Produkte oder Materialien zu entwickeln, die definierten Eigenschaften genügen, gehört insbesondere in der chemischen Industrie zum Tagesgeschäft. Es gilt, definierte Kriterien bezüglich Langlebigkeit, Belastbarkeit oder Reaktionen auf Umweltbedingungen zu erreichen. Häufig ist dieser Entwicklungsprozess mit hohem Aufwand verbunden. Denn bisher kombinieren die Forschungs- und-Entwicklungsteams mögliche Grundelemente in Labortests. Das Endergebnis prüfen sie dann auf die gewünschte Eigenschaft.

KI-Verfahren helfen dabei, F&E-Projekte in der realen Welt durch Simulationen zu ersetzen beziehungsweise ihren Aufwand zu reduzieren. Denn diese spielen mögliche Kombinationen von Stoffen virtuell durch und liefern den Forschern Hinweise darauf, welche davon besonders vielversprechend sind. Die Fachleute konzentrieren sich in ihren Versuchen dann auf diese Kombinationen.

Diese Art von Simulationen ist ein typisches Einsatzgebiet von KI-Anwendungen. Die Datengrundlage sind neben Expertenwissen reale Prozess- und Produktionsdaten. Das Umsetzen des Anwendungsfalls ist für die Beteiligten aber nicht trivial. In das zugrundeliegende Machine-Learning-Modell müssen sie umfangreiches Expertenwissen integrieren. Es gilt, zahlreiche Rahmenparameter und Einflussfaktoren zu berücksichtigen. So ist das Verhalten einzelner Stoffe und Mischungen aus wenigen Stoffen, beispielsweise ihre Leitfähigkeit bei einer bestimmten Temperatur, bekannt. Bei komplexen Mischungen mit vielen Komponenten wird es schwieriger, auf gesichertes Fachwissen zurückzugreifen.

KI-Technologien unterstützten die Beteiligten durch das Beschleunigen von F&E-Projekten. Unternehmer setzen Ressourcen zielgenauer ein und erreichen gewünschte Ergebnisse schneller. Dies reduziert den Forschungsaufwand und verkürzt die Zeit bis zur Marktreife.