Sascha Princz 70 Experimentelle Ergebnisse auf 30°C erfolgte aus dem Grund, dass das erstellte Kalibriermodell zunächst an Fermentationen von Hefezellen erfolgen soll. Da die Vorzugstemperatur dieser Hefezellen bei einer Temperatur von etwa 30°C liegt war diese Temperatur naheliegend. 5.5.1 Wasser Absorptionsspektren von Wasser für einen NIR-Bereich von 1100-2100 nm lassen sich bereits in der Literatur finden. Da jedoch die äußere Form dieser Spektren sehr stark von der verwendeten Messtechnik (unter anderem der Empfindlichkeit und maximalen Auflösung des Spektrometers) und Messprinzip abhängig sind, wurden im Rahmen dieser Arbeit eigene Spektren von Wasser aufgenommen. Ein weitaus wichtigerer Grund lag allerdings in der Notwendigkeit eigene Wasserspektren für die nachfolgenden Auswertungen und natürlich das spätere Kalibriermodell zu erhalten. Die Durchführung zur Aufzeichnung entsprechender Spektren erfolgte zum einen nach dem Prinzip der Transmission sowie der Transflexion. Abb. 45 zeigt neben den gemessenen Spektren auch zwei korrigierte Spektren. Die blaue Kurve zeigt das Rohspektrum, welches nach dem Prinzip der Transflexion aufgezeichnet wurde, und die rote Kurve das Rohspektrum nach dem Prinzip der Transmission. Um nun beide Absorptionsspektren miteinander vergleichen zu können mussten zunächst verschiedene Korrekturschritte durchgeführt werden. So wurde zunächst das Spektrum aus der Transflexionsmessung einer Nullpunktkorrektur (NPK) unterzogen, das Resultat zeigt die grüne Kurve im Diagramm. Die NPK war notwendig da das Wasser gegen die Referenz Luft oder Lichtquelle vermessen wurde und dadurch bis zu einer Wellenlänge von etwas über 1300 nm negative Werte resultierten. Im letzten Schritt erfolgte eine Skalierung des nullpunktkorrigierten Spektrums. Die Berechnung des Skalierungsfaktors erfolgte aus dem Verhältnis des ersten Peaks bei etwa 1450 nm der beiden Rohspektren zu einander. Diese Skalierung war notwendig um die Spektren der unterschiedlichen Prinzipien miteinander vergleichen zu können. Die violette Kurve zeigt das skalierte NPK Spektrum für den direkten Vergleich. Sascha Princz 71 Experimentelle Ergebnisse Wasserspektren bei 30 °C gemessen und korrigiert 4,9 Wasser 30 °C Transflektion 3,9 Absorbance Unit Wasser 30 °C Transmission 2,9 Wasser 30 °C Transflektion (NPK) Wasser 30 °C Transflektion (NPK, skaliert) 1,9 0,9 -0,1 1100 1200 1300 1400 1500 1600 1700 Wellenlänge [nm] 1800 1900 2000 2100 Abb. 45: Diverse Wasserspektren gemessen und zum Vergleich korrigiert Der direkte Vergleich des violetten und roten Spektrums zeigt, dass diese bis auf den Bereich des zweiten Peaks nahezu deckungsgleich sind. Der Grund für die Abweichung im Bereich zwischen etwa 1800–2100 nm liegt zum einen in der Wahl des Messprinzips und zum anderen aber vor allem in der Länge des Optischen Pfades. Die Messung nach Transmission erfolgte in einer Quarzglasküvette mit einer Schichtdicke oder Optischen Pfad von 1 mm. In der Grafik zeigt sich sehr schön, dass die Absorption des Wassers im Bereich um 1940 nm zu stark für den gewählten Optischen Pfad ist und somit die Kurve nicht vollständig dargestellt werden kann. Die Betrachtung der violetten Kurve zeigt, dass aufgrund des anderen Messprinzips (Transflexion) und vor allem dem kleineren Optischen Pfad von 0,5 mm dieser Bereich viel besser aufgelöst werden kann. Abb. 46 zeigt nun das nach dem Transflexionsprinzip gemessene Spektrum von VE Wasser mit den typischen Absorptionsbanden der 1. und 2. Oberschwingung in dem untersuchten Wellenlängenbereich von 1100–2100 nm mit Hilfe der NIRS. Sascha Princz 72 Experimentelle Ergebnisse Absorptionsspektrum von Wasser bei 30 °C 2,5 1. Oberschwingung Wasser (gemessen, NPK) Absorbance Unit 2 1,5 1 2. Oberschwingung 0,5 0 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 Wellenlänge [nm] Abb. 46: Absorptionsspektrum von Wasser, gemessen in Transflexion und NPK 5.5.2 Ethanol Das in Abb. 47 gezeigte Absorptionsspektrum zeigt das Resultat der Messung nach dem Prinzip der Transflexion von 100 % Ethanol. Auch bei diesem Spektrum wurde eine NPK durchgeführt. Der Grund war auch hier, wie bei dem Spektrum von VE Wasser, das gegen die Referenz Luft/Lichtquelle vermessen wurde und dadurch bis zu einer Wellenlänge von etwas über 1300 nm negative Werte resultierten. Sehr gut ist auch zu erkennen, dass die Absorption von Ethanol in dem untersuchten Bereich im Vergleich zu dem zuvor gezeigten Absorptionsspektrum von VE Wasser sehr viel geringer ist. Sascha Princz 73 Experimentelle Ergebnisse Absorptionsspektrum von Ethanol bei 30 °C 0,3 100% Ethanol (gemessen, NPK) Absorbance Unit 0,25 0,2 0,15 0,1 0,05 0 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 Wellenlänge [nm] Abb. 47: Absorptionsspektrum von 100% Ethanol, gemessen und NPK Im Rahmen der Absorptionsmessungen von Ethanol erfolgte zudem eine Messung von unterschiedlichen Ethanolkonzentrationen in VE Wasser. Das Ergebnis dieser Messungen zeigt Abb. 48. Die Angabe der Ethanolkonzentration erfolgt in Gew.-%. Der Grund für die negativen Absorptionsspektren liegt darin, dass die abgebildeten Absorptionsspektren gegen ein Wasserspektrum bei gleicher Temperatur als Referenz gemessen wurden. Die negative Ausbreitung um die Wellenlängenbereiche von 1440 nm und 1960 nm resultiert daher von den starken Absorptionsbanden des Wassers, um so höher also die Ethanolkonzentration umso negativer ist das Absorptionsspektrum in diesem Bereich. Da dieser Effekt lediglich auf einer Verdrängung von Wasser beruht, ist dies kein zuverlässiges Merkmal zur Bestimmung der Ethanolkonzentration. Sascha Princz 74 Experimentelle Ergebnisse Spektren der Ethanolmessreihe bei 30 °C 0,2 0 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 Absorbance Unit -0,2 -0,4 -0,6 -0,8 -1 1% Ethanol 2% Ethanol 3% Ethanol 5% Ethanol 10% Ethanol 20% Ethanol 30% Ethanol 40% Ethanol 50% Ethanol 60% Ethanol -1,2 Wellenlänge [nm] Abb. 48: Spektren der Ethanolmessreihe mit unterschiedlichem Ethanolgehalt Viel interessanter ist in diesem Zusammenhang der Bereich zwischen etwa 1670 nm und 1750 nm wie ihn Abb. 49 zeigt. Sehr gut ist hier aufgrund des positiven Absorptionsspektrums zu erkennen, dass in diesem Bereich die Absorption von Ethanol höher als die des Wassers ist. Sascha Princz 75 Experimentelle Ergebnisse Spektren der Ethanolmessreihe bei 30 °C, Auszug 0,04 Absorbance Unit 0,03 0,02 1% Ethanol 2% Ethanol 3% Ethanol 5% Ethanol 10% Ethanol 20% Ethanol 30% Ethanol 40% Ethanol 50% Ethanol 60% Ethanol 0,01 0 1670 -0,01 1680 1690 1700 1710 1720 1730 1740 1750 Wellenlänge [nm] Abb. 49: Spektren der Ethanolmessreihe mit unterschiedlichem Ethanolgehalt, Auszug 5.5.3 Glucose Abb. 50 zeigt das Resultat der Berechnung für das Absorptionsspektrum nach dem Prinzip der Transflexion von 100% Glucose. Da es nicht möglich ist den als Feststoff vorliegenden Zucker Glucose mit einem Anteil von 100% zu lösen und in Transflexion zu vermessen, wurden verschiedene Glucose-Wasser-Gemische angesetzt und daraus letztendlich das vorliegende Spektrum berechnet. Auch bei diesem Spektrum wurde eine NPK durchgeführt. Der Grund war auch hier, wie bei den Spektren zuvor, das gegen die Referenz Luft oder Lichtquelle vermessen wurde. Sehr gut ist auch hier zu erkennen, dass die Absorption von Glucose in dem untersuchten Bereich im Vergleich zu dem Absorptionsspektrum von Wasser viel geringer ist, allerdings doch höher als das von Ethanol. Sascha Princz 76 Experimentelle Ergebnisse Absorptionsspektrum von Glucose bei 30 °C 1,4 100% Glucose (berechnet, NPK) 1,2 Absorbance Unit 1 0,8 0,6 0,4 0,2 0 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 Wellenlänge [nm] Abb. 50: Absorptionsspektrum von 100% Glucose, berechnet und NPK Wie bereits bei Ethanol erfolgten auch hier Absorptionsmessungen unterschiedlicher Glucosekonzentrationen in VE Wasser. Das Ergebnis dieser Messungen zeigt Abb. 51 mit den entsprechenden Glucosekonzentrationen in Gew.-%. Der Grund für die negativen Absorptionsspektren liegt wiederum darin, dass die abgebildeten Absorptionsspektren gegen ein Wasserspektrum bei gleicher Temperatur als Referenz vermessen wurden. Somit resultieren die negative Ausbreitung um die Wellenlängenbereiche von 1440 nm und 1960 nm auch hier von den starken Absorptionsbanden des Wassers, um so höher also die Glucosekonzentration umso negativer ist das Absorptionsspektrum in diesem Bereich. Da dieser Effekt wiederum auf eine Verdrängung von Wasser beruht ist dies kein zuverlässiges Merkmal zur Bestimmung der Glucosekonzentration. Sascha Princz 77 Experimentelle Ergebnisse Spektren der Glucosemessreihe bei 30 °C 0,2 0,1 Absorbance Unit 0 1100 -0,1 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 -0,2 -0,3 -0,4 -0,5 1% Glucose 2% Glucose 3% Glucose 5% Glucose 10% Glucose 20% Glucose 30% Glucose 40% Glucose 50% Glucose 60% Glucose -0,6 -0,7 -0,8 Wellenlänge [nm] Abb. 51: Spektren der Glucosemessreihe mit unterschiedlichem Glucosegehalt Ähnlich wie bei Ethanol gibt es auch hier Bereiche, die im interessierenden Wellenlängenbereich eine höhere Absorption als Wasser aufweisen. Von diesen Bereichen gibt es bei Glucose sogar zwei. Der größere Bereich liegt etwa zwischen 1530 nm und 1780 nm (wie ihn Abb. 52 zeigt) und der zweite beginnt bei etwa 2070 nm und reicht aber über den mittels in dieser Arbeit verwendeten Grenzbereich von 2100 nm hinaus (s. a. Abb. 53). Sascha Princz 78 Experimentelle Ergebnisse Spektren der Glucosemessreihe bei 30 °C, Auszug 1 0,05 0,04 Absorbance Unit 0,03 1% Glucose 2% Glucose 3% Glucose 5% Glucose 10% Glucose 20% Glucose 30% Glucose 40% Glucose 50% Glucose 60% Glucose 0,02 0,01 0 1530 1580 1630 1680 1730 1780 -0,01 -0,02 Wellenlänge [nm] Abb. 52: Spektren der Glucosemessreihe mit unterschiedlichem Glucosegehalt, Auszug 1 Spektren der Glucosemessreihe bei 30 °C, Auszug 2 0,11 1% Glucose 2% Glucose 3% Glucose 5% Glucose 10% Glucose 20% Glucose 30% Glucose 40% Glucose 50% Glucose 60% Glucose Absorbance Unit 0,09 0,07 0,05 0,03 0,01 2070 -0,01 2075 2080 2085 Wellenlänge [nm] 2090 2095 2100 Abb. 53: Spektren der Glucosemessreihe mit unterschiedlichem Glucosegehalt, Auszug 2 Da es wie bereits erwähnt technisch nicht möglich ist eine Lösung mit einem Konzentrationsgehalt von 100% Glucose herzustellen und spektroskopisch zu vermessen, wurde das Absorptionsspektrum für 100% Glucose berechnet. Um einen Vergleich bzw. Sascha Princz 79 Experimentelle Ergebnisse Kontrolle der Richtigkeit der Berechnung zu bekommen, wurde dasselbe mit Hilfe einer Messung nach dem Transmissionsprinzip durchgeführt und ebenfalls ein Absorptionsspektrum berechnet. Abb. 54 zeigt das Ergebnis dieser Berechnungen. In rot das berechnete Absorptionsspektrum aus den nach dem Prinzip der Transflexion gewonnenen Daten und in blau aus den Daten nach dem Transmissionsprinzip. Auch hier musste das Spektrum nach dem Transflexionsprinzip für einen direkten Vergleich skaliert werden, das Ergebnis zeigt das grüne Spektrum. Der direkte Vergleich zeigt das beide Absorptionsspektren (blau und grün) nahezu deckungsgleich sind, lediglich der Peak bei etwa 1940 nm unterscheidet sich wie bereits erwähnt aufgrund des unterschiedlichen Optischen Pfades. Absorptionsspektren 100% Glucose, Transmission vs. Transflexion 3 100% Glucose Transmission Absorbancce Unit 2,5 2 100% Glucose Transflexion Faktor*Transflexion 1,5 1 0,5 0 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 Wellenlänge [nm] Abb. 54: Berechnete Absorptionsspektren für 100% Glucose nach Transmission und Transflexion 5.5.4 Vergleich der Absorptionsspektren Die im Rahmen der Vorversuche dieser Arbeit gewonnenen reinen Absorptionsspektren von VE Wasser, Glucose und Ethanol sind für einen direkten Vergleich in Abb. 55 gegenübergestellt. Hier zeigt sich nun sehr anschaulich die zum Teil sehr viel höhere Absorption des Wassers in dem Wellenlängenbereich von 1100 nm bis 2100 nm. Genauso zeigen sich aber auch die zuvor erwähnten Bereiche, in denen die Absorption durch Glucose und Ethanol stärker als die durch das Wasser verursachte Absorption sind. Allerdings ist Sascha Princz 80 Experimentelle Ergebnisse auch zu erkennen, dass sowohl Ethanol als auch Glucose in diesen Bereichen Absorptionen zeigen die sich addieren. So z. B. in dem Bereich zwischen 1670 nm und 1750 nm sowie ab 2070 nm was letztendlich zu einer Überlagerung dieser Absorptionsbanden führt. Diese Überlagerung führt mit dazu, dass eine Auswertung in Hinblick auf die einzelnen Stoffkonzentrationen mit Hilfe einer multivariaten Datenanalyse, sprich der Chemometrie erfolgen muss. Absorptionsspektren von Wasser, Glucose und Ethanol 2,1 1,8 Wasser (gemessen, NPK) 100% Glucose (berechnet, NPK) Absorbance Unit 1,5 100% Ethanol (gemessen, NPK) 1,2 0,9 0,6 0,3 0 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 Wellenlänge [nm] Abb. 55: Direkter Vergleich der reinen Absorptionsspektren von Wasser, Glucose und Ethanol 5.5.5 Hefe-Wasser-Gemisch Im Rahmen der Vorversuche erfolgten zusätzlich Absorptionsmessungen von Hefe-WasserGemischen mit unterschiedlicher Konzentration an Biomasse, sprich Hefezellen. Hierfür wurde die Nasshefe wieninger hefe, des Herstellers F. X. Wieninger GmbH, in VE Wasser gelöst und gegen die Referenz Wasser in Transflexion spektroskopisch bei 30°C vermessen. Die Angaben der Hefekonzentration erfolgt in Gew.-% und bezieht sich auf die Nasshefe. Eine Umrechnung zwischen Nasshefemasse und der entsprechenden Trockenbiomasse an Hefezellen liefert Tabelle 23, wobei 7,1 g Nasshefe in etwa einer Trockenbiomasse von 2 g entsprechen. Tabelle 23: Umrechnung zwischen Nasshefemasse und Trockenbiomasse Gew.-% Nasshefe [g] Trockenbiomasse [g] 1,00 10,0 2,82 Sascha Princz 81 Experimentelle Ergebnisse 2,98 29,8 8,39 4,00 40,0 11,27 5,96 59,6 16,79 7,00 70,0 19,72 10,0 100,0 28,17 Das Ergebnis der Messungen in Form von Absorptionsspektren ist in Abb. 56 zu sehen. Hier zeigt sich eine Zunahme der Extinktion aufgrund dem Mehr an Biomasse in den einzelnen Gemischen. Die Berechnung erfolgte nach dem Lambert Beer´schen Gesetz, obwohl dieses aufgrund der durch die Hefezellen auftretenden Streuung hier nicht mehr uneingeschränkt gültig ist. Diese Form der Berechnung und Darstellung wurde allerdings für einen besseren Vergleich mit den anderen Spektren gewählt. Absorptionsspektren verschiedener Hefekonzentrationen bei 30°C 0,9 0,8 Absorbance Unit 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 1030 1230 1430 1630 1830 2030 Wellenlänge [nm] Hefe1% Hefe2,98% Hefe4% Hefe5,96% Hefe7% Hefe10% Abb. 56: Absorptionsspektren der verschiedenen Hefe-Wasser-Gemische bei 30°C Eine Aussage über die Transmissionseigenschaften der entsprechenden Hefekonzentrationen zeigt Abb. 57. Hier wurde zur Berechnung der Transmission, nach Gl. (3.4), als eingestrahlte Lichtintensität I0 ein Intensitätsspektrum von VE Wasser herangezogen. Somit entspricht reines VE Wasser einer Transmission von 100 %. Bei genauer Betrachtung zeigt sich auch hier das mit zunehmender Biomasse, und der damit verbundenen Zunahme der Trübung der Flüssigkeit, die Transmission stark abnimmt. Sascha Princz 82 Experimentelle Ergebnisse Transmissionsspektren verschiedener Hefekonzentrationen bei 30°C 90 80 Transmission [%] 70 60 50 40 30 20 10 0 1030 1230 1430 1630 1830 2030 Wellenlänge [nm] Hefe1% Hefe2,98% Hefe4% Hefe5,96% Hefe7% Hefe10% Abb. 57: Transmissionsspektren der verschiedenen Hefe-Wasser-Gemische bei 30°C Abb. 58 zeigt einzelne Intensitätsspektren der verschiedenen Hefekonzentrationen sowie reinem VE Wasser im Vergleich. Auch hier zeigt sich recht deutlich, dass die zunehmende Trübung der Flüssigkeit einen starken Einfluss auf die Intensität der einzelnen Spektren hat. Spektren verschiedener Hefekonzentrationen vs Wasser bei 30°C 50000 Counts 40000 30000 20000 10000 0 1030 1230 1430 1630 1830 2030 Wellenlänge [nm] Hefe1% Hefe2,98% Hefe4% Hefe7% Hefe10% Wasser (Ref) Hefe5,96% Abb. 58: Spektren (in Counts) der verschiedenen Hefe-Wasser-Gemische bei 30°C Sascha Princz 83 Experimentelle Ergebnisse Da sich bei wiederholten Messungen dieser Zusammenhang der Transmissionsabnahme bestätigt hat, kann diese Eigenschaft bzw. Wissen zum Beispiel für einen ersten Versuch zur Vorhersage der Biomasse und somit der Trockenbiomasse an Hefezellen genutzt werden. 5.5.6 Glucose-Ethanol-Wasser-Gemisch Um eine Auswertung mit Hilfe der Chemometrie durchführen zu können, musste zunächst ein geeignetes Kalibriermodell erstellt werden. Zur Erstellung dieses Kalibriermodells erfolgte eine spektroskopische Vermessung der 28 Gemische mit den in Tabelle 19 dargestellten Stoffkonzentrationen. Die Erstellung der mit dem angepassten Lattice Modell (Abb. 40) ermittelten Proben erfolgte durch eine Einwaage der entsprechenden Stoffe. Somit sind die Angaben der einzelnen Stoffkonzentrationen in den Proben wiederum in Gew.-%, die Reihenfolge der Vermessung mittels der NIRS erfolgte in der angegebenen randomisierten Reihenfolge. Das Ergebnis in Form der gewonnen Absorptionsspektren zeigt Abb. 59. Sascha Princz 84 Experimentelle Ergebnisse Absorptionsspektren Glucose-Ethanol-Wasser-Gemisch bei 30°C 0,05 1100 -0,05 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 Absorbance Unit -0,15 -0,25 -0,35 -0,45 -0,55 Wellenlänge [nm] -0,65 Versuch# 2 10%G-10%E-80%W AU Versuch# 3 15%G-5%E-80%W AU Versuch# 4 25%G-0%E-75%W AU Versuch# 5 10%G-5%E-85%W AU Versuch# 6 0%G-10%E-90%W AU Versuch# 7 0%G-5%E-95%W AU 1200 1300 1400 1500 Versuch# 9 20%G-15%E-65%W AU 1600 Versuch# 8 20%G-5%E-75%W AU 1700 1800 1900 2000 2100 Versuch# 10 30%G-15%E-55%W AU Versuch# 11 30%G-0%E-70%W AU Versuch# 12 0%G-15%E-85%W AU -0,2 Versuch# 13 5%G-0%E-95%W AU Versuch# 14 20%G-10%E-70%W AU AU 1100 Versuch# 1 5%G-15%E-80%W AU Versuch# 15 5%G-5%E-90%W AU Versuch# 16 25%G-15%E-60%W AU Versuch# 17 15%G-15%E-70%W AU Versuch# 18 0%G-0%E-100%W AU Versuch# 19 15%G-0%E-85%W AU Versuch# 20 15%G-10%E-75%W AU Versuch# 21 10%G-0%E-90%W AU Versuch# 22 20%G-0%E-80%W AU Versuch# 23 25%G-10%E-65%W AU Versuch# 24 30%G-10%E-60%W AU Versuch# 25 30%G-5%E-65%W AU Versuch# 26 5%G-10%E-85%W AU Versuch# 27 25%G-5%E-70%W AU Wellenlänge [nm] Versuch# 28 10%G-15%E-75%W AU -0,7 Abb. 59: Absorptionsspektren der Glucose-Ethanol-Wasser-Gemische bei 30°C 5.6 Kalibriermodell Mit den in Abb. 59 gezeigten Absorptionsspektren der entsprechenden Probengemische erfolgte nun die Erstellung eines ersten Kalibriermodells für eine Vorhersage der Stoffkonzentrationen von Glucose und Ethanol in unbekannten wässrigen Proben. Die Vorhersage bzw. Erstellung des Kalibriermodells erfolgte mit Hilfe der PLS. Die für die Erstellung dieses Kalibriermodells ebenfalls benötigten Konzentrationen der einzelnen Stoffe Sascha Princz 85 Experimentelle Ergebnisse waren durch das Einwiegen bekannt, und somit dient hier die Methode des Einwiegens als Referenzanalytik zur Bestimmung der entsprechenden Konzentrationen. Die Erstellung eines ersten Kalibriermodells erfolgte nun direkt in der Software „The Unscrambler“ aus den zuvor gewonnenen Absorptionsspektren sowie der bekannten Konzentrationen der enthaltenen Stoffe. Nachdem die spektroskopisch vermessenen Spektren der 28 Probelösungen sowie die dazugehörigen Konzentrationen in Form der entsprechenden Datenmatrix im Unscrambler hinterlegt wurden, erfolgte zunächst die Durchführung einer PCA anhand der Rohdaten. Das Ergebnis dieser PCA ist grafisch in Abb. 60 dargestellt. Obwohl hier bereits die erste (PC-1, 98%) und zweite (PC-2, 2%) Hauptkomponente 100% der Varianz erklären, sieht man am rechten oberen Rand sowie der linken oberen Ecke eine unsymmetrische und nichtlineare Verteilung der Proben. Abb. 60: Ergebnis PCA eines ersten Kalibriermodells ohne Datenvorbehandlung Zu erwarten wäre aufgrund der linearen Abdeckung des Datenraumes, durch die lineare und symmetrische Verteilung der unterschiedlichen Probelösungen (vgl. dazu Kapitel 5.1), eine ähnlich lineare und symmetrische Anordnung der Proben, wie in dem ausgewählten Bereich des in Abb. 40 gezeigten Lattice Modells. Schaut man sich dazu noch die in Abb. 59 gezeigten Absorptionsspektren der Probenlösungen an, sieht man, dass eben diese Spektren eine Abweichung zur Basislinie haben. Nach der Durchführung einer linearen Basislinienkorrektur (über 2 Stützstellen) und Sascha Princz 86 Experimentelle Ergebnisse einer darauffolgenden PCA über die korrigierten Daten erhält man die in Abb. 61 gezeigte Verteilung der verschiedenen Probengemische. Abb. 61: Ergebnis PCA eines ersten Kalibriermodells nach Basislinienkorrektur Es zeigt sich, dass mit Hilfe einer entsprechenden Vorbehandlung der Daten, wie hier durch die Eliminierung nicht chemischer Informationen, eine annähernd symmetrische Verteilung erreicht werden kann. 5.7 Erste Vorhersagen Für eine Kontrolle des erstellten Kalibriermodells erfolgten im nächsten Schritt diverse Vorhersagen für unterschiedliche Proben mit teilweise unbekannten Inhaltsstoffen und Zusammenstellung. Die Angaben zu den entsprechenden Proben so wie die erzielten Ergebnisse der Vorhersagen finden sich in den nachfolgenden Kapiteln. Darüber hinaus wird im Anschluss auf die dabei aufgetretenen bzw. erwartenden Probleme unter Kapitel 5.7.4 näher eingegangen. Bevor allerdings mit der Vorhersage verschiedener Proben begonnen werden konnte, wurden zunächst verschiedene Methoden zur Vorbehandlung (Vorb.) der Spektren des Kalibriermodells, im Hinblick auf ihre R2 und RMSE Werte hin analysiert. In Tabelle 24 finden sich die Ergebnisse für die Modelloptimierung zur Vorhersage von Glucose mit Angabe der Anzahl der verwendeten Komponenten (unter Rang). Die Abkürzung SG steht für SavitzkyGolay und BL für Baseline. Bei der BL Offset erfolgt eine Korrektur um einen, bei einer Sascha Princz 87 Experimentelle Ergebnisse bestimmten Wellenlänge, vorhandenen Offset. Bei der BL Linear erfolgt eine Korrektur um eine Gerade, die Stützstellen für die lineare Basislinienkorrektur lagen bei etwa 1100 nm und 1540 nm. Die Zahlen in den Klammern bei der Vorbehandlung Detrend stehen für den Grad des Polynoms. Es erfolgt ebenfalls eine dem Grad des Polynoms entsprechende Basislinienkorrektur, wobei allerdings die Software selbst die entsprechenden Stützstellen bestimmt. Die Tabellen zeigen nicht alle durchgeführten Methoden, es sind lediglich die Methoden aufgeführt, die am geeignetsten für eine Vorhersage des entsprechenden Stoffs erschienen. Tabelle 24: Modelloptimierung für die Vorhersage von Glucose in G-E-W Vorb. Bereich λ [nm] Rang R2 RMSEC RMSECV keine Vorb. 1100-2100 3 0,9872 0,958 1,174 1. Ableitung SG 1100-2100 3 0,9960 0,517 0,656 Detrend (1) 1100-2100 3 0,9982 0,369 0,437 Detrend (2) 1100-2100 3 0,9987 0,318 0,379 BL Offset 1100-2100 3 0,9933 0,726 0,848 BL Linear 1100-2100 3 0,9977 0,437 0,513 Einen Vergleich der einzelnen Vorbehandlungsmethoden der Spektren für ein Kalibriermodell und zur Vorhersage von Glucose zeigt Abb. 62. Der Vergleich erfolgt zum einen bezüglich des R² und zum anderen bezüglich der RMSE Werte für die Kalibrierung und Validierung des entsprechenden Kalibriermodells. Hierbei sieht man recht anschaulich, dass eine entsprechende Vorbehandlung eine sichtbare Verbesserung des Kalibriermodells gegenüber dem Kalibriermodell basierend auf den Rohdaten bringt. Sascha Princz 88 Experimentelle Ergebnisse Vergleich der Vorbehandlung für Glucose 1 4 0,998 3,5 0,996 3 0,994 R² 0,99 2 0,988 RMSE 2,5 0,992 1,5 0,986 1 0,984 0,5 0,982 0,98 0 keine Vorb. BL Offset 1. Ableitung SG R2 BL Linear RMSEC Detrend (1) Detrend (2) RMSECV Abb. 62: Vergleich der Methoden zur Vorbehandlung für Glucose Tabelle 25 zeigt die Ergebnisse für die Modelloptimierung zur Vorhersage von Ethanol, ebenfalls mit Angabe der dazu verwendeten Komponenten. Tabelle 25: Modelloptimierung für die Vorhersage von Ethanol in G-E-W Vorb. Bereich λ [nm] Rang R2 RMSEC RMSECV keine Vorb. 1100-2100 3 0,9831 0,443 0,754 1. Ableitung SG 1100-2100 3 0,9879 0,514 0,638 Detrend (1) 1100-2100 3 0,9972 0,258 0,306 Detrend (2) 1100-2100 3 0,9965 0,292 0,345 BL Offset 1100-2100 3 0,9904 0,485 0,569 BL Linear 1100-2100 3 0,9951 0,338 0,392 Den Vergleich der einzelnen Vorbehandlungsmethoden der Spektren für ein Kalibriermodell von Ethanol zeigt Abb. 63. Auch hier zeigt sich deutlich, dass eine entsprechende Vorbehandlung eine Verbesserung des Kalibriermodells gegenüber dem Kalibriermodell basierend auf den Rohdaten bringt. Sascha Princz 89 Experimentelle Ergebnisse Vergleich der Vorbehandlung für Ethanol 1 4 3,5 0,995 3 R² 2 0,985 RMSE 2,5 0,99 1,5 1 0,98 0,5 0,975 0 keine Vorb. 1. Ableitung SG BL Offset R2 BL Linear RMSEC Detrend (2) Detrend (1) RMSECV Abb. 63: Vergleich der Methoden zur Vorbehandlung für Ethanol Tabelle 26 zeigt die Ergebnisse für die Modelloptimierung zur Vorhersage von Wasser. Auch hier findet sich die Angabe der dazu verwendeten Komponenten. Tabelle 26: Modelloptimierung für die Vorhersage von Wasser in G-E-W Vorb. Bereich λ [nm] Rang R2 RMSEC RMSECV keine Vorb. 1100-2100 2 0,9955 0,688 0,796 1. Ableitung SG 1100-2100 2 0,9930 0,842 0,994 Detrend (1) 1100-2100 2 0,9984 0,417 0,476 Detrend (2) 1100-2100 2 0,9983 0,427 0,489 BL Offset 1100-2100 2 0,9965 0,611 0,702 BL Linear 1100-2100 2 0,9977 0,516 0,574 In Abb. 64, dem Vergleich der einzelnen Vorbehandlungsmethoden der Spektren für ein Kalibriermodell von Wasser, zeigt sich ebenso, dass eine entsprechende Vorbehandlung (bis auf eine Ausnahme) eine Verbesserung des Kalibriermodells gegenüber dem Kalibriermodell basierend auf den Rohdaten bringt. Sascha Princz 90 Experimentelle Ergebnisse Vergleich der Vorbehandlung für Wasser 1 4 3,5 0,998 3 2,5 0,994 2 RMSE R² 0,996 1,5 0,992 1 0,99 0,5 0,988 0 1. Ableitung keine Vorb. SG BL Offset R2 RMSEC BL Linear Detrend (2) Detrend (1) RMSECV Abb. 64: Vergleich der Methoden zur Vorbehandlung für Wasser Bei einer abschließenden Betrachtung aller drei Vergleiche ist zu erwarten, dass bei den nachfolgenden Vorhersagen mit den durch BL Linear, Detrend (1) und Detrend (2) vorbehandelten Spektren erhaltenen Kalibriermodelle die besten Ergebnisse zu erzielen sind. 5.7.1 Vorhersage Glucose-Ethanol-Wasser-Gemisch Für den ersten Test des im Rahmen der Vorversuche erstellten Kalibriermodells erfolgte die spektroskopische Konzentrationen Vermessung anhand von und anschließende Vorhersage der Glucose-Ethanol-Wasser-Gemischen. entsprechenden Damit bei der Auswertung bzw. Vorhersage die Probenzusammensetzung nicht bekannt war, wurden die in Tabelle 27 dargestellten Proben von Herrn Dipl. Ing. (FH) Rudolf Miller durch Einwiegen erstellt. Die Angaben zu den einzelnen Konzentrationen sind somit in Gew.-% und wurden blind in Transflexion vermessen. Tabelle 27: Zusammensetzung der Blindproben (G-E-W), Angaben in Gew.-% Probe Glucose Ethanol Wasser 1 8 4 88 2 20 0 80 3 4 8 88 Die Ergebnisse der Vorhersage für die entsprechenden Stoffkonzentrationen, die mit Hilfe des im Rahmen der Vorversuche erstellten Kalibriermodells getroffen wurden, zeigt Tabelle 28. Auch hier finden sich wieder die Angaben zu den entsprechend berücksichtigten Komponenten und der verwendeten Methode für die Vorbehandlung. Dabei steht die erste Sascha Princz 91 Experimentelle Ergebnisse Zahl unter Rang für die zur Vorhersage von Glucose verwendete Anzahl an Komponenten, die zweite für Ethanol und die dritte für Wasser. Tabelle 28: Ergebnisse zur Vorhersage der Blindproben (G-E-W), Angaben in Gew.-% Probe Glucose Ethanol Wasser Vorb. Rang 1 7,29 3,09 89,80 keine Vorb. 3/3/2 2 19,20 0,26 81,39 keine Vorb. 3/3/2 3 5,38 7,60 88,02 keine Vorb. 3/3/2 1 7,58 3,67 88,71 Detrend (1) 3/3/2 2 19,71 0,59 79,58 Detrend (1) 3/3/2 3 4,22 8,24 87,29 Detrend (1) 3/3/2 1 7,34 3,82 88,77 Detrend (2) 3/3/2 2 19,41 0,79 79,65 Detrend (2) 3/3/2 3 3,83 8,49 87,33 Detrend (2) 3/3/2 1 7,65 3,62 88,64 BL Linear 3/3/2 2 20,15 0,12 79,61 BL Linear 3/3/2 3 4,72 7,72 87,23 BL Linear 3/3/2 Berechnet man die Differenz zwischen realer Stoffkonzentration und dem mit Hilfe des Kalibriermodells vorhergesagten Wert, und trägt diese grafisch über den Sollwert auf, bietet sich die Möglichkeit einer Beurteilung der entsprechenden Methode zur Spektrenvorbehandlung anhand der (betragsmäßigen) Größe der Differenz. In Abb. 65 ist die Differenz der einzelnen Methoden zur Vorhersage von Glucose in einem GE-W aufgetragen. Es zeigt sich, dass die besten Vorhersagen mit dem Kalibriermodell aus den mittels Detrend (1) vorbehandelten Spektren erzielt wurden, gefolgt von BL Linear und Detrend (2). Sascha Princz 92 Experimentelle Ergebnisse Differenz Vorhersage- & Sollwert für Glucose 1,5 Differenz [Gew.-%] 1 0,5 0 0 4 8 12 16 20 -0,5 -1 Soll [Gew.-%] keine Vorb. Detrend(1) Detrend(2) BL Linear Abb. 65: Vergleich der Differenz zwischen vorhergesagtem und realem Glucosegehalt, (G-E-W) Abb. 66 zeigt, dass die besten Vorhersagen bezüglich des Ethanolgehalts in G-E-W mit dem Kalibriermodell der mittels BL Linear vorbehandelten Spektren erzielt wurden, gefolgt von Detrend (1). Differenz Vorhersage- & Sollwert für Ethanol 1 0,8 Differenz [Gew.-%] 0,6 0,4 0,2 0 -0,2 0 1 2 3 4 5 6 7 8 9 -0,4 -0,6 -0,8 -1 Soll [Gew.-%] keine Vorb. Detrend(1) Detrend(2) BL Linear Abb. 66: Vergleich der Differenz zwischen vorhergesagten und realen Ethanolgehalt, (G-E-W) Und für die Vorhersage des Wassergehaltes zeigt Abb. 67, dass sich eine Vorbehandlung der Spektren vor Erstellung eines Kalibriermodells als sinnvoll erweist. Hierbei sind die Sascha Princz 93 Experimentelle Ergebnisse Vorhersagen aufgrund der drei Vorbehandlungsmethoden, BL Linear, Detrend (1) und Detrend (2), nahezu identisch. Differenz Vorhersage- & Sollwert für Wasser 2 Differenz [Gew.-%] 1,5 1 0,5 0 79 80 81 82 83 84 85 86 87 88 89 -0,5 -1 keine Vorb. Soll [Gew.-%] Detrend(1) Detrend(2) BL Linear Abb. 67: Vergleich der Differenz zwischen vorhergesagten und realen Wassergehalt, (G-E-W) 5.7.2 Vorhersage YPD-Probe Für eine erste erschwerte Vorhersagebedingung wurde durch die Vermessung verschiedener YPD-Proben mit unterschiedlichen Glucose- und Ethanolkonzentrationen gesorgt. Bei diesem Versuch zur Vorhersage war die Schwierigkeit unter Anwesenheit zweier dem Kalibriermodell nicht bekannter Stoffe, Hefeextrakt (Y, Yeast) und Pepton (P) die beide in dem komplexen Medium (welches bei den nachfolgenden Fermentationen zum Einsatz kommt) enthalten sind, die richtigen Glucose- und Ethanolkonzentrationen vorherzusagen. Auch hier wurden die entsprechenden Probengemische durch Einwiegen erstellt, die Angaben zu den einzelnen Konzentrationen in Tabelle 29 sind somit in Gew.-%. Die Proben wurden ebenfalls blind in Transflexion vermessen. Tabelle 29: Zusammensetzung der YPD-Proben, Angaben in Gew.-% Probe Yeast Pepton Glucose Ethanol Wasser 1 1 2 2 0 95 2 1 2 8 0 89 3 1 2 2 8 87 4 1 2 16 11 70 Sascha Princz 94 Experimentelle Ergebnisse Die in Tabelle 30 gezeigten Ergebnisse der Vorhersagen, für die entsprechende Stoffkonzentration in den YPD-Proben, wurden auch hier mit Hilfe des im Rahmen der Vorversuche erstellten Kalibriermodells getroffen. Neben den Angaben zu den entsprechend berücksichtigten Komponenten, finden sich auch Angaben zu den verwendeten Methoden für die Vorbehandlung. Tabelle 30: Ergebnisse zur Vorhersage der YPD-Proben, Angaben in Gew.-% Probe Glucose Ethanol Wasser Vorb. Rang 1 2,41 0,91 96,06 keine Vorb. 3/3/2 2 9,99 0,68 89,10 keine Vorb. 3/3/2 3 6,73 9,10 84,97 keine Vorb. 3/3/2 4 17,95 11,59 71,71 keine Vorb. 3/3/2 1 3,17 1,91 94,99 Detrend (1) 3/3/2 2 9,53 1,04 89,47 Detrend (1) 3/3/2 3 3,70 9,35 86,72 Detrend (1) 3/3/2 4 17,22 12,51 70,01 Detrend (1) 3/3/2 1 2,15 2,58 95,39 Detrend (2) 3/3/2 2 8,44 1,76 89,86 Detrend (2) 3/3/2 3 2,62 10,05 86,99 Detrend (2) 3/3/2 4 16,23 13,16 70,23 Detrend (2) 3/3/2 1 4,07 0,99 95,26 BL Linear 3/3/2 2 10,44 0,15 89,64 BL Linear 3/3/2 3 4,57 8,55 86,61 BL Linear 3/3/2 4 18,31 11,43 69,99 BL Linear 3/3/2 Trägt man für eine Vorhersage in den YPD-Proben die entsprechende Differenz grafisch über den Sollwert auf, bietet sich auch hier die Möglichkeit einer Beurteilung der entsprechenden Methode zur Spektrenvorbehandlung anhand der (betragsmäßigen) Größe der Differenz. In Abb. 68 ist die Differenz der einzelnen Methoden zur Vorhersage von Glucose in den YPDProben aufgetragen. Hier zeigt sich eindeutig, dass die besten Vorhersagen mit dem Kalibriermodell aus den mittels Detrend (2) vorbehandelten Spektren erzielt wurden. Sascha Princz 95 Experimentelle Ergebnisse Differenz Vorhersage- & Sollwert für Glucose 5 4,5 Differenz [Gew.-%] 4 3,5 3 2,5 2 1,5 1 0,5 0 0 2 4 6 8 10 12 14 16 18 Soll [Gew.-%] keine Vorb. Detrend (1) Detrend (2) BL Linear Abb. 68: Vergleich Differenz zwischen vorhergesagten und realen Glucosegehalt, (YPD) Zur Vorhersage des Ethanolgehalts in den YPD-Proben eignet sich, wie Abb. 69 verdeutlicht, eine Vorbehandlung der Spektren mittels BL Linear vor Erstellung eines Kalibriermodells sehr gut. Die Vorbehandlungen mit Hilfe Detrend (1) und Detrend (2) zeigen dagegen eine Verschlechterung der Vorhersage im Vergleich mit den Ergebnissen eines mittels Rohspektren erstellten Kalibriermodells. Differenz Vorhersage- & Sollwert für Ethanol 3 Differenz [Gew.-%] 2,5 2 1,5 1 0,5 0 0 2 4 6 8 10 12 Soll [Gew.-%] keine Vorb. Detrend (1) Detrend (2) BL Linear Abb. 69: Vergleich Differenz zwischen vorhergesagten und realen Ethanolgehalt, (YPD) Abb. 70 stellt dar, dass sich eine Vorbehandlung der Spektren vor Erstellung eines Kalibriermodells zur Vorhersage des Wassergehaltes in YPD-Proben als sinnvoll erweist. Sascha Princz 96 Experimentelle Ergebnisse Hierbei sind die Vorhersagen aufgrund der Detrend (1) Vorbehandlung am geeignetsten, gefolgt von BL Linear und Detrend (2). Differenz Vorhersage- & Sollwert für Wasser 2 1,5 Differenz [Gew.-%] 1 0,5 0 -0,5 65 70 75 80 85 90 95 100 -1 -1,5 -2 -2,5 Soll [Gew.-%] keine Vorb. Detrend (1) Detrend (2) BL Linear Abb. 70: Vergleich der Differenz zwischen vorhergesagten und realen Wassergehalt, (YPD) 5.7.3 Vorhersage Bier Im letzten Teil zu den Vorversuchen wurden durch eine Messung in verschiedenen Bieren zusätzlich erschwerte Vorhersagebedingungen geschaffen. Bei diesem Versuch zur Vorhersage war wiederum die Schwierigkeit, ähnlich wie in Kapitel 5.7.2, unter Anwesenheit dem Kalibriermodell nicht bekannter Stoffe die richtige Ethanolkonzentration vorherzusagen. Weitaus interessanter erschienen hier allerdings folgende Tatsachen: Da es sich bei dem Hefe Weizen (durch Anwesenheit der Hefe) um eine trübe Flüssigkeit handelt und alle hier vermessenen Biersorten CO2 enthalten, konnten hier bereits erste Erfahrungen mit diesen Schwierigkeiten gesammelt werden. Die Angaben zu den vermessenen Bieren finden sich in Tabelle 31. Die einzelnen Konzentrationen sind in Vol.-% angegeben und wurden den Herstellerangaben, auf dem entsprechenden Etikett, entnommen. Die Vermessung der Proben erfolgte ebenfalls in Transflexion. Tabelle 31: Angaben zu den vermessenen Biersorten, Alkohol in Vol.-% Biersorte Hersteller Alkohol Alkoholfrei (Alkfrei) Oettinger Bier, Helles Gold Ochsen (Original) 5,1 Hefe Weizen Ustersbacher 5,5 Sascha Princz - 97 Experimentelle Ergebnisse Die in Tabelle 32 gezeigten Ergebnisse zu den Vorhersagen der einzelnen Biersorten, wurden ebenfalls mit dem im Rahmen der Vorversuche erstellten Kalibriermodell getroffen. Neben den Angaben zu den entsprechend berücksichtigten Komponenten, finden sich auch Angaben zu den verwendeten Methoden für die Vorbehandlung. Es wurden verschiedene Vorbehandlungen über den kompletten, sowie individuell eingeschränkten Wellenlängenbereich vorgenommen. In der Tabelle zu den Vorhersagen werden nur diese erwähnt, die zu den besten bzw. sinnvollsten Ergebnissen geführt haben. Die Umrechnung der durch die Vorhersage erhaltenen Gew.-% in Vol.-% erfolgte nach Gl. (3.44), entnommen aus [40]. (3.44) Hierbei stehen ρn für die spezifische Dichte (bei 20°C) des nicht-alkoholischen Anteils, ρa für spezifische Dichte (bei 20°C) des Alkohols und ρg für die spezifische Dichte (bei 20°C) des gesamten Getränks [40]. Tabelle 32: Ergebnisse zur Vorhersage der Biersorten, Alkohol in Vol.-% & Gew.-% Biersorte Alkohol R2 RMSECV Vorb. λ [nm] Rang - 0,992 0,535 BL Linear 1100-2100 3 3,78 4,83 0,993 0,497 BL Linear 1100-1741 3 4,40 5,62 0,992 0,423 keine Vorb. 1100-2100 3 Gew.-% Vol.-% Alkoholfrei -1,76 Bier, Helles Hefe Weizen Da bei den Angaben, des Alkoholgehaltes der entsprechenden Biersorten eine Schwankung von 0,5 Vol.-% erlaubt sind, macht ein direkter Vergleich zwischen Vorhersage und angegebenem Wert keinen Sinn. Es lässt sich jedoch, anhand des vorhergesagten Werts, eine Zuordnung bzw. Aussage zur möglichen Alkoholmenge des Bieres treffen. Das Interessante an der gelungen Vorhersage des Ethanolgehalts in dem Hefe Weizen liegt vielmehr in der Tatsache, dass die Messungen in einer opaken (trüben) Flüssigkeit erfolgten. Vergleiche dazu auch Abb. 71, dort ist der Unterschied bei der Messung in (a) Hefe Weizen und (b) Bier dargestellt. Sascha Princz 98 Experimentelle Ergebnisse Abb. 71: Vergleich der Messung in (a) Hefe Weizen (trüb, opak) und (b) Bier Diese Reihe der letzten Vorversuche war darüber hinaus, vor allem im Bezug auf die erwartete Blasenproblematik, recht informativ. Ausführlicheres zu dieser Problematik findet sich in dem nachfolgenden Kapitel 5.7.4. 5.7.4 Probleme Wie bereits im Vorfeld vermutet, dass es aufgrund der Begasung und des Rührens während einer aeroben Hefefermentation durch die daraus resultierende Blasenbildung zu einer Störung der Absorptionsmessungen mit der im Rahmen dieser Arbeit verwendeten Transflexionssonde kommen kann, traten ähnliche Probleme aufgrund einer Blasenbildung, verursacht durch anwesendes bzw. gebildetes CO2, bereits während der spektroskopischen Messungen des Bieres auf. Was während der Messungen der verschiedenen Biersorten bereits festzustellen war, war die Bildung von Blasen (CO2) an der Sonde sowie das Einwandern der Blasen in den Spalt (optischen Weg zur Messung) der Sonde. In Abb. 72 ist dieses Problem bildlich dargestellt. Dort zeigt die Aufnahme (a) eine Situation mit Blasen im Spalt während einer Messung, und die Aufnahme (c) eine Messung ohne Blasen im Spalt. Zusätzlich wurde zur besseren Darstellung dieses Problems des Einwanderns der Blasen eine Aufnahme (b) gemacht, wobei der Spalt (bzw. optische Weg) weiter geöffnet wurde und somit das Einwandern und Ablagern der Blasen im Spalt besser zu sehen ist. Sascha Princz 99 Experimentelle Ergebnisse Abb. 72: Vergleich der Blasenbildung an der Sonde während der Messung von Bier Diese Blasen im optischen Weg hatten und haben letztendlich zum Teil sehr große Auswirkungen auf die erhaltenen Absorptionsspektren, und stellen somit ein nicht unerhebliches Problem währen der Messungen mit dieser Art von Sonde dar. Diese zum Teil durch die Blasen stark verfälschten Absorptionsspektren der entsprechenden Biere sind in den Abb. 73 (Oettinger, alkoholfreies Bier), Abb. 74 (Gold Ochsen, Original) und Abb. 75 (Hefe Weizen) im Vergleich den zu erwartenden Absorptionsspektren (ohne Blasen) gegenübergestellt. Es wurden für jedes Bier mehrere Absorptionsspektren über einen längeren Zeitraum aufgezeichnet, wobei die Aufzeichnungen zunächst in Form eines Single Scan (mit N=64 und It=11,5s) durchgeführt wurden. Sascha Princz 100 Experimentelle Ergebnisse 3 Spektren der Messung Bier alkoholfrei mit und ohne Blasen 0,5 Absorbance Unit 0 1100 1300 1500 1700 1900 2100 -0,5 -1 -1,5 -2 Wellenlänge [nm] Alkfrei 2 Alkfrei 4 Alkfrei 11 Abb. 73: Auswahl verschiedener Absorptionsspektren während der Bier alkoholfrei Messung Abb. 73 zeigt nun drei ausgesuchte Spektren der Absorptionsmessungen von alkoholfreien Bier, wobei sich die teilweise gravierenden Einflüsse der Blasen recht anschaulich zeigen (rote und blaue Kurve). Die grüne Kurve (Alkfrei 11) zeigt ein zu erwartendes Absorptionsspektrum für ein alkoholfreies Bier. 3 Spektren der Messung Gold Ochsen mit und ohne Blasen 0,2 0,15 Absorbance Unit 0,1 0,05 0 1100 1300 1500 1700 1900 2100 -0,05 -0,1 -0,15 Wellenlänge [nm] Gold Ochsen 2 Gold Ochsen 6 Gold Ochsen 7 Abb. 74: Auswahl verschiedener Absorptionsspektren während der Gold Ochsen Messung Sascha Princz 101 Experimentelle Ergebnisse In Abb. 74 zeigt sich, ebenfalls an Hand von drei ausgesuchten Spektren, der Einfluss der Blasen auf die Absorptionsspektren während der Messungen des Gold Ochsen Bieres. Auch hier sind die gravierenden Einflüsse der Blasen recht gut zu erkennen (rote und blaue Kurve). Die grüne Kurve (Gold Ochsen 6) zeigt zum Vergleich ein zu erwartendes Absorptionsspektrum für ein alkoholhaltiges Bier. 3 Spektren der Messung Hefe Weizen mit und ohne Blasen 0,5 0,4 Absorbance Unit 0,3 0,2 0,1 0 1100 -0,1 1300 1500 1700 1900 2100 -0,2 -0,3 Wellenlänge [nm] Hefe Weizen 1 Hefe Weizen 4 Hefe Weizen 6 Abb. 75: Auswahl verschiedener Absorptionsspektren während der Hefe Weizen Messung Abb. 75 zeigt in den drei ausgesuchten Absorptionsspektren des Hefe Weizen Bieres ebenfalls eine zum Teil gravierenden Verfälschung der Spektren aufgrund der Blasen im optischen Weg (rote und blaue Kurve). Die grüne Kurve (Hefe Weizen 4) zeigt ein zu erwartendes Absorptionsspektrum für ein alkoholhaltiges Bier bzw. Hefe Weizen. Da wie bereits erwähnt zu erwarten ist, dass dieses Problem auch bei einer anaeroben sowie aeroben Hefefermentation verstärkt auftreten wird, da zu Beginn aufgrund der Verstoffwechselung von Glucose eine starke Bildung von CO2 stattfindet (siehe dazu auch Gl. (3.40), Gl. (3.42) und Gl. (3.43)), musste eine einfache und leicht zu realisierende Lösung gefunden werden um dieses Problem zu lösen. Es erfolgten Überlegungen sowie Versuche in verschiedene Richtungen, wie einer mechanischen Lösung z. B. in Form einer Blasenzerstörung mit Hilfe von Ultraschall oder einer Barriere zur Verhinderung des Eindringens der Blasen in den optischen Pfad, sowie einer datengestützten Korrektur bzw. Problemlösung. Nachdem die Idee mit dem Ultraschall, aufgrund der nicht einzuschätzenden Einflüsse auf die Messtechnik des Bioprozesssystems sowie den Biokatalysator und somit Sascha Princz 102 Experimentelle Ergebnisse den Bioprozess selbst, schnell wieder verworfen wurde, erfolgten erste Versuche mit Hilfe einer mechanischen Barriere. Dabei wurde, ähnlich dem Prinzip der Filtration, ein Filtertuch um den Kopf der Transflexionssonde angebracht und somit ein Eindringen der Blasen verhindert. Abb. 76 zeigt die Sonde einmal mit Filter (b) und einmal ohne Filter (a) während des Versuchs mit kohlensäurehaltigem Mineralwasser. Abb. 76: Transflexionssonde ohne (a) und mit (b) Blasenfilter Mit Hilfe dieses Filters konnte ein Eindringen der Blasen erfolgreich verhindert werden, allerdings hatte diese Methode auch eine Messwertverzögerung zur Folge. Dieser Effekt zeigte sich bei einem Vergleich der Messungen mit Filter in kohlensäurehaltigem Mineralwasser und ohne Filter in demselben Mineralwasser ohne Kohlensäure (wurde zuvor manuell durch Rühren entfernt), als während beiden Messungen kontrolliert Ethanol zugegeben wurde und bei dem Aufbau mit Filter eine zeitverzögerte Änderung des spektroskopischen Signals, gegenüber der Messung ohne Filter, auftrat. Allerdings war bei dieser Methode die Befürchtung, dass sich während einer fortschreitenden Hefefermentation Hefezellen in bzw. auf dem Filter anlagern und letztendlich einen Austausch des zu messenden Mediums erschweren bzw. sogar verhindern. Um eine Gefahr zusätzlicher mechanischer Probleme zu umgehen wurde folgendes Vorgehen versucht. Die Aufzeichnung der Spektren durch die Spektrometersoftware erfolgte bis zu diesem Zeitpunkt der Arbeit mit Hilfe der Single Scan Einstellung. Dabei wurde pro Messung ein einzelnes gemitteltes Spektrum (über N=64 Spektren mit einer I t=11,5 ms) abgespeichert. Gerade wenn in diesen 64 Spektren für die Mittelung ein oder mehrere Sascha Princz 103 Experimentelle Ergebnisse Spektren zu einem Zeitpunkt, wo sich Blasen im Spalt befinden, aufgezeichnet werden, kommt es zu einer mehr oder weniger starken Verfälschung des gemittelten Absorptionsspektrums. Um dieses Problem zu umgehen wurde nun die Time Scan Einstellung der Spektrometersoftware gewählt. Bei dieser Einstellung werden über einen definierten Zeitraum (hier 60 s) in einem bestimmten Intervall (hier 1 s) entsprechend viele Spektren (hier ) mit einer It=11,5 ms aufgezeichnet. Diese Spektren wurden dann hinsichtlich ihrer äußeren Form beurteilt und anschließend für eine nachfolgende Mittelung ausgewählt oder verworfen. Für eine bildliche Erklärung wurden in Abb. 77 drei ausgewählte Absorptionsspektren (Messung1, Messung24 und Messung46) dargestellt. Diese Spektren wurden bei einem Time Scan während der unter Kapitel 6 vorgestellten Schüttelkolbenfermentation (SKF) nach einer Fermentationsdauer von etwa 13 Stunden aufgezeichnet. Dabei zeigt die grüne Kurve ein zu erwartendes Spektrum und die rote und blaue Kurve ein Spektrum mit unterschiedlich starken Verfälschungen aufgrund der bereits erklärten Blasenproblematik. Die Idee zur Ermittlung vorhandener verfälschter Spektren, um diese vor einer Mittelung verwerfen zu können, lag in einer vorherigen Filterung aller im Rahmen des entsprechenden Time Scan aufgezeichneten Absorptionsspektren. 3 Messungen eines Time Scan bei SKF 1,6 1,4 Absorbance Unit 1,2 1 0,8 0,6 0,4 0,2 0 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 Wellenlänge nm Messung24 Messung1 Messung46 Abb. 77: Ausgewählte Absorptionsspektren eines Time Scan bei einer SKF Um ein entsprechendes Filterkriterium festlegen zu können wurde zunächst ein Wellenlängenbereich, der keine Wasserabsorption zeigt (hier 1360 nm) gewählt, sowie ein Wellenlängenbereich mit mittelstarker Wasserabsorption (hier 1431 nm). Anschließend Sascha Princz 104 Experimentelle Ergebnisse wurde die Differenz der AU-Werte bei diesen beiden Wellenlängen berechnet und als Filterkriterium festgelegt. Diese für den zuvor erwähnten Time Scan erhaltenen Differenzen der AU-Werte sind in der in Abb. 78 gezeigten Grafik abgebildet. Differenz AU-Werte AU-Wert Differenzen (1360-1431nm) eines Time Scans 0,15 0,14 0,13 0,12 0,11 0,1 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 Messung Abb. 78: Darstellung der gebildeten Differenzen der AU-Werte eines Time Scan Anhand dieser Grafik erfolgt nun die Ermittlung eines individuellen Schwellwerts (hier 0,065). Spektren, deren Differenz über diesem Schwellwert liegt, werden verworfen und die restlichen Spektren werden zur Bildung eines gemittelten Absorptionsspektrums herangezogen. Bereits hier fällt dem Betrachter auf, dass eine gewisse Periodizität in den AU-Wert Differenzen, und somit im Auftreten der Blasenproblematik, zu erkennen ist. Siehe dazu auch Kapitel 7.3.3. Letztendlich fiel die Entscheidung auf die datengestützte Problemlösung, obwohl auch hier eine Zeitverzögerung in Kauf genommen wird, aber zusätzliche mechanische Probleme, wie z. B. ein Zusetzen des Filtermediums durch Hefezellen, ausgeschlossen werden können. Sascha Princz 105 Schüttelkolbenfermentation 6 Schüttelkolbenfermentation Die ersten Versuche einer Konzentrationsbestimmung mit Hilfe des bis zu diesem Zeitpunkt der Arbeit erstellten Kalibriermodells erfolgten anhand der Messungen von Fermentationen, die in einem Schüttelkolben durchgeführt wurden. Neben einem ersten Versuch der Konzentrationsbestimmung waren diese Messungen aber auch wichtig für die Integration und Erweiterung der mittels NIRS und Referenzanalytik erhaltenen Daten in das Kalibriermodell. Für die Referenzanalytik, also zur genauen Bestimmung der Ethanol- und Glucosekonzentration in der Fermenterbrühe kamen enzymatische Testsets (UV-Test) der Firma R-Biopharm AG sowie Teststäbchen der Firma Merck KGaA für eine reflektrometrische Auswertung zum Einsatz. Nähere und weiterführende Angaben zu den entsprechenden Tests finden sich in den entsprechenden Bedienungsanleitungen im Anhang. 6.1 Vorbereitung der Schüttelkolbenfermentation Für die Schüttelkolbenfermentation mussten zunächst die nachfolgenden Vorbereitungen getroffen werden. Nährmedium: Für die Hefefermentation im Schüttelkolben wurde 1 kg Universalmedium mit der in Tabelle 33 gezeigten Zusammensetzung hergestellt und verwendet. Tabelle 33: Zusammensetzung des Nährmediums für die Hefefermentation Zusammensetzung des Nährmediums Chemikalie/ Nährstoff g kg-1 Hefeextrakt 10 Pepton 20 Glucose 136 VE Wasser 834 Startbiomasse: Es wurde 8,4 g kg-1 Trockenbiomasse von Saccharomyces cerevisiae verwendet. Dabei entsprachen den benötigten 8,4 g Trockenbiomasse ungefähr 29,82 g der verwendeten Nasshefe wieninger hefe (F. X. Wieninger GmbH). Nachdem die Vorbereitungen beendet waren, wurde das Nährmedium mit Hilfe eines Autoklaven bei 121°C für 15 min sterilisiert. Anschließend erfolgte der Aufbau des in Abb. 79 gezeigten Versuchssystems, bestehend aus dem Messsystem, Temperiereinheit und einem sterilen Ein-Liter-Schüttelkolben. Sascha Princz 106 Schüttelkolbenfermentation Abb. 79: Aufbau des Versuchssystems für die Schüttelkolbenfermentation von S. cerevisiae 6.2 Durchführung der Schüttelkolbenfermentation Vor Beginn der Hefefermentation wurde zunächst das Medium auf 30°C vortemperiert und die Nasshefe in einem Teil des Mediums gelöst. Nach dem Start der Fermentation erfolgte die Inokulation (Einbringen der Startbiomasse) des Schüttelkolbens. Nachfolgend sind die Einstellungen der Prozessparameter während der Schüttelkolbenfermentation aufgeführt: Rührerdrehzahl: Stufe 1 Begasungsrate: keine Temperatur: 30°C Die Rührerdrehzahl bezieht sich auf Einstellung der Temperiereinheit für das Rühren mit Hilfe eines Rührfischs, und wurde während der spektroskopischen Messungen abgeschaltet. Der Grund für das Rühren zwischen den Messungen war wichtig um eine homogene Temperaturverteilung zu erreichen sowie gleichzeitig ein Absinken der Hefezellen auf den Boden zu verhindern. Für die erforderliche Offline-Auswertung des Prozessverlaufs, zur Feststellung der Glucoseund Ethanolkonzentration, erfolgte die erste Probenentnahme direkt nach der Inokulation und anschließend in einem Zeitintervall von 60 Minuten. Dabei wurde jeweils ein Probenvolumen von zweimal 2 ml entnommen. Zusätzlich wurden in größeren Zeitabständen extra Proben Sascha Princz entnommen und direkt mit Hilfe einer reflektometrischen Analyse 107 Schüttelkolbenfermentation (Teststäbchen der Firma Merck KGaA, Bedienungsanleitungen im Anhang) ausgewertet um eine Aussage über den Verlauf bzw. Stand der Fermentation zu erhalten. 6.3 Auswertung der Schüttelkolbenfermentation Unmittelbar nach jeder Probenentnahme wurden die für eine Offline-Auswertung entnommenen Proben sofort bei 8000 Umdrehungen pro Minute und 4°C für zwei Minuten zentrifugiert (Heraeus, Multifuge 3S-R) und der Überstand tiefgefroren. Die Proben wurden tiefgefroren um eine Auswertung zu einem späteren Zeitpunkt durchführen zu können. Nach dem Auftauen wurde in dem durch das Zentrifugieren von den Hefezellen getrennten Überstand mittels einem Glucose- und Ethanol-UV-Test (Firma R-Biopharm AG, Bedienungsanleitungen im Anhang) der jeweilige Substratgehalt ermittelt. Die Aufnahme der Absorptionsspektren erfolgte in einem Time Scan Modus, das heißt es wurden über einen Zeitraum von 60 s, in einem Zeitintervall von 1 s, 60 Absorptionsspektren mit einer Integrationszeit von 11,5 ms aufgezeichnet. Die genauen Einstellungen dazu können aus Tabelle 34 entnommen werden. Tabelle 34: Parameter des Time Scan Modus bei der Schüttelkolbenfermentation Representation Absorption Scan Typ Time scan Integration Time [ms] 11,5 Accumulation 1 Bunching (Pixel) 1 Total Scan Time [s] 60 Sample Intervall [s] 1 6.3.1 Offline-Auswertung Die Auswertung der während der anaeroben SKF entnommenen Proben liefert nach Abb. 80 folgende Ergebnisse. Während dem zu Fermentationsbeginn vorherrschenden Überschuss an Glucose (grüne Kurve) wurde, neben Biomasse, hauptsächlich Ethanol (blaue Kurve) gebildet. Nachdem das Glucoseangebot, nach einer Fermentationsdauer von etwa 14 Stunden, aufgebraucht war kam es erwartungsgemäß zu keiner weiteren signifikanten Ethanolbildung. Aus diesem Grund wurde die SKF nach 18 Stunden beendet. Sascha Princz 108 Schüttelkolbenfermentation Verlauf Glucose & Ethanol [g/L] während Hefefermentation 140 Konzentration [g/L] 120 100 80 60 40 20 0 0 2 4 6 8 10 12 14 16 18 Fermentationsdauer [h] Ethanol [g/L] Glucose [g/L] Abb. 80: Offline-Auswertung zu Glucoseverbrauch und Ethanolbildung der SKF In Tabelle 35 sind neben den Ergebnissen der durch die UV-Tests erhaltenen Glucose- und Ethanolkonzentrationen auch die Ergebnisse der Kontrolllösungen (Ktr.Lsg) für Glucose (soll 0,5 g/L) und Ethanol (soll 0,06 g/L) aufgelistet. Diese wurden mitgeführt um eine Kontrolle zur richtigen Durchführung der Auswertung zu erhalten. Tabelle 35: Ergebnisse der Ethanol und Glucose Auswertung zur SKF durch UV-Tests Probe Prozesszeit [h] Glucose [g/L] Ethanol [g/L] Ktr.Lsg1 - 0,4845 0,0568 1 0 137,32 1,76 2 1 123,50 5,83 3 2 109,68 10,54 4 3 107,96 14,17 5 4 80,32 16,70 6 5 71,68 21,08 7 6 63,48 25,22 8 7 51,82 27,30 9 8 44,91 32,94 10 9 35,41 35,36 11 10 29,11 39,97 12 11 21,07 44,92 13 12 10,80 46,53 14 13 5,44 48,14 15 14 0 59,43 16 15 0 59,43 17 16 0 59,43 Sascha Princz 109 Schüttelkolbenfermentation 18 17 19 0 62,42 18 0 62,42 - 0,4716 - Ktr.Lsg2 6.3.2 Online-Auswertung Nach einer ersten Betrachtung der mit Hilfe der Inline-Messung im Rahmen der Time Scans aufgezeichneten Einzelspektren zeigte sich wie erwartet auch hier das Problem der Blasenproblematik (mehr dazu in Kapitel 6.3.3 und 7.3.3). Aus diesem Grund erfolgte in einem ersten Schritt eine Filterung der relevanten Spektren nach der in Kapitel 5.7.4 vorgestellten Methode. Das Ergebnis nach einer Filterung zeigt Abb. 81 in Form von gemittelten Absorptionsspektren zu den einzelnen Messungen. Aus der Grafik ist auch zu erkennen, dass die Spektren ab einer Wellenlänge von etwa 1900 nm zum Teil stark verrauscht sind, und auch mit zunehmender Prozesszeit der Offset zur Basislinie stark zunimmt. Mittelwerte der gefilterten Absorptionsspektren einer SKF 1,4 1,2 Absorbance Unit 1 0,8 0,6 0,4 0,2 0 1100 1200 Probe1 Probe8 Probe15 1300 Probe2 Probe9 Probe16 1400 1500 1600 1700 1800 Wellenlänge [nm] Probe3 Probe4 Probe5 Probe10 Probe11 Probe12 Probe17 Probe18 Probe19 1900 2000 Probe6 Probe13 2100 Probe7 Probe14 Abb. 81: MW der gefilterten Absorptionsspektren der Proben während einer SKF Vor der Durchführung einer Vorhersage wurden zunächst verschiedene Methoden zur Vorbehandlung (Vorb.) der Spektren des Kalibriermodells, im Hinblick auf ihre R 2 (der Validierung) und RMSE Werte hin analysiert. In Tabelle 36 finden sich die Ergebnisse für die Modelloptimierung zur Vorhersage von Glucose in den SKF-Proben mit Angabe der Anzahl Sascha Princz 110 Schüttelkolbenfermentation der verwendeten Komponenten (unter Rang). Die Stützstellen für die lineare Basislinienkorrektur (BL Linear) lagen bei etwa 1100 nm und 1540 nm. SG (2;9) steht für eine Savitzky-Golay-Glättung, mit einem Polynom 2. Grades über 9 Stützstellen. Die Zahlen in den Klammern bei der Vorbehandlung Detrend stehen für den Grad des Polynoms. Befinden sich mehrere Methoden in der Spalte für die Vorbehandlung, wurden diese in der aufgeführten Reihenfolge durchgeführt. Die Tabellen zeigen nicht alle durchgeführten Methoden, es sind lediglich die Methoden aufgeführt, die am geeignetsten für eine Vorhersage des entsprechenden Stoffs erschienen. Tabelle 36: Modelloptimierung für die Vorhersage von Glucose in SKF-Proben Vorb. Bereich λ [nm] Rang R2 RMSEC RMSECV keine Vorb. 1100-2100 5 0,9167 5,109 14,218 SG (2;9) 1100-2100 3 0,9259 11,040 13,434 SG (2;9) BL Linear 1100-2100 4 0,8923 6,058 16,268 Einen grafischen Vergleich der einzelnen Vorbehandlungsmethoden der Spektren für ein Kalibriermodell und zur Vorhersage von Glucose in SKF-Proben zeigt Abb. 82. Der Vergleich erfolgt zum einen bezüglich des R² (bei Validierung) und zum anderen bezüglich der RMSE Werte für die Kalibrierung und Validierung des entsprechenden Kalibriermodells. Vergleich der Vorbehandlung für Glucose 0,93 50 45 0,92 40 35 0,91 0,9 25 RMSE R² 30 20 0,89 15 10 0,88 5 0,87 0 SG (2;9) BL Linear keine Vorb. R² RMSEC SG (2;9) RMSECV Abb. 82: Vergleich der Methoden zur Vorbehandlung für Glucose In Tabelle 37 finden sich die Ergebnisse für die Modelloptimierung zur Vorhersage von Ethanol in den SKF-Proben mit allen relevanten Angaben. Sascha Princz 111 Schüttelkolbenfermentation Tabelle 37: Modelloptimierung für die Vorhersage von Ethanol in SKF-Proben Vorb. Bereich λ [nm] Rang R2 RMSEC RMSECV keine Vorb. 1100-2100 5 0,8703 1,167 7,776 SG (2;9) 1100-2100 3 0,9534 4,024 5,622 SG (2;9) BL Linear 1100-2100 3 0,9419 2,865 4,850 Abb. 83 zeigt einen grafischen Vergleich der einzelnen Vorbehandlungsmethoden der Spektren für ein Kalibriermodell und zur Vorhersage von Ethanol in SKF-Proben. Vergleich der Vorbehandlung für Ethanol 0,96 50 45 0,94 40 0,92 35 R² 25 0,88 RMSE 30 0,9 20 15 0,86 10 0,84 5 0,82 0 keine Vorb. SG (2;9) BL Linear R² RMSEC SG (2;9) RMSECV Abb. 83: Vergleich der Methoden zur Vorbehandlung für Ethanol Die Stoffkonzentrationen der für die Vorhersage ausgewählten SKF-Proben zeigt Tabelle 38. Die Angaben sind in g/L. Tabelle 38: Zusammensetzung der SKF-Proben für Vorhersage, Angaben in g/L Probe Glucose Ethanol 4 107,96 14,17 7 63,48 25,22 11 29,11 39,97 14 5,44 48,14 Die Ergebnisse erzielter Vorhersagen der entsprechenden Stoffkonzentrationen zeigt Tabelle 39. Auch hier finden sich wieder die Angaben zu den entsprechend berücksichtigten Komponenten und der verwendeten Methode für die Vorbehandlung. Sascha Princz 112 Schüttelkolbenfermentation Tabelle 39: Ergebnisse zur Vorhersage der SKF-Proben, Angaben in g/L Probe Glucose Ethanol Bereich λ [nm] Vorb. Rang 4 93,66 13,73 1100-2100 keine Vorb. 5/5 7 69,10 24,22 1100-2100 keine Vorb. 5/5 11 37,67 34,72 1100-2100 keine Vorb. 5/5 14 26,38 47,33 1100-2100 keine Vorb. 5/5 4 100,85 11,76 1100-2100 SG (2;9) 3/3 7 65,68 26,95 1100-2100 SG (2;9) 3/3 11 33,97 36,78 1100-2100 SG (2;9) 3/3 14 8,78 53,67 1100-2100 SG (2;9) 3/3 4 91,11 13,91 1100-2100 SG (2;9) BL Linear 4/3 7 63,19 23,81 1100-2100 SG (2;9) BL Linear 4/3 11 38,55 34,23 1100-2100 SG (2;9) BL Linear 4/3 14 30,60 48,92 1100-2100 SG (2;9) BL Linear 4/3 Auch hier wurde für eine Beurteilung der entsprechenden Methode zur Spektrenvorbehandlung die Differenz zwischen realer Stoffkonzentration und dem mit Hilfe des Kalibriermodells vorhergesagten Wert berechnet, und grafisch über den Sollwert aufgetragen. In Abb. 84 ist die Differenz der einzelnen Methoden zur Vorhersage von Glucose während einer SKF aufgetragen. Es zeigt sich, dass die besten Vorhersagen mit dem Kalibriermodell aus den mittels SG (2;9) vorbehandelten Spektren erzielt wurden. Differenz Vorhersage- & Sollwert Glucose 30 25 20 Differenz [g/L] 15 10 5 0 -5 0 20 40 60 80 100 120 -10 -15 -20 Soll [g/L] keine Vorb. SG (2;9) SG (2;9) BL Linear Abb. 84: Vergleich der Differenz zwischen vorhergesagtem und realem Glucosegehalt, SKF Sascha Princz 113 Schüttelkolbenfermentation Zur Vorhersage des Ethanolgehalts in den SKF-Proben eignet sich, wie Abb. 85 zeigt, eine Vorbehandlung der Spektren mittels SG (2;9) BL Linear und keine Vorb. der Spektren vor Erstellung eines Kalibriermodells. Die Vorbehandlungen mit Hilfe SG (2;9) zeigt dagegen eine Verschlechterung der Vorhersage. Differenz Vorhersage- & Sollwert Ethanol 6 Differenz [g/L] 4 2 0 0 10 20 30 40 50 60 -2 -4 -6 Soll [g/L] keine Vorb. SG (2;9) SG (2;9) BL Linear Abb. 85: Vergleich der Differenz zwischen vorhergesagtem und realem Ethanolgehalt, SKF Zusätzlich zur Inline-Messung während der Hefefermentation wurde eine spektroskopische Vermessung der Proben nach der Zentrifugation, also ohne Hefezellen, durchgeführt. Die Vermessung erfolgte ebenfalls mit dem in dieser Arbeit vorgestellten NIRS-System in Transflexion zu einem späteren Zeitpunkt. Die genauen Einstellungen des Spektrometers für die zentrifugierten SKF-Proben zeigt Tabelle 40. Tabelle 40: Parameter des Single Scan Modus für die zentrifugierten SKF-Proben Die Represantation Absorption Scan Typ Single scan Integration Time [ms] 11,5 Accumulation 64 Bunching (Pixel) 1 gewonnen Spektren der zentrifugierten SKF-Proben zeigt Abb. 86. Die Absorptionsspektren wurden für eine übersichtlichere Darstellung einer NPK bei 1100 nm unterzogen. Die Proben stammen aus zwei SKF. Im Vergleich zu den durch eine InlineMessung gewonnenen Spektren (Abb. 81) zeigt sich eine deutlich veränderte Spektrenform Sascha Princz 114 Schüttelkolbenfermentation aufgrund der fehlenden Hefezellen. Neben dem für Ethanol typischen spektralen Verlauf zwischen 1670 nm und 1750 nm (vgl. Abb. 48) zeigt sich auch eine Abnahme in dem für Glucose typischen Wellenlängenbereichen von 1530 nm bis 1780 nm sowie ab 2070 nm (vgl. Abb. 51). Absorptionsspektren der zentrifugierten SKF-Proben, NPK bei 1100nm Absorbance Unit 0 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 -0,05 -0,1 -0,15 -0,2 Probe1 Probe7 Probe13 Probe19 Probe2 Probe8 Probe14 Probe20 Wellenlänge [nm] Probe3 Probe4 Probe9 Probe10 Probe15 Probe16 Probe21 Probe22 Probe5 Probe11 Probe17 Probe23 Probe6 Probe12 Probe18 Probe24 Abb. 86: Absorptionsspektren der zentrifugierten SKF-Proben, NPK bei 1100 nm Im Anschluss erfolgte eine Auswertung mit Hilfe der „The Unscrambler“ Software. Hierfür erfolgte zunächst eine Vorhersage mit Hilfe des im Rahmen der Vorversuche erstellten Kalibriermodells. Da diese Vorhersage keine verwertbaren Ergebnisse lieferte, musste aus den vorhandenen Daten der zentrifugierten SKF-Proben ein neues Kalibriermodell erstellt werden. Es wurden zufallsweise Proben zur Erstellung eines Kalibriermodells ausgewählt, die nicht für die Erstellung verwendeten Proben wurden für die Vorhersage verwendet. Auch hier wurden zunächst verschiedene Methoden zur Vorbehandlung (Vorb.) der Spektren des Kalibriermodells, im Hinblick auf ihre R 2 (der Validierung) und RMSE Werte hin analysiert. In Tabelle 41 finden sich die Ergebnisse für die Modelloptimierung zur Vorhersage von Glucose in den zentrifugierten SKF-Proben mit Angabe der Anzahl der dafür verwendeten Komponenten. Die Stützstellen für die lineare Basislinienkorrektur lagen bei etwa 1100 nm und 1540 nm. Die Basislinienkorrektur um einen konstanten Offset erfolgte bei 1100 nm. Die Tabellen zeigen nicht alle durchgeführten Methoden, es sind lediglich die Methoden aufgeführt, die am geeignetsten für eine Vorhersage des entsprechenden Stoffs erschienen. Sascha Princz 115 Schüttelkolbenfermentation Tabelle 41: Modelloptimierung für die Vorhersage von Glucose in zentrifugierten SKF-Proben Vorb. Bereich λ [nm] Rang R2 RMSEC RMSECV keine Vorb. 1100-2100 5 0,9700 4,520 8,250 Detrend (1) 1100-2100 3 0,9656 6,051 9,166 Detrend (2) 1100-2100 3 0,9640 5,859 9,263 BL Offset 1100-2100 4 0,9623 5,767 9,295 BL Linear 1100-2100 3 0,9694 5,826 8,175 Abb. 87 zeigt den grafischen Vergleich der einzelnen Vorbehandlungsmethoden der Absorptionsspektren für ein Kalibriermodell zur Vorhersage von Glucose in den zentrifugierten SKF-Proben. Vergleich der Vorbehandlung für Glucose 0,972 50 45 0,97 40 0,968 35 R² 25 0,964 RMSE 30 0,966 20 15 0,962 10 0,96 5 0,958 0 BL Offset Detrend (2) R² Detrend (1) RMSEC BL Linear keine Vorb. RMSECV Abb. 87: Vergleich der Methoden zur Vorbehandlung für Glucose In Tabelle 42 finden sich die Ergebnisse für die Modelloptimierung zur Vorhersage von Ethanol in den zentrifugierten SKF-Proben mit allen relevanten Angaben. Tabelle 42: Modelloptimierung für die Vorhersage von Ethanol in zentrifugierten SKF-Proben Vorb. Bereich λ [nm] Rang R2 RMSEC RMSECV keine Vorb. 1100-2100 4 0,9821 1,715 3,256 Detrend (1) 1100-2100 3 0,9745 2,874 3,673 Detrend (2) 1100-2100 2 0,9616 3,500 4,163 BL Offset 1100-2100 4 0,9867 1,506 2,577 BL Linear 1100-2100 3 0,9763 2,741 3,702 Sascha Princz 116 Schüttelkolbenfermentation Abb. 88 zeigt einen grafischen Vergleich der einzelnen Vorbehandlungsmethoden der Spektren für ein Kalibriermodell und zur Vorhersage von Ethanol in den zentrifugierten SKFProben. Vergleich der Vorbehandlung für Ethanol 0,99 50 0,985 45 0,98 40 35 30 0,97 RMSE R² 0,975 25 0,965 20 0,96 15 0,955 10 0,95 5 0,945 0 Detrend (2) Detrend (1) R² BL Linear RMSEC keine Vorb. BL Offset RMSECV Abb. 88:Vergleich der Methoden zur Vorbehandlung für Ethanol Die Stoffkonzentrationen der für die Vorhersage ausgewählten zentrifugierten SKF-Proben zeigt Tabelle 44. Die Angaben sind in g/L. Tabelle 43: Zusammensetzung der zentrifugierten SKF-Proben für Vorhersage, Angaben in g/L Probe Glucose Ethanol 5 80,32 16,70 7 63,48 25,22 14 5,44 48,14 21 0 62,42 Eine Auswahl der Ergebnisse zur Vorhersage der entsprechenden Stoffkonzentrationen zeigt Tabelle 44. Auch hier finden sich wieder die Angaben zu den entsprechend berücksichtigten Komponenten und der verwendeten Methode für die Vorbehandlung. Tabelle 44: Ergebnisse zur Vorhersage der zentrifugierten SKF-Proben, Angaben in g/L Probe Glucose Ethanol Bereich λ [nm] Vorb. Rang 5 76,09 18,25 1100-2100 keine Vorb. 5/4 7 61,73 27,56 1100-2100 keine Vorb. 5/4 14 5,59 55,83 1100-2100 keine Vorb. 5/4 21 -0,16 60,28 1100-2100 keine Vorb. 5/4 5 77,61 19,93 1100-2100 Detrend (1) 3/3 Sascha Princz 117 Schüttelkolbenfermentation Zur 7 64,44 29,18 1100-2100 Detrend (1) 3/3 14 3,59 54,44 1100-2100 Detrend (1) 3/3 21 -0,47 60,00 1100-2100 Detrend (1) 3/3 5 77,79 19,62 1100-2100 Detrend (2) 3/2 7 62,93 28,87 1100-2100 Detrend (2) 3/2 14 5,57 54,37 1100-2100 Detrend (2) 3/2 21 -0,59 59,62 1100-2100 Detrend (2) 3/2 5 76,31 18,14 1100-2100 BL Offset 4/4 7 62,4 27,98 1100-2100 BL Offset 4/4 14 5,07 55,51 1100-2100 BL Offset 4/4 21 -1,28 60,12 1100-2100 BL Offset 4/4 5 77,02 20,26 1100-2100 BL Linear 3/3 7 63,26 29,78 1100-2100 BL Linear 3/3 14 3,53 54,65 1100-2100 BL Linear 3/3 21 -1,91 60,76 1100-2100 BL Linear 3/3 Vorhersage des Glucosegehalts in zentrifugierten SKF-Proben liefert eine Spektrenvorbehandlung mit Hilfe Detrend (2) die besten Ergebnisse. Einen Vergleich der verschiedenen Vorbehandlungsmethode für die Vorhersage von Glucose in zentrifugierten SKF-Proben liefert Abb. 89. Differenz Vorhersage- & Sollwert Glucose 1,5 Differenz [g/L] 0,5 -0,5 0 10 20 30 40 50 60 70 80 -1,5 -2,5 -3,5 -4,5 Soll [g/L] keine Vorb. Detrend (1) Detrend (2) BL Offset BL Linear Abb. 89: Vergleich der Differenz zwischen vorhergesagtem und realem Glucosegehalt, SKF (zentrifugiert) Abb. 90 zeigt einen Vergleich der verschiedenen Vorbehandlungsmethoden für die Vorhersage der Ethanolkonzentration in zentrifugierten SKF-Proben. Sascha Princz 118 Schüttelkolbenfermentation Differenz Vorhersage- & Sollwert Ethanol 8 Differenz [g/L] 6 4 2 0 10 15 20 25 30 35 40 45 50 55 60 65 -2 -4 Soll [g/L] keine Vorb. Detrend (1) Detrend (2) BL Offset BL Linear Abb. 90: Vergleich der Differenz zwischen vorhergesagtem und realem Ethanolgehalt, SKF (zentrifugiert) 6.3.3 Auffälligkeiten Im Rahmen der Auswertung, der mit Hilfe einer Inline-Messung gewonnener Spektren bei der SKF, haben sich neben dem zu erwartenden Problem der Blasenproblematik weitere Auffälligkeiten und Effekte gezeigt. Zunächst soll anhand der nachfolgenden Abbildungen (Abb. 91 bis Abb. 93) die Blasenproblematik gezeigt werden. Abb. 91 zeigt die Differenz zwischen den AU-Werten bei 1360 nm und 1431 nm direkt nach der Inokulation (Start der Fermentation, Prozesszeit 0 h). Es ist zu sehen, dass innerhalb der 60 Messungen des Time Scans keine signifikanten Unterschiede in den Differenzen der AU-Werte auftreten. Zu diesem Zeitpunkt der SKF fand noch keine Verstoffwechselung der Glucose durch die Hefezellen statt, und somit auch keine Bildung von CO2. Sascha Princz 119 Schüttelkolbenfermentation 0,06 Differenz 1360-1431 nm Probe 1 SKF Differenz AU-Werte 0,05 0,04 0,03 0,02 0,01 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 Messung SKF110412#1 Abb. 91: AU-Wert Differenz einer SKF Messung direkt nach Inokulation (ungefiltert) Abb. 92 zeigt ebenfalls die Differenz zwischen den AU-Werten bei 1360 nm und 1431 nm, allerdings während des Fermentationsprozess (Prozesszeit 2 h). Es ist zu sehen, dass innerhalb der 60 Messungen des Time Scan bereits signifikante Unterschiede in den Differenzen der AU-Werte auftreten. Zu diesem Zeitpunkt der SKF fand bereits eine Verstoffwechselung der Glucose zu Ethanol durch die Hefezellen statt. Entsprechend Gl. (3.43) kam es hier bereits vermehrt zu einer Bildung von CO2 und der daraus resultierenden Blasenbildung. Für eine spätere Mittelung der Spektren erfolgte eine Filterung, nach der in Kapitel 5.7.4 vorgestellten Methode. Der Schwellwert für die Filterung lag hier bei 0,0565 (roter Balken in Abb. 92). Somit wurden alle Spektren, deren AU-Wert Differenz über diesem Schwellwert lag, verworfen. Sascha Princz 120 Schüttelkolbenfermentation 0,18 Differenz 1360-1431 nm Probe 3 SKF mit Schwellwert 0,0565 0,16 Differenz AU-Werte 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 Messung SKF110412#3 Abb. 92: AU-Wert Differenz einer SKF Messung während des Fermentationsprozess (ungefiltert) Die Differenz zwischen den AU-Werten bei 1360 nm und 1431 nm nach der Filterung ist in Abb. 93 dargestellt. Lediglich diese 37 Spektren aus dem Time Scan wurden für eine Mittelung herangezogen. 0,06 Differenz 1360-1431 nm Probe 3 SKF nach Filterung Differenz AU-Werte 0,05 0,04 0,03 0,02 0,01 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 Messung SKF110412#3 Abb. 93: AU-Wert Differenz einer SKF Messung während des Fermentationsprozess (gefiltert) Nachdem zum Ende der SKF das komplette Glucoseangebot von den Hefezellen verstoffwechselt war, kam es zu keiner weiteren CO2- und daraus resultierender Blasenbildung. Abb. 94 zeigt eine ungefilterte AU-Wert Differenz bei einer Messung zum Sascha Princz 121 Schüttelkolbenfermentation Ende der Fermentation (Prozesszeit 18 h). Wie zu sehen ist, kam es hier zu keiner signifikanten Abweichung der AU-Wert Differenzen. 0,09 Differenz 1360-1431 nm Probe 19 SKF 0,08 Differenz AU-Werte 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 Messung SKF110412#19 Abb. 94: AU-Wert Differenz einer SKF Messung am Ende des Fermentationsprozess (ungefiltert) Eine weitere, in Abb. 95 grafisch dargestellte, Auffälligkeit zeigte sich während einer der SKF. Dabei wurden bei einzelnen Spektren innerhalb eines Time Scans, Spitzen von etwa 10 Absorbance Units bei einzelnen Wellenlängen detektiert. Auffällig daran ist auch, dass diese Spitzen nur bei den Wellenlängen 1026 nm und 1946 nm auftraten. Insgesamt wurden 3 Spektren mit Spitzen in der Größenordnung von 10 Absorbance Units detektiert. Diese traten innerhalb zwei verschiedener Time Scans auf, einmal nach einer Prozesszeit von 16 h (eine Spitze bei 1026 nm) und zweimal bei 18 h (eine Spitze bei 1026 nm und eine zweite bei 1946 nm, gezeigt in Abb. 95). Da im Rahmen dieser Arbeit die gewonnenen Absorptionsspektren erst ab einer Wellenlänge von 1100 nm genutzt werden, haben die Spitzen bei 1026 nm keinen Einfluss. Das Spektrum mit einer Spitze bei 1946 nm wurde verworfen. Der Grund für das Auftreten dieses Effekts ist nicht nachvollziehbar, und trat auch bei keiner der anderen SKF sowie der Testfermentation im Laborfermenter auf. Daher ist es sehr wahrscheinlich, dass es sich hierbei lediglich um einen Messfehler bei den einzelnen Pixeln handelt. Sascha Princz 122 Schüttelkolbenfermentation 10 9 Absorptionsspektren einer SKF mit Spitzen bei einzelnen Wellenlängen 8 Absorbance Unit 7 6 5 4 3 2 1 0 1000 1200 1400 1600 Wellenlänge [nm] Messung 7 Messung 16 1800 2000 Abb. 95: Absorptionsspektren mit Spitzen bei einzelnen Wellenlängen während einer SKF Ein weiterer, bereits im Vorfeld vermuteter Effekt, lässt sich anhand der nachfolgenden zwei Abbildungen (Abb. 96 und Abb. 97) darstellen. Wie von dem Einsatz anderer Sonden und Edelstahlteilen bei einer Hefefermentation bekannt ist, kann es mit zunehmender Prozesszeit zu einer Ablagerung der Hefezellen auf deren Oberfläche kommen. Betrachtet man das in Abb. 96 dargestellte Absorptionsspektrum, welches zum Ende der SKF (Prozesszeit 18 h) aufgenommen wurde, zeigt sich ein relativ großer Offset zur Basislinie. Spektrum aus SKF vom 11.04.12 vor Reinigung Sonde 1,4 Absorbance Unit 1,3 1,2 1,1 1 0,9 0,8 0,7 0,6 1100 1200 1300 1400 1500 1600 1700 Wellenlänge [nm] 1800 1900 2000 2100 SKF_110412#19 Abb. 96: Absorptionsspektrum einer SKF vor der Reinigung der Sonde Vergleicht man dazu das in Abb. 97 dargestellte Absorptionsspektrum, welches nach einer Reinigung der Sonde nur kurz nach dem in Abb. 96 gezeigten Absorptionsspektrum Sascha Princz 123 Schüttelkolbenfermentation aufgezeichnet wurde, zeigt sich, dass der Offset um ein Vielfaches geringer ist. Bei einer genaueren Betrachtung zeigt sich darüber hinaus, dass sich neben einer Veränderung der Form des Spektrums auch das Signal-Rausch-Verhältnis aufgrund der Ablagerung verschlechtert hat. Dies lässt sich dadurch begründen, dass aufgrund der Ablagerung auf der Reflektionsfläche und der Lichtaustritt- bzw. Signaleintrittsöffnung der Sonde, das Signal zunehmend abgeschwächt wird. Spektrum aus SKF vom 11.04.12 nach Reinigung Sonde 0,65 Absorbance Unit 0,55 0,45 0,35 0,25 0,15 1100 1200 1300 1400 1500 1600 1700 Wellenlänge [nm] 1800 1900 2000 2100 SKF_110412#20nRein Abb. 97: Absorptionsspektrum einer SKF nach der Reinigung der Sonde Sascha Princz 124 Testfermentation 7 Testfermentation Im Rahmen dieser Master-Thesis wurde eine anaerobe Fermentation von Saccharomyces cerevisiae in dem unter Kapitel 4.6 beschriebenen autoklavierbaren Sieben-Liter- Laborfermenter der Hochschule Ulm durchgeführt. Ziel dieser Fermentation war die Funktionstauglichkeit des NIR-Systems zur Ermittlung des Glucose- und Ethanolgehalts in der Fermenterbrühe während der entsprechenden Fermentation. Für eine Kontrolle der mit Hilfe des erstellten Kalibriermodells ermittelten Konzentrationen von Glucose und Ethanol erfolgte neben einer Online-Auswertung mit dem NIR-System und Kalibriermodell auch eine manuelle Auswertung der Versuchsproben. Auch hier diente als Referenzanalytik jeweils ein enzymatisches Testset (UV-Test) der Firma R-Biopharm AG. Nähere Angaben zu den jeweiligen Tests finden sich wie bereits erwähnt in den entsprechenden Bedienungsanleitungen im Anhang. 7.1 Vorbereitung der Fermentation Für die Fermentation mussten zunächst die nachfolgenden Vorbereitungen getroffen werden. Nährmedium: Für die Hefefermentation wurden drei Liter Universalmedium mit der in Tabelle 45 gezeigten Zusammensetzung hergestellt und verwendet. Tabelle 45: Zusammensetzung des Nährmediums für die Hefefermentation Zusammensetzung des Nährmediums Chemikalie/ Nährstoff g L-1 g (3 L)-1 Hefeextrakt 10 30 Pepton 20 60 Glucose 136 408 Startbiomasse: Es wurde 8,4 g L-1 Trockenbiomasse von Saccharomyces cerevisiae verwendet. Dabei entsprachen den benötigten 25,2 g Trockenbiomasse ungefähr 89,46 g der verwendeten Nasshefe wieninger hefe (F. X. Wieninger GmbH). Nachdem diese Vorbereitungen beendet waren wurde das Nährmedium bei 121°C für 15 min sterilisiert. Anschließend erfolgten die erforderliche Kalibrierung der pH-Sonde und der Zusammenbau des Bioreaktors. Nach dem Zusammenbau erfolgte der Anschluss an die Steuerung sowie die erforderliche Vorpolarisierung der pO2-Elektrode. Sascha Princz 125 Testfermentation 7.2 Durchführung der Fermentation Vor Beginn der Fermentation musste die pO2-Elektrode im mit Luft begasten Medium kalibriert werden. Nach dem Start der Fermentation erfolgte die Inokulation (Einbringen der Startbiomasse) des Fermenters. Nachfolgend sind die Einstellungen der Prozessparameter des Laborfermenters während der Testfermentation aufgeführt: Rührerdrehzahl: 300 u min-1 Begasungsrate: aus Temperatur: 30°C pH-Wert: nicht kontrolliert pO2: anaerob Für die Offline-Auswertung des Prozessverlaufs erfolgte die erste Probenentnahme nach der Inokulation und anschließend alle 60 Minuten für die Substratbestimmung (Glucose, Ethanol) und alle 120 Minuten für die Biomassebestimmung. Für die Online-Auswertung erfolgte die Aufzeichnung der Absorptionsspektren in demselben Rhythmus wie zweimal 2 ml die manuelle Probenentnahme. 7.3 Auswertung der Fermentation Unmittelbar nach jeder Probenentnahme wurden sofort bei 8000 Umdrehungen pro Minute und 4°C für zwei Minuten zentrifugiert (Heraeus, Multifuge 3S-R) und der Überstand tiefgefroren. Das tiefgefrieren der Proben erfolgte auch hier, um zu einem späteren Zeitpunkt die Offline-Auswertung des Glucose- und Ethanolgehalts durchführen zu können. Für die Offline-Auswertung der Biomasse wurden je 10 ml zur direkten Zellzahlbestimmung entnommen. Die Bestimmung der Zellzahl erfolgte durch eine Filtration der bei der Probenentnahme entnommenen Fermentationsbrühe (mit einer Membran Vakuumpumpe Vacuubrand-CVC2) mit einer anschließenden Trocknung. In dem durch das Zentrifugieren von den Hefezellen getrennten Überstand wurde nach dem Auftauen mit Hilfe von Glucose- und Ethanol-UV-Tests (Firma R-Biopharm AG, Bedienungsanleitungen im Anhang) der entsprechende Substratgehalt ermittelt. Die Aufnahme der Absorptionsspektren erfolgte in einem Time Scan Modus, das heißt es wurden über einen Zeitraum von 60 s, in einem Zeitintervall von 1 s, 60 Absorptionsspektren mit einer Integrationszeit von 19,5 ms aufgezeichnet. Die genauen Einstellungen dazu Sascha Princz 126 Testfermentation können aus Tabelle 46 entnommen werden. Vor den Aufzeichnungen der Spektren wurde der Magnetrührer des Fermenters abgeschaltet. Tabelle 46: Parameter des Time Scan Modus bei der Testfermentation Represantation Absorption Scan Typ Time Scan Integration Time [ms] 19,5 Accumulation 1 Bunching (Pixel) 1 Total Scan Time [s] 60 Sample Intervall [s] 1 7.3.1 Offline-Auswertung Die Auswertung der während der anaeroben Testfermentation entnommenen Proben liefert nach Abb. 98 folgende Ergebnisse. Während dem zu Fermentationsbeginn vorherrschenden Überschuss an Glucose (grüne Kurve) wurde neben Biomasse (rote Kurve) hauptsächlich Ethanol (blaue Kurve) gebildet. Nachdem das Glucoseangebot, nach einer Fermentationsdauer von etwa 14 Stunden, aufgebraucht war kam es erwartungsgemäß zu keiner weiteren signifikanten Ethanolbildung. Aus diesem Grund wurde die Fermentation nach etwa 16 Stunden beendet. 140 14 120 12 100 10 80 8 60 6 40 4 20 2 0 0 0 2 4 6 8 10 12 14 Biomasse [g/L] Konzentration [g/L] Verlauf Glucose, Ethanol & Biomasse [g/L] während anaerober Hefefermentation 16 Fermentationsdauer [h] Ethanol [g/L] Glucose [g/L] Biomasse [g/L] Abb. 98: Offline-Auswertung zu Biomasse, Glucoseverbrauch und Ethanolbildung der Testfermentation Sascha Princz 127 Testfermentation In Tabelle 47 sind neben den Ergebnissen der durch die UV-Tests erhaltenen Glucose- und Ethanolkonzentrationen auch die Ergebnisse der Kontrolllösungen (Ktr.Lsg) für Glucose (soll 0,5 g/L) und Ethanol (soll 0,058 g/L) aufgelistet. Diese wurden mitgeführt um eine Kontrolle zur richtigen Durchführung der Auswertung zu erhalten. Die Ergebnisse zur Auswertung im Bezug auf die Biomassezunahme während der Testfermentation sind ebenfalls in Tabelle 47 zu sehen. Tabelle 47: Ergebnisse der Biomasse, Ethanol und Glucose Auswertung zur Testfermentation durch UV-Tests und Filtration Probe Prozesszeit [h] Ktr.Lsg1 - 1 0 2 1 3 2 4 3 5 4 6 5 7 6 8 7 9 8 10 9 11 10 12 11 13 12 14 13 15 14 16 15 17 16 Ktr.Lsg2 Glucose [g/L] - 0,4663 137,32 120,91 117,46 104,93 93,71 80,75 71,25 58,30 52,25 38,43 29,02 20,38 9,41 1,98 0 0 0 0,4698 Ethanol [g/L] 0,0547 1,75 6,08 10,53 15,32 19,75 24,07 31,33 34,67 40,66 45,49 48,60 51,60 54,60 60,81 59,89 61,73 59,43 0,0543 Biomasse [g/L] - 8,6 8,53 9,34 9,65 10,93 11,48 11,89 12 12,25 - 7.3.2 Online-Auswertung Auch hier zeigte sich, genau wie bei der SKF, nach einer ersten Betrachtung der mit Hilfe der Inline-Messung im Rahmen der Time Scans aufgezeichneten Einzelspektren das Problem der Blasenproblematik (mehr dazu in Kapitel 7.3.3). Deshalb erfolgte auch hier zunächst eine Filterung der relevanten Spektren nach der in Kapitel 5.7.4 vorgestellten Methode. Das Ergebnis nach einer Filterung zeigt Abb. 99 in Form von gemittelten Absorptionsspektren zu den entsprechenden Messungen der Proben. Die Grafik zeigt, dass die Spektren auch hier ab einer Wellenlänge von etwa 1900 nm zum Teil stark verrauscht sind. Desweiteren nimmt auch hier mit zunehmender Prozesszeit der Offset zur Basislinie zu. Sascha Princz 128 Testfermentation 0,45 Mittelwert der gefilterten Absorptionsspektren der Testfermentation 0,4 0,35 Absorbance Unit 0,3 0,25 0,2 0,15 0,1 0,05 0 1100 -0,05 1200 Probe 1 Probe 7 Probe 13 1300 Probe 2 Probe 8 Probe 14 1400 1500 1600 1700 1800 Wellenlänge [nm] Probe 3 Probe 4 Probe 9 Probe 10 Probe 15 Probe 16 1900 Probe 5 Probe 11 Probe 17 2000 2100 Probe 6 Probe 12 Abb. 99: MW der gefilterten Absorptionsspektren der Proben während der Testfermentation Auch hier wurden vor der Durchführung einer Vorhersage verschiedene Methoden zur Vorbehandlung (Vorb.) der Spektren des Kalibriermodells, im Hinblick auf ihre R 2 (der Validierung) und RMSE Werte hin analysiert. Tabelle 48 zeigt die Ergebnisse für die Modelloptimierung zur Vorhersage von Glucose mit Angabe der Anzahl der verwendeten Faktoren (unter Rang). Die Stützstellen für die lineare Basislinienkorrektur (BL Linear) lagen bei etwa 1100 nm und 1540 nm. SG (2;9) steht für eine Savitzky-Golay-Glättung, mit einem Polynom 2. Grades über 9 Stützstellen. Die Zahlen in den Klammern bei der Vorbehandlung Detrend stehen für den Grad des Polynoms. Befinden sich mehrere Methoden in der Spalte für die Vorbehandlung, wurden diese in der aufgeführten Reihenfolge durchgeführt. Die Tabellen zeigen nicht alle durchgeführten Methoden, es sind lediglich die Methoden aufgeführt, die am geeignetsten für eine Vorhersage des entsprechenden Stoffs erschienen. Tabelle 48: Modelloptimierung für die Vorhersage von Glucose in Fermentationsproben Vorb. Bereich λ [nm] Rang R2 RMSEC RMSECV keine Vorb. 1100-2100 2 0,9561 4,416 11,345 BL Linear 1100-2100 3 0,9426 3,788 12,329 SG (2;9) 1100-2100 3 0,9956 1,907 3,449 SG (2;9) Detrend (1) 1100-2100 3 0,9852 2,932 6,641 SG (2;9) Detrend (2) 1100-2100 4 0,9375 1,547 15,888 SG (2;9) BL Linear 1100-2100 1 0,9541 11,277 12,594 Sascha Princz 129 Testfermentation Abb. 100 zeigt den grafischen Vergleich der einzelnen Vorbehandlungsmethoden der Absorptionsspektren für ein Kalibriermodell zur Vorhersage von Glucose in den Fermentationsproben. 1 50 0,99 45 0,98 40 0,97 35 0,96 30 0,95 25 0,94 20 0,93 15 0,92 10 0,91 5 0,9 RMSE R² Vergleich der Vorbehandlung für Glucose 0 SG (2;9) Detrend (2) BL Linear SG (2;9) BL Linear R² keine Vorb. RMSEC SG (2;9) Detrend (1) SG (2;9) RMSECV Abb. 100: Vergleich der Methoden zur Vorbehandlung für Glucose Tabelle 49 zeigt die Ergebnisse für die Modelloptimierung zur Vorhersage von Ethanol in den Fermentationsproben mit allen relevanten Angaben. Tabelle 49: Modelloptimierung für die Vorhersage von Ethanol in Fermentationsproben Vorb. Bereich λ [nm] Rang R2 RMSEC RMSECV keine Vorb. 1100-2100 2 0,9509 1,723 4,732 BL Linear 1100-2100 2 0,9274 3,380 7,249 SG (2;9) 1100-2100 3 0,9931 1,000 1,958 SG (2;9) Detrend (1) 1100-2100 4 0,9636 0,712 4,217 SG (2;9) Detrend (2) 1100-2100 3 0,9562 1,517 4,690 SG (2;9) BL Linear 1100-2100 2 0,9176 4,551 6,694 In Abb. 101 ist ein grafischer Vergleich der einzelnen Vorbehandlungsmethoden der Spektren für ein Kalibriermodell und zur Vorhersage von Ethanol in Fermentationsproben dargestellt. Sascha Princz 130 Testfermentation Vergleich der Vorbehandlung für Ethanol 1 50 45 0,98 35 0,94 30 R² 25 0,92 20 0,9 15 RMSE 40 0,96 10 0,88 5 0,86 0 SG (2;9) BL Linear BL Linear keine Vorb. R² RMSEC SG (2;9) Detrend (2) SG (2;9) Detrend (1) SG (2;9) RMSECV Abb. 101: Vergleich der Methoden zur Vorbehandlung für Ethanol In Tabelle 50 finden sich die Stoffkonzentrationen der für die Vorhersage ausgewählten Fermentationsproben. Die Angaben sind auch hier in g/L. Tabelle 50: Zusammensetzung der Fermentationsproben für Vorhersage, Angaben in g/L Probe Glucose Ethanol 4 104,93 15,32 6 80,75 24,07 9 52,25 40,66 15 0 59,89 Die Ergebnisse zur Vorhersage der entsprechenden Stoffkonzentrationen zeigt Tabelle 51. Auch hier finden sich wieder die Angaben zu den entsprechend berücksichtigten Komponenten und der verwendeten Methode für die Vorbehandlung. Tabelle 51: Ergebnisse zur Vorhersage der Fermentationsproben, Angaben in g/L Probe Glucose Ethanol Bereich λ [nm] Vorb. Rang 4 94,40 20,04 1100-2100 keine Vorb. 2/2 6 82,10 25,13 1100-2100 keine Vorb. 2/2 9 44,35 41,47 1100-2100 keine Vorb. 2/2 15 16,96 52,87 1100-2100 keine Vorb. 2/2 4 91,38 19,71 1100-2100 BL Linear 3/2 6 77,36 28,54 1100-2100 BL Linear 3/2 9 50,24 39,41 1100-2100 BL Linear 3/2 15 -1,70 60,03 1100-2100 BL Linear 3/2 Sascha Princz 131 Testfermentation Den 4 101,87 17,07 1100-2100 SG (2;9) 3/3 6 85,53 23,80 1100-2100 SG (2;9) 3/3 9 44,93 41,23 1100-2100 SG (2;9) 3/3 15 17,93 52,58 1100-2100 SG (2;9) 3/3 4 98,13 18,75 1100-2100 SG (2;9) Detrend (1) 3/4 6 81,98 24,37 1100-2100 SG (2;9) Detrend (1) 3/4 9 45,23 41,11 1100-2100 SG (2;9) Detrend (1) 3/4 15 1,35 59,91 1100-2100 SG (2;9) Detrend (1) 3/4 4 97,77 18,81 1100-2100 SG (2;9) Detrend (2) 4/3 6 83,7 24,21 1100-2100 SG (2;9) Detrend (2) 4/3 9 46,63 41,42 1100-2100 SG (2;9) Detrend (2) 4/3 15 1,94 60,94 1100-2100 SG (2;9) Detrend (2) 4/3 4 88,75 18,52 1100-2100 SG (2;9) BL Linear 1/2 6 65,88 30,6 1100-2100 SG (2;9) BL Linear 1/2 9 47,01 39,42 1100-2100 SG (2;9) BL Linear 1/2 15 2,36 60,08 1100-2100 SG (2;9) BL Linear 1/2 grafischen Vergleich der einzelnen Vorhersagen des Glucosegehalts in Fermentationsproben liefert Abb. 102. Auch hier stehen die Vorhersagen in Abhängigkeit zu den entsprechenden Vorbehandlungsmethoden der Absorptionsspektren. Differenz Vorhersage- & Sollwert Glucose 20 15 Differenz [g/L] 10 5 0 -5 0 20 40 60 80 100 -10 -15 -20 keine Vorb. Soll [g/L] BL Linear SG (2;9) SG (2;9) Detrend (1) SG (2;9) Detrend (2) SG (2;9) BL Linear Abb. 102: Vergleich der Differenz zwischen vorhergesagtem und realem Glucosegehalt, Fermentation Sascha Princz 132 Testfermentation Abb. 103 zeigt den Vergleich der Vorhersagen des Ethanolgehalts in den Fermentationsproben, mit Bezug auf die unterschiedlichen Vorbehandlungsmethoden der Absorptionsspektren vor Erstellung eines Kalibriermodells. Differenz Vorhersage- & Sollwert Ethanol 8 6 Differenz [g/L] 4 2 0 -2 10 20 30 40 50 60 -4 -6 -8 Soll [g/L] keine Vorb. BL Linear SG (2;9) SG (2;9) Detrend (1) SG (2;9) Detrend (2) SG (2;9) BL Linear Abb. 103: Vergleich der Differenz zwischen vorhergesagtem und realem Ethanolgehalt, Fermentation 7.3.3 Auffälligkeiten Wie bereits erwähnt hat sich auch im Rahmen der Auswertung der durch eine Inline-Messung gewonnenen Spektren bei der Testfermentation das zu erwartende Problem der Blasenproblematik gezeigt. Zunächst soll auch hier anhand der nachfolgenden Abbildungen (Abb. 104 bis Abb. 107) die Blasenproblematik bei der Testfermentation gezeigt werden. Abb. 104 zeigt die Differenz zwischen den AU-Werten bei 1360 nm und 1431 nm direkt nach der Inokulation (Start der Fermentation, Prozesszeit 0 h). Es ist zu sehen, dass innerhalb der 60 Messungen des Time Scan keine signifikanten Unterschiede in den Differenzen der AU-Werte auftreten. Zu diesem Zeitpunkt der Fermentation fand noch keine Verstoffwechselung der Glucose durch die Hefezellen statt, und somit auch keine Bildung von CO2. Sascha Princz 133 Testfermentation Differenz 1360-1431 nm Inokulation Fermentation 0,05 0,045 Differenz AU-Werte 0,04 0,035 0,03 0,025 0,02 0,015 0,01 0,005 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 Messung FER180412#Inok Abb. 104: AU-Wert Differenz Fermentation Messung direkt nach Inokulation (ungefiltert) Abb. 105 zeigt ebenfalls die Differenz zwischen den AU-Werten bei 1360 nm und 1431 nm, allerdings während des Fermentationsprozess (Prozesszeit 3 h). Es ist zu sehen, dass innerhalb der 60 Messungen des Time Scans auch hier bereits signifikante Unterschiede in den Differenzen der AU-Werte auftreten. Zu diesem Zeitpunkt der Fermentation fand bereits eine Verstoffwechselung der Glucose zu Ethanol durch die Hefezellen statt. Entsprechend Gl. (3.43) kam es hier bereits vermehrt zu einer Bildung von CO2 und der daraus resultierenden Blasenbildung. Für eine spätere Mittelung der Spektren erfolgte eine Filterung, nach der in Kapitel 5.7.4 vorgestellten Methode. Der Schwellwert für die Filterung lag hier bei 0,054. Somit wurden alle Spektren deren AU-Wert Differenz über diesem Schwellwert lag verworfen. Sascha Princz 134 Testfermentation Differenz 1360-1431 nm Probe 4 Testfermentation, ungefiltert 0,09 0,08 Differenz AU-Werte 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 Messung FER180412#4 Abb. 105: AU-Wert Differenz einer Messung während des Fermentationsprozess (ungefiltert) Die Differenz, zwischen den AU-Werten bei 1360 nm und 1431 nm, nach der Filterung ist in Abb. 106 dargestellt. Lediglich diese 30 Spektren aus dem Time Scan wurden für eine Mittelung herangezogen. Differenz 1360-1431 nm Probe 4 Testfermentation, gefiltert Differenz AU-Werte 0,05 0,04 0,03 0,02 0,01 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Messung FER180412#4 Abb. 106: AU-Wert Differenz einer Messung während des Fermentationsprozess (gefiltert) Nachdem zum Ende der Testfermentation das komplette Glucoseangebot von den Hefezellen verstoffwechselt war, kam es zu keiner weiteren CO2- und daraus resultierender Blasenbildung mehr. Abb. 107 zeigt eine ungefilterte AU-Wert Differenz bei einer Messung Sascha Princz 135 Testfermentation zum Ende der Fermentation (Prozesszeit 15 h). Wie zu sehen ist, kam es auch hier zu keiner signifikanten Abweichung der AU-Wert Differenzen mehr. Differenz 1360-1431 nm Probe 16 Testfermentation, ungefiltert 0,06 Differenz AU-Werte 0,05 0,04 0,03 0,02 0,01 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 Messung FER180412#16 Abb. 107: AU-Wert Differenz einer Messung am Ende des Fermentationsprozess (ungefiltert) Wie bereits in Kapitel 5.7.4 angesprochen tritt das Problem der Blasenproblematik mit einer gewissen Periodizität auf, deren Ursache sich im Moment noch nicht erklären lässt. In Abb. 108 sind die Differenzen der AU-Werte von 6 ausgewählten Time Scans während der Fermentation aufeinanderfolgend abgebildet. Zu Beginn, also direkt nach der Inokulation (Prozesszeit 0 h) treten noch keine erkennbaren Differenzen auf, hier findet noch keine Verstoffwechselung der Glucose durch die Hefezellen statt. Probe 3, 5 und 12 (Prozesszeit 2 h, 4 h und 11 h) zeigt dagegen signifikante AU-Wert Differenzen mit einer gewissen Periodizität auf, hier sind die Hefezellen bereits dabei die Glucose zu Ethanol zu vergären. Ab Probe 13 (Prozesszeit 12 h) ändert sich das Bild der AU-Wert Differenzen, zu diesem Zeitpunkt der Fermentation stand den Hefezellen nur noch wenig Glucose zur Verfügung, und ab Probe 15 (Prozesszeit 14 h) treten keine AU-Wert Differenzen mehr auf. Zu diesem Zeitpunkt der Fermentation ist keine Glucose mehr vorhanden (vgl. Tabelle 47) und es kommt somit auch zu keiner Bildung von CO2 mehr. Sascha Princz 136 Testfermentation 0,16 Probe 13 Probe 5 Inokulation 0,14 Probe 15 Probe 12 Probe 3 Differenz AU-Werte 0,12 0,1 0,08 0,06 0,04 0,02 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 361 0 Messung Abb. 108: Aneinanderreihung AU-Wert Differenzen mehrerer Fermentationsproben, ungefiltert Interessant erscheint, dass wie bereits erwähnt, diese Problematik sowohl bei der SKF als auch bei der Testfermentation aufgetreten ist. Somit scheiden die beiden Bioprozesssysteme, SKF und Laborfermenter, als Ursache für die Periodizität aus. Damit verbleiben als mögliche Ursachen nur noch das verwendete NIRS-System oder der Bioprozess selbst. Abschließend zeigt Abb. 109 die Differenzen der AU-Werte von 5 ausgewählten Time Scans während der SKF ebenfalls aufeinanderfolgend abgebildet. Differenzen AU-Werte 0,2 Probe 3 Inokulation Probe 19 Probe 12 Probe 16 Probe 5 0,15 0,1 0,05 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 361 0 Messung Abb. 109: Aneinanderreihung AU-Wert Differenzen mehrerer SKF-Proben, ungefiltert Sascha Princz 137 Zusammenfassung der Ergebnisse und Ausblick 8 Zusammenfassung der Ergebnisse und Ausblick Zusammenfassung der Ergebnisse Im Rahmen dieser Master Thesis wurde erfolgreich ein NIRS-System für eine Inline-Messung in einem Sieben-Liter-Laborfermenter der Hochschule Ulm erstellt. Mit Hilfe dieses NIRSSystems erfolgten ausführliche spektrale Vermessungen verschiedener Proben in einem Wellenlängenbereich von 1100 nm bis 2100 nm nach dem Transflexionsprinzip. Aus diesen gewonnen Daten erfolgte im Anschluss eine Erstellung verschiedener Kalibriermodelle mit Hilfe der multivariaten Datenanalyse, sowie Vorhersagen zu den Glucose- und Ethanolkonzentrationen verschiedener Proben mit sehr guten Ergebnissen. Letztendlich erfolgte ein in vollem Umfang erfolgreicher Test des NIRS-Systems sowie sehr gute Vorhersagen zur Glucose und Ethanolkonzentration während einer anaeroben Hefefermentation in dem Laborfermenter der Hochschule Ulm unter Verwendung des Mikroorganismus S. cerevisiae. Im Rahmen der Vorversuche wurden Absorptionsspektren von 100 % Ethanol, VE Wasser und 100 % gelöster Glucose in dem Wellenlängenbereich von 1100 nm bis 2100 nm erstellt. Da Glucose nicht zu 100 % in gelöster Form vorliegen kann, wurden zur Erstellung eines entsprechenden Absorptionsspektrums verschiedene Glucose-(VE)Wasser-Gemische spektroskopisch vermessen, und aus den gewonnen Daten ein Absorptionsspektrum für 100 % Glucose berechnet. Transflexionsmessungen als Dieser auch Vorgang wurde Transmissionsmessungen sowohl in durchgeführt, Form von um einen Vergleich der jeweils berechneten Spektren zu erhalten. Weiterhin wurden, nach den Vorgaben eines eigens erstellten Versuchsplans, verschiedene Glucose-Ethanol-WasserGemische erstellt, spektroskopisch vermessen und aus den gewonnenen Daten mit Hilfe der Software „The Unscrambler“ verschiedene Kalibriermodelle generiert. Hierbei erfolgte auch ein ausführlicher Vergleich der verschiedenen Kalibriermodelle hinsichtlich ihrer R² (bei Validierung) und RMSE Werte, resultierend aus den unterschiedlichen durchgeführten Methoden zur Vorbehandlung der Spektren. Mit Hilfe dieser Kalibriermodelle erfolgten nun Vorhersagen des Glucose-, Ethanol- und Wassergehalts verschiedener wässriger Proben. Die spektrale Vermessung sowie Vorhersage erfolgte sowohl an Proben mit dem Kalibriermodell bekannten Inhaltsstoffen (z. B. Glucose-Ethanol-Wasser-Gemisch) als auch Proben, deren Inhaltstoffe dem Kalibriermodell nicht alle bekannt waren, wie z. B. YPD-Proben (Yeast Pepton Dextrose teilweise mit Ethanolzugabe) und verschiedenen Bieren (Helles, Alkoholfreies, Hefe Weizen). Diese Vorhersagen lieferten sehr gute Ergebnisse sowohl für die Sascha Princz 138 Zusammenfassung der Ergebnisse und Ausblick Proben mit bekannten als auch für Proben mit unbekannten Inhaltsstoffen. Bei den spektralen Vermessungen an den Bieren wurde zudem festgestellt, dass durch das Einwandern der in dem Bier enthaltenen CO2-Bläschen eine Verfälschung der Absorptionsspektren erfolgt. Diese Verfälschung der Spektren wurde anhand entsprechender Absorptionsspektren aus den Biermessungen ausführlich aufgezeigt. Um dieses Problem zu lösen oder zu verhindern, erfolgten Versuche zu einer mechanischen Verhinderung des Einwanderns der Bläschen sowie einer datengestützten Problemlösung. Die Entscheidung fiel auf die datengestützte Lösung, die bereits während der Auswertungen zu den Schüttelkolbenfermentationen (SKF) und der Testfermentation im Laborfermenter zum Einsatz kam und sich dabei im praktischen Einsatz bewährt und als überaus geeignet erwiesen hat. Anhand von verschiedenen Hefe-Wasser-Gemischen (mit S. cerevisiae) wurden ebenfalls in aufgezeichnet dem und Wellenlängenbereich eine Abnahme zwischen der 1100 nm Transmission und 2100 nm aufgrund Spektren zunehmender Hefekonzentration gezeigt. In der vorgelegten Arbeit erfolgte zudem ein ausführlicher Nachweis der Abhängigkeit der Absorptionsspektren von der Temperatur des spektroskopisch vermessenen VE Wassers. Da tiefe Temperaturen die Wasserstoffbrückenbindungen begünstigen und stabilisieren und somit auch einen Einfluss auf die Oberschwingungen von Wasser haben, kommt es bei unterschiedlichen Temperaturen zu einer Verschiebung der mit Hilfe der NIRS detektierten relevanten Absorptionsbanden von Wasser. In diesem Zusammenhang erfolgte die Aufzeichnung verschiedener NIR-Spektren in einem Temperaturbereich von 15°C bis 75°C (mit einer Schrittweite von 5°C). Dadurch konnte deutlich die Verschiebung der aus der 1. und 2. Oberschwingung resultierenden Absorptionsbanden in den kurzwelligeren Bereich bei zunehmender Temperatur innerhalb des Wellenlängenbereichs von 1100 nm bis 2100 nm aufgezeigt werden. Nach Abschluss der Vorversuche erfolgten zunächst erfolgreiche Inline-Messungen mit dem NIRS-System während Hefefermentationen in Ein-Liter-Schüttelkolben und letztendlich in dem Sieben-Liter-Laborfermenter der Hochschule Ulm. Die Fermentationen in beiden Systemen erfolgten anaerob unter Verwendung des Mikroorganismus S. cerevisiae. Als Referenzanalytik zur Bestimmung des Glucose- und Ethanolgehalts in den spektroskopisch vermessenen Proben dienten entsprechende enzymatische UV-Tests. Aus den gewonnen Daten wurden wiederum diverse Kalibriermodelle erstellt und im Hinblick auf ihre R² (bei Validierung) und RMSE Werte, resultierend aus den verschiedenen durchgeführten Methoden zur Spektrenvorbehandlung, vergleichend gegenüber gestellt. Die Resultate aus den Vorhersagen mit Bezug auf die Glucose- und Ethanolkonzentration der entsprechenden Sascha Princz 139 Zusammenfassung der Ergebnisse und Ausblick Proben lieferten sowohl für die SKF-Proben als auch Fermentationsproben sehr gute Ergebnisse. Ausblick Wie erwähnt sind Voraussagen mit sehr guten Ergebnissen, im Bezug auf den Verlauf der Glucose- und Ethanolkonzentrationen während anaeroben Hefefermentationen, sowohl im Schüttelkolben als auch Laborfermenter erfolgreich gelungen. Die erstellten und getesteten Kalibriermodelle basieren momentan auf einer verhältnismäßig geringen Anzahl an spektralen Daten und Referenzwerten, deshalb bietet sich die Möglichkeit im Rahmen weiterer Fermentationen relevante Daten für einen Ausbau des Kalibriermodells zu gewinnen. Dadurch kann das Kalibriermodell erweitert werden und eine Verbesserung der quantitativen Voraussagen über die entsprechenden Stoffkonzentrationen erreicht werden. Für eine stabilere Vorhersage niederer Glucosekonzentrationen (0 g/L bis etwa 20 g/L) kann versucht werden, gezielt Absorptionsspektren aufzunehmen, während sich der Fermentationsprozess exakt in diesem Konzentrationsbereich bewegt, um dadurch das Kalibriermodell gezielt in diesem Bereich zu sensibilisieren. Der Einsatz des NIRS-System sowie der chemometrischen Modelle erfolgten im Rahmen dieser Arbeit, wie bereits erwähnt, im Zuge anaerober Hefefermentationen ohne eine pH-Wert- und Schaumkorrektur. Deshalb erscheint es sinnvoll deren Einsatz schrittweise an die Problematik korrigierter aerober Hefefermentationen heranzuführen. Dabei müssen sowohl der Einfluss der Begasung und der teilweise viel höheren Rührerdrehzahl, als auch der verwendeten Korrekturmittel erfasst und ausgewertet werden. Interessant erscheint auch, im Rahmen weiterer Fermentationen und der daraus gewonnen Daten, zu versuchen das Kalibriermodell um eine Vorhersage der Biomasse zu erweitern. Desweiteren kann getestet werden, ob sich das Kalibriermodell mit Hilfe der aus dem Nachweis der Temperaturabhängigkeit des Wassers gewonnen Daten, auf andere Temperaturbereiche übertragen bzw. anpassen und anwenden lässt. Für einen kontinuierlichen Einsatz und dauerhafte Integration in das Bioprozesssystem der Hochschule Ulm erscheint es sinnvoll eine kombinierte Software zu erstellen. Diese Software bietet idealerweise eine Integration von Spektrometerbedienung, multivariater Datenanalyse sowie Möglichkeiten zu datengestützten Problemlösungen wie z. B. der Blasenproblematik in einem. Dabei sollte unter anderem darauf geachtet werden, dass bestimmte Parameter zur Spektrometeraufzeichnung, in Form von Kochrezepten, vom Benutzer erstellt und in einer Art Bibliothek hinterlegt werden können. Idealerweise sollte auch eine Kommunikation bzw. Austausch von Daten zwischen dieser Software und der des Bioprozesssystems ermöglicht werden. Sascha Princz 140 Zusammenfassung der Ergebnisse und Ausblick Im Hinblick auf die durch das Einwandern von Bläschen in den Spalt der Transflexionssonde verursachte Problematik kann der Einsatz von ATR-Sonden in Betracht gezogen werden. Hierbei müsste allerdings darauf geachtet werden, dass eine ausreichende Absorptionsfläche von Seiten der ATR-Sonde geboten wird, damit das detektierte Absorptionssignal von Glucose und Ethanol gegenüber der Wasserabsorption ausreichend groß für den in dieser Arbeit untersuchten Wellenlängenbereich ist. Im besten Fall bietet die ATR-Sonde neben Autoklavierbarkeit auch die Möglichkeit einer problemlosen Integration in den Laborfermenter bzw. dessen Abdeckung. Wie bereits erwähnt wurden im Rahmen dieser Arbeit Auffälligkeiten und daraus resultierende Probleme im Zusammenhang mit CO2-Blasen erkannt. Bei der Auswertung und Suche nach einer Problembehebung wurde eine gewisse Periodizität im Auftreten dieses Problems nachgewiesen. Da diese Auffälligkeiten sowohl während der SKF und Testfermentation auftraten, kann das Bioprozesssystem als Ursache für die Periodizität weitestgehend ausgeschlossen werden. Auffällig ist auch, dass dieses Problem bzw. die Periodizität bei den Fermentationen nur solange auftrat, wie die Hefezellen noch ein Angebot an Glucose hatten. Hier wäre es interessant in weiteren gezielten Versuchen die Ursache dieser Periodizität zu erkunden. Sascha Princz 141 Literaturverzeichnis Literaturverzeichnis [1] http://www.fda.gov/downloads/Drugs/GuidanceComplianceRegulatoryInformation /Guidances/ucm070305.pdf; Zugriff am 12.12.2011 [2] P. M. Skrabal (2009), Spektroskopie. Eine methodenübergreifende Darstellung vom UV- bis zum NMR-Bereich, vdf Hochschulverlag AG [3] W. Schmidt (2000), Optische Spektroskopie. Eine Einführung, 2. Auflage, WILEY-VCH [4] B. G. Osborne (2006), Near-Infrared Spectroscopy in Food Analysis, Encyclopedia of Analytical Chemistry, John Wiley & Sons Ltd [5] I. O. C. Rager (2001), Einsatz der NIR Spektroskopie in der pharmazeutischen Analytik: Charakterisierung von Johanniskraut-Trockenextrakten Kopplungsmöglichkeiten mit der HPTLC, Dissertation [6] und V. Di Egidio; N. Sinelli; G. Giovanelli; A. Moles; E. Casiraghi (2010), NIR and MIR spectroscopy as rapid methods to monitor red wine fermentation , Eur Food Res Technol (2010) 230:947-955 [7] D. Landgrebe; C. Haake; T. Höpfner; S. Beutel; B. Hitzmann; T. Scheper; M. Riehl; K. F. Reardon (2010), On-line infrared spectroscopy for bioprocess monitoring , Appl Microbiol Biotechnol (2010) 88:11-22 [8] A. E. Cervera; N. Petersen; A. E. Lantz; A. Larsen; K. V. Gernaey (2009), Application of Near-Infrared Spectroscopy for Monitoring and Control of Cell Culture and Fermentation, Biotechnol. Prog., 2009, Vol. 25, No. 6 [9] A. S. Rathore; N. Bhushan; S. Hadpe (2011), Chemometrics Applications in Biotech Processes: A Review, Biotechnol. Prog., 2011, Vol. 27, No. 2 [10] http://www.chemgapedia.de/vsengine/vlu/vsc/de/ch/13/vlu/spektroskopie/ grundlagen/strahlung.vlu/Page/vsc/de/ch/13/pc/spektroskopie/grundlagen/spektru m.vscml.html; Zugriff am 20.12.2011 [11] Deutsches Institut für Normung (Hrsg.): Strahlungsphysik im optischen Bereich und Lichttechnik; Benennung der Wellenlängenbereiche, DIN. 5031 Teil 7, 1984-01 [12] S. Ebel; H. J. Roth (1987), Lexikon der Pharmazie, Georg-Thieme-Verlag [13] http://www.uni-graz.at/~zanggerk/ir-Dateien/image008.jpg; Zugriff am 28.12.2011 [14] http://www.ir-spektroskopie.de/spec/ftir-prinzip/index.html; Zugriff am 29.12.2011 [15] http://www.chemgapedia.de/vsengine/media/vsc/de/ch/3/anc/ir_spek/ir_spektrosk opie/ir_geraetetechnik/ir_8_5/interferometer_mzubi0703.gif; Zugriff am 29.12.2011 [16] http://www.chemistry.nmsu.edu/Instrumentation/DiodeArray_Fig.gif ; Zugriff am 29.12.2011 [17] http://de.wikipedia.org/wiki/Photodiodenzeile; Zugriff am 29.12.2011 Sascha Princz 142 Literaturverzeichnis [18] R.W. Kessler (Hrsg.) (2006), Prozessanalytik. Strategien und Fallbeispiele aus der industriellen Praxis, WILEY-VCH Verlag GmbH & Co. KGaA [19] K. Danzer; H. Hobert; C. Fischbacher; K.-U. Jagemann (2001), Chemometrik. Grundlagen und Anwendungen, Springer [20] W. Kessler Multivariate (2006), Datenanalyse für die Pharma-, Bio- und Prozessanalytik, WILEY-VCH Verlag GmbH & Co. KGaA [21] R. W. Kessler; T. Becker; W. Kessler; R. Kessler (2010), Multivariate Curve Resolution- Integration von Wissen in Chemometrische Modelle, Chemie Ingenieur Technik82 (4), S. 441-451 [22] H. Martens; T. Naes (1989), Multivariate Calibration, John Wiley & Sons Ltd. [23] P. Geladi; B. Kowalski, Partial least squares regression: a tutorial, Anal. Chim. Acta 185 (1986) 1-17 [24] K. R. Beebe; B. R. Kowalski (1987), An Introduction to Multivariate Calibration and Analysis, Analytical Chemistry, Vol. 59, NO. 17, September 1, 1987, 1007 A – 1017 A [25] M. Otto (2001), Chemometrics. Statistic and Computer Application in Analytical Chemistry, WILEY-VCH Verlag GmbH & Co. KGaA [26] K. Siebertz; D. van Bebber; Th. Hochkirchen (2010), Statistische Versuchsplanung Design of Experimets (DoE), Springer [27] DIN Deutsches Institut für Normung e. V. (2005), Qualitätsmanagementsystem- Grundlagen und Begriffe, DIN EN ISO 9000:2005, Beuth Verlag GmbH [28] L. Fahrmeir; R. Künstler; I. Pigeot; G. Tutz (2007), Statistik: Der Weg zur Datenanalyse, Springer [29] J.-P. Conzen (2005), Multivariate Kalibration, Bruker Optik GmbH [30] http://www.camo.com/de/products/unscrambler.html; Zugriff am 20.02.2012 [31] H. Chmiel (2006), Bioprozesstechnik, 2.Auflage, Spektrum Akademischer Verlag [32] B. Sonnleitner (1997), Hefe ? ein Spezialfall in der Bioverfahrenstechnik , Lebensmittel Technologie 30/Nr. 12/97, S. 475-481 [33] C. Hass und R. Pörtner (2009), Praxis der Bioprozesstechnik mit virtuellem Praktikum, Spektrum Akademischer Verlag [34] K.-H. Bellgardt (1983), Modellbildung des Wachstums von Saccharomyces cerevisiae in Rührkesselreaktoren, Dissertation, Uni Hannover [35] K. v. Meyenburg (1969), Katabolitrepression und der Sprossenzyklus von Saccharomyces cerevisiae, Vierteljahresschrift der Naturforschung, Gesellschaft in Zürich [36] http://www.avantes.com/Chemistry/Transmission-Dip-Probe-with-Variable-PathLength/Detailed-product-flyer.html; Zugriff am 12.12.2011 [37] W. Gruber (2005), Konstruktion eines mobilen Bioreaktors, sowie dessen prozess-, regelungs- und softwaretechnische Umsetzung mit der Prozess-Software WinErs, Diplomarbeit; Hochschule Ulm Sascha Princz 143 Literaturverzeichnis [38] S. Princz (2010), Aufbau einer Online-Abgasanalytik für einen Labor-Fermenter, Bachelorarbeit; Hochschule Ulm [39] A. Zink (2010), Steuerung und Regelung eines Bioreaktors mit dem Prozessleitsystem WinErs, Bachelorarbeit; Hochschule Ulm [40] A. Uhl; S. Bachmayer; U. Kobrna; A. Puhm; A. Springer; N. Kopf; W. Beiglböck; I. Eisenbach-Stangl; W. Preinsperger; M. Musalek (2009), Handbuch Alkohol-Österreich: Zahlen. Daten. Fakten. Trends, dritte überarbeitete und ergänzte Auflage. BMGFJ, Wien Sascha Princz 144 Anhang Anhang A 1 Tabellen zum Kapitel 2 A 1.1 Tabelle aus [7] Sascha Princz 145 Anhang Sascha Princz 146 Anhang A 1.2 Tabelle aus [8] Sascha Princz 147 Anhang Sascha Princz 148 Anhang Sascha Princz 149 Anhang Sascha Princz 150 Anhang A 1.3 Tabelle aus [9] Sascha Princz 151 Anhang A 2 Datenblätter zu den Chemikalien A 2.1 Glucose Sascha Princz 152 Anhang Sascha Princz 153 Anhang A 2.2 Ethanol Sascha Princz 154 Anhang Sascha Princz 155 Anhang A 2.3 Pepton Sascha Princz 156 Anhang A 2.4 Hefeextrakt Sascha Princz 157 Anhang A 3 Bedienungsanleitungen Offline-Auswertung A 3.1 Alkohol-Test Sascha Princz 158 Anhang A 3.2 Ethanol UV-Test Sascha Princz 159 Anhang Sascha Princz 160 Anhang Sascha Princz 161 Anhang Sascha Princz 162 Anhang Sascha Princz 163 Anhang A 3.3 Glucose-Test Sascha Princz 164 Anhang A 3.4 Glucose UV-Test Sascha Princz 165 Anhang Sascha Princz 166 Anhang Sascha Princz 167 Anhang Sascha Princz 168 Anhang Sascha Princz 169 Anhang Sascha Princz 170