Ein Forschungsteam der TU Graz hat ein KI-Modell entwickelt, das die Durchlässigkeit von Papier als Lebensmittelverpackung berechnet und dabei Laboranalysen mit physikalischen Gesetzmäßigkeiten verknüpft. So lassen sich Aromaverlust und das Eindringen flüchtiger organischer Substanzen präzise bewerten, ohne jede Papiersorte einzeln testen zu müssen.
Die Methode reduziert den experimentellen Aufwand erheblich und unterstützt die Entwicklung nachhaltiger Materialien. Auf Basis mikrostruktureller Daten, experimenteller Messreihen und maschinellen Lernens wird sichtbar, wie verschiedene Papiere als Lebensmittelverpackung wirken. Das System kommt bereits in der Industrie zum Einsatz.
Mikrostrukturelle Analysen als Grundlage für die Lebensmittelverpackung
Die Entwicklung des Vorhersagesystems begann mit der detaillierten Analyse der Mikrostruktur verschiedener Papiersorten. Das Forschungsteam erfasste die Verteilung der Cellulosefasern und bestimmte die Porengrößen, die entscheidend für den Transport flüchtiger organischer Substanzen sind. Diese strukturellen Parameter bilden die Datengrundlage für die Modellierung des Diffusionsverhaltens und liefern Hinweise auf die Eignung des Materials als Lebensmittelverpackung.
Ergänzend dazu führte das Team monatelange Laborversuche durch. Mithilfe von Gas-Chromatographie wurden Transportgeschwindigkeiten unterschiedlicher flüchtiger Substanzen durch verschiedene Papiersorten gemessen. Diese Messreihen zeigen, dass klassische experimentelle Verfahren angesichts der Vielzahl möglicher Material-Stoff-Kombinationen sehr zeitintensiv sind und ihre praktischen Grenzen erreichen.
KI mit physikalischen Gesetzmäßigkeiten für präzise Prognosen
Um diese Grenzen zu überwinden, setzte das Team auf Physics-informed Neural Networks. Diese Form des maschinellen Lernens integriert physikalische Gesetzmäßigkeiten direkt in das neuronale Netzwerk. Dadurch kann das Modell selbst aus wenigen Trainingsdaten präzise Muster ableiten und zuverlässige Vorhersagen erstellen, wie sie für die Bewertung einer Lebensmittelverpackung erforderlich sind.
Besonders wichtig ist die Berücksichtigung der Wechselwirkung zwischen Substanzen und Papierstruktur. Die KI erhielt unter anderem die Information, dass flüchtige organische Stoffe beim Durchwandern des Materials teilweise an Cellulosefasern haften bleiben. Diese Randbedingung verengt den Lösungskorridor des Netzwerks und verbessert die Genauigkeit der Berechnungen. Die Modellrechnungen wurden für ein- und mehrlagige Papiere experimentell überprüft und zeigten hohe Übereinstimmung mit den Messwerten.
Industrieller Einsatz und Weiterentwicklung des Systems
Das KI-System, entwickelt im CD-Labor für Stofftransport durch Papier, wird bereits vom Papierhersteller Mondi Uncoated Fine & Kraft Paper eingesetzt. Die Software unterstützt dort die Auswahl geeigneter Papiersorten und die Bewertung ihrer Durchlässigkeit für flüchtige organische Substanzen. Dadurch beschleunigt das Modell Entwicklungsprozesse für Lebensmittelverpackung und verbessert die Entscheidungsgrundlage.
Zukünftig soll das Modell erweitert werden. Geplant ist die Integration von Effekten, die auftreten, wenn Papierfasern Lösungsmittel aufnehmen und dadurch aufquellen. Damit würden reale Einsatzbedingungen präziser abgebildet und die Bewertung von Papier als Lebensmittelverpackung noch umfassender.