Entwicklung eines MIR-ATR-Sensors zur Prozesskontrolle · PDF fileEntwicklung eines MIR-ATR-Sensors zur Prozesskontrolle in der chemischen Industrie und Biotechnologie vorgelegt von

Entwicklung eines MIR-ATR-Sensors zur Prozesskontrolle in der chemischen Industrie

und Biotechnologie

vorgelegt von

Dipl.-Ing.-Päd. Dipl.-Ing. (FH)

Daniel Geörg

geb. in Speyer

von der Fakultät III – Prozesswissenschaften

der Technischen Universität Berlin

zur Erlangung des akademischen Grades

Doktor der Ingenieurwissenschaften

— Dr.-Ing. —

genehmigte Dissertation

Promotionsausschuss:

Vorsitzender: Prof. Dr. Hajo Haase

Gutachter: Prof. Dr.-Ing. Frank-Jürgen Methner

Gutachter: Prof. Dr. Thomas Beuermann

Gutachter: Prof. Dr. Peter Neubauer

Tag der wissenschaftlichen Aussprache: 03.07.2017

Berlin 2017

I

Inhaltsverzeichnis

Abkürzungen und Formelzeichen ..................................................................................... III

Zusammenfassung ........................................................................................................... VI

Abstract .......................................................................................................................... VII

1 Einleitung und Zielsetzung ............................................................................................ 1

2 Stand des Wissens und der Technik .............................................................................. 3

2.1 MIR-ATR-Spektroskopie.................................................................................................. 3

2.1.1 Absorptionsspektroskopie .................................................................................. 3

2.1.2 MIR-ATR-Technik ................................................................................................ 5

2.1.3 Spektrometrische Messaufbauten ..................................................................... 6

2.1.4 Chemometrische Kalibration .............................................................................. 8

2.2 MIR-ATR-Sensorik ......................................................................................................... 11

2.2.1 Messaufbau und Komponenten ....................................................................... 11

2.2.2 Kalibrationsmethode ........................................................................................ 14

2.2.3 Stand der Technik ............................................................................................. 15

2.3 Chemischer Musterprozess Veresterung ..................................................................... 16

2.3.1 Reaktionsmechanismus .................................................................................... 16

2.3.2 Dynamisches Gleichgewicht ............................................................................. 17

2.4 Biotechnologischer Musterprozess Hefefermentation ................................................ 19

2.4.1 Backhefe als Modellorganismus ....................................................................... 19

2.4.2 Der Stoffwechsel von Hefe ............................................................................... 20

2.4.3 Batch-Kultivierung von Backhefe ...................................................................... 21

3 Material und Methoden ............................................................................................. 22

3.1 Veresterung und anschließende Destillation ............................................................... 22

3.1.1 Apparatur .......................................................................................................... 22

3.1.2 Auslegung und Ablauf der Veresterung mit anschließender Destillation ........ 24

3.1.3 Prozessverfolgung mit dem MIR-ATR-Spektrometer ....................................... 26

3.2 Hefefermentation ......................................................................................................... 29

3.2.1 Apparatur .......................................................................................................... 29

3.2.2 Kultivierungsbedingungen bei der Hefefermentation ..................................... 31

3.2.3 Referenzanalytik HPLC ...................................................................................... 32

3.3 Simulation eines MIR-ATR-Sensors anhand von MIR-ATR-Spektren ........................... 33

3.3.1 Simulationsmethode......................................................................................... 33

3.3.2 Spektrenaufnahme und –konvertierung mit OPUS .......................................... 35

3.3.3 Datenimport und Sensorsimulation mit LabVIEW ........................................... 38

4 Entwicklung eines Inline MIR-ATR-Sensors .................................................................. 47

4.1 Auslegung des Sensors und Elektronik des Prototyps ................................................. 47

4.1.1 Aufbau des MIR-ATR-Sensors ........................................................................... 47

4.1.2 Auswahl der optischen Bandpassfilter ............................................................. 51

4.1.3 Aufbau der Elektronik und Leitungsführung .................................................... 52

4.1.4 Elektronik zur Ansteuerung der Lichtquelle ..................................................... 54

4.1.5 Elektronik zur Detektorsignalverstärkung ........................................................ 56

4.1.6 Bewertung herkömmlicher Detektorsignalverstärker ..................................... 60

II

4.1.7 Software, Datenerfassung und Signalverarbeitung.......................................... 62

4.2 Vergleich der Sensorsignale während einer Veresterung mit anschließender Destillation mit einer Simulation .................................................................................. 63

4.3 Wiederholbarkeit der Sensorsignale ............................................................................ 65

4.4 Vergleich des Messeffektes für Glucose und Ethanol mit einer Simulation ................ 67

5 Prozessverfolgung einer Veresterung mit anschließender Destillation ......................... 70

5.1 Versuchsdurchführung ................................................................................................. 70

5.1.1 Zeitlicher Verlauf der sieben Versuchsdurchgänge .......................................... 70

5.1.2 Stoffmengenbilanz und Überprüfen der Versuchsauslegung mit Hilfe der Referenzanalytik ............................................................................................... 71

5.2 MIR-ATR-Sensor ausgestattet mit optischen Standardfiltern ...................................... 72

5.2.1 MIR-ATR-Spektren ............................................................................................ 72

5.2.2 Kalibration des MIR-ATR-Sensors ..................................................................... 74

5.2.3 Prozessverfolgung ............................................................................................. 76

5.3 Sensoroptimierung durch analytspezifische Filter ....................................................... 78

5.3.1 Filterwahl .......................................................................................................... 78

5.3.2 Kalibration des simulierten MIR-ATR-Sensors .................................................. 80


6 Prozessverfolgung einer Hefefermentation ................................................................. 83

6.1 Versuchsdurchführung ................................................................................................. 83

6.2 MIR-ATR-Sensor ausgestattet mit optischen Standardfiltern ...................................... 83

6.2.1 MIR-ATR-Spektren ............................................................................................ 83

6.2.2 Kalibration des MIR-ATR-Sensors ..................................................................... 85


6.3 Sensoroptimierung durch analytspezifische Filter ....................................................... 87

6.3.1 Filterwahl .......................................................................................................... 87

6.3.2 Kalibration des simulierten MIR-ATR-Sensors .................................................. 88


7 Diskussion .................................................................................................................. 91

7.1 Entwicklung des MIR-ATR-Sensors ............................................................................... 91

7.2 Prozessverfolgung einer Veresterung und Destillation ................................................ 92

7.3 Prozessverfolgung einer Hefefermentation ................................................................. 93

8 Ausblick ..................................................................................................................... 95

Verzeichnisse .................................................................................................................. 96

Literaturverzeichnis ............................................................................................................. 96

Vorveröffentlichungen ...................................................................................................... 102

Abbildungsverzeichnis ....................................................................................................... 103

Tabellenverzeichnis ........................................................................................................... 106

Anhang .......................................................................................................................... 108

A Anhang zur Sensorsimulation ..................................................................................... 108

B Anhang zur Sensorentwicklung .................................................................................. 110

C Anhang zur Veresterung und Destillation .................................................................. 119

D Anhang zur Hefefermentation ................................................................................... 129

III

Abkürzungen und Formelzeichen

𝑎 Chemische Aktivität A

𝛼 Anfangsordinate (Achsenabschnitt) eines MLR-Modells zur Sensorkalibration Alpha

AS Ameisensäure As

ATR Abgeschwächte Totalreflexion ATR

𝛽 Einfallswinkel des Lichtes an der ATR Grenzfläche Beta

𝛽F1 … 𝛽F4 Steigungen eines MLR-Modells zur Sensorkalibration Betafeins

𝛽krit Grenzwinkel der Totalreflexion Betakrit

𝑐 Konzentration (Stoffmenge pro Volumen) C

C Elektrischer Kondensator (Bauelement) C

𝑐0 Standardeinheit der Konzentration: 1 mol L-1 C0

𝑐𝑒 Konzentration im Gleichgewicht Ce

𝑐predicted Vorhergesagte Analytkonzentration Cpredicted

𝑐true Wahre Analytkonzentration Ctrue

CWL Zentralwellenlänge (central wave length) Cwl

𝑑 Schichtdicke (optische Weglänge) D

𝑑ATR Schichtdicke eines ATR-Aufbaus Datr

𝑑eff Effektive Schichtdicke pro Reflexionsstelle Deff

Δ𝐺0 Freie Standardenthalpie der Chemie (bei 0 °C und 1 bar) DeltaG0

Δ𝐺′0 Freie Standardenthalpie der Biochemie (bei 25 °C und 1 bar) Deltagstrich0

Δ𝑥 Laufwegunterschied in einem FT-Spektrometer Deltax

𝑑p Eindringtiefe (penetration depth) an einer Reflexionsstelle Dp

3D, 4D Dreidimensional, vierdimensional Dreid

EF Ethylformiat Ef

𝐸(𝜆) Extinktion Elambda

𝜀(𝜆) Molarer dekadischer Extinktionskoeffizient Epsilon

ET Ethanol ET

Ext Extinktion Ext

𝑓 Frequenz F

F1, F2… Optische Bandpassfilter des MIR-ATR-Sensors Feins

FFT Schnelle Fouriertransformation (Fast Fourier Transform) Fft

FIFO First in first out Fifo

FIR Fernes Infrarot (Spektralbereich) Fir

IV

FT Fourier Transformation FT

FWHM Halbwertsbreite (full width at half maximum transmission) Fwhm

GBW Verstärkungsfaktor-Bandbreite-Produkt (Gain-Bandwidth-Product) Gbw

GC Gaschromatographie GC

HPLC High performance liquid chromatography HPLC

𝑖 Laufvariable (Analyt-, Proben-, Kanal-, Stoffindex) I

𝐼 Elektrischer Strom I

𝐼 Lichtintensität I

IC Integrierter Schaltkreis (integrated circuit) Ic

𝐼(Δ𝑥) Vom Laufwegunterschied abhängige Lichtintensität Ideltax

𝐼(𝜆) Wellenlängenabhängige Lichtintensität Ilambda

𝐼0(𝜆) Referenzintensität Inulllambda

IR Infraroter Spektralbereich IR

𝐾 Gleichgewichstkonstante K

LabVIEW Laboratory Virtual Instrumentation Engineering Workbench labview

𝜆 Wellenlänge des Lichtes Lambda

LC Flüssigchromatograpie (liquid chormatography) LC

m Masse M

MIR Mittelinfraroter Spektralbereich MIR

MLR Multiple lineare Regression MLR

MOSFET Metalloxid-Feldeffekttransistor MOSFET

𝑛 Brechungsindex N

𝑁 Anzahl der Reflexionsstellen eines ATR-Aufbaus N

NIR Nahinfraroter Spektralbereich Nir

𝑛p Brechungsindex des ATR-Prismas Np

𝑛, 𝑝, 𝑚 Endvariablen (Kanalanzahl, Analytanzahl, Anzahl zur Kalibration bzw. Validierung verwendeter Proben, Anzahl an Reaktionspartnern)

Npm

𝑛s Brechungsindex der Probe Ns

NTC Thermistor (Halbleitertemperatursensor mit negativem Temperaturkoeffizient)

Ntc

𝜈 Stöchiometrischer Koeffizient Ny

OPV Operationsverstärker Opv

PCR Hauptkomponentenanalyse (principal component regression) PCR

PLS 2 PLSR Algorithmus zur PLS-Modellerstellung mit gleichzeitiger Vorhersage mehrerer Analyten

Pls1

V

PLS 1 PLSR Algorithmus zur PLS-Modellerstellung mit Vorhersage eines Analyten Pls2

PLSR Partial least square regression PLSR

Q Schaltendes elektronisches Bauelement (z.B. Transistor) Q

QCL Quantenkaskadenlaser Qcl

𝑅 Universelle Gaskonstante R

R Ohmscher Widerstand (Bauelement) R

𝑅 Ohmscher Widerstand (elektrische Größe) R

RMSECV Fehler der Modellvalidierung (root mean squared error of cross validation) Rmsecv

𝑅2 Bestimmtheitsmaß Rquadrat

SEC Kalibrationsfehler (standard error of calibration) Sec

S1, S2… Optische Bandpassfilter des simulierten MIR-ATR-Sensors Seins

SEP Vorhersagefehler (standard error of prediction) Sep

TDMS Technical Data Management Streaming Tdms

𝑇 Absolute Temperatur Temp

𝑡 Zeit Time

TO Transistor outline (Gehäusebezeichnung) to

𝑇 Transmission Trans

𝑈 Elektrische Spannung U

UV Ultravioletter Spektralbereich Uv

V Volumen V

VI LabVIEW-Programm (Virtual Instrument) Vi

VIS Sichtbarer Spektralbereich Vis

W Wasser W

ZnSe Zinkselenid ZnSe

VI

Zusammenfassung

Im Rahmen der vorliegenden Arbeit wurde ein photometrischer MIR-ATR-Sensor entwickelt

(MIR: Mittelinfraroter Spektralbereich, ATR: Abgeschwächte Totalreflexion) zur in-situ-

Verfolgung von chemischen Reaktionen und biotechnologischen Prozessen. Der kompakte

und preiswerte Sensor enthält keine beweglichen Teile und kann daher wesentlich einfacher

in eine Prozessumgebung integriert werden als ein FT-MIR-Spektrometeraufbau (FT: Fourier

Transformation). Die Optik besteht aus einem elektrisch modulierten Schwarzkörperstrahler

als IR-Lichtquelle, einem ATR-Prisma aus Zinkselenid (ZnSe) und vier Thermosäulendetektoren,

welche jeweils mit einem optischen Bandpassfilter ausgestattet sind. An der Grenzfläche

zwischen dem ATR-Prisma und der Probe werden stoffspezifische Absorptionsbanden dazu

genutzt, die Analyten quantitativ zu bestimmen. Die Hardware und Software des Sensors

wurde selbst entwickelt (Komponentenwahl, Schaltplan, Platinendesign, Datenerfassung,

Signalverarbeitung und –aufzeichnung) und ein Prototyp gebaut. Insbesondere wurde der

Detektorsignalverstärker hinsichtlich seiner Störfestigkeit optimiert, sodass auch in einer

rauen Umgebung eine gute Signalqualität gewährleistet ist.

Die Praktikabilität des MIR-ATR-Sensors zur Verfolgung von chemischen Prozessen wurde

während der Veresterung von Ethanol und Ameisensäure zu Ethylformiat und Wasser mit

anschließender Destillation des Esters getestet. Alle vier an der Reaktion beteiligten Stoffe

konnten inline verfolgt werden. Der Standardvorhersagefehler betrug 0,43 mol L-1 für Ethanol,

0,36 mol L-1 für Ameisensäure, 0,38 mol L-1 für Ethylformiat und 0,68 mol L-1 für Wasser. Als

Referenzgerät wurde ein FT-MIR-Spektrometer mit Diamant-ATR-Einheit eingesetzt. Darüber

hinaus wurde der MIR-ATR-Sensor in einem biotechnologischen Musterprozess erprobt.

Während der aeroben Batch-Fermentation von Backhefe (Saccharomyces cerevisiae) konnten

die Ethanol- und Glucosekonzentration simultan in Echtzeit verfolgt werden. Gemessen wurde

jeweils in einer Probenschleife. Der Standardvorhersagefehler betrug 6,15 g L-1 für Glucose

und 1,36 g L-1 für Ethanol. Als Referenz wurden HPLC-Analysen durchgeführt (HPLC: high

performance liquid chromatography). Der MIR-ATR-Sensor wurde mittels multipler linearer

Regression kalibriert und so die in den vier photometrischen Kanälen gemessenen

Absorptionen zu den Analytkonzentrationen in Beziehung gesetzt. Die zeitlichen Verläufe der

Sensorsignale stimmen mit den Konzentrationswerten der Referenzmethode gut überein.

Des Weiteren wurde eine Simulationsmethode auf Basis von MIR-ATR-Spektren entwickelt,

mit welcher das Ansprechverhalten eines MIR-ATR-Sensors vorhergesagt werden kann. Durch

Variation der Transmissionsbereiche der optischen Bandpässe können mit diesem Werkzeug

optimale Filter für eine bestimmte Messaufgabe ermittelt werden. Durch Tausch der

optischen Filter kann der Sensor so für eine Vielzahl von Prozessen in der chemischen,

pharmazeutischen und der Getränkeindustrie angepasst werden.

VII

Abstract

A MIR-ATR sensor (MIR: mid-infrared, ATR: attenuated total reflectance) has been developed

for in situ monitoring of chemical reactions and biotechnological processes. The compact and

low-priced sensor has been designed without moving parts and can therefore be implemented

in a process environment much easier than a FT-MIR spectrometer setup (FT: Fourier

Transform). The optical setup consists of an electrical modulated black body radiator as IR

light source, a zinc selenide (ZnSe) ATR prism and four thermopile detectors, each equipped

with an optical bandpass filter. At the surface of the ATR prism, which is covered with the

sample, analyte specific absorption bands are used for quantitative measurements. Hardware

and software of the built prototype was self-developed (component selection, circuit

schematic, circuit board, data acquisition, signal processing and logging). The electromagnetic

immunity of the detector amplifier was optimized to ensure good signal quality even in harsh

environments.

The practical applicability to monitor chemical processes with the MIR-ATR sensor was tested

during esterification of ethanol and formic acid to ethyl formate and water with subsequent

distillation of the ester. All four substances involved in the reaction could be monitored in-line.

The standard error of prediction for ethanol, formic acid, ethyl formate, and water were

0.43 mol L-1, 0.36 mol L-1, 0.38 mol L-1, and 0.68 mol L-1, respectively. For reference analysis, a

FT-MIR spectrometer with diamond ATR module was applied. Additionally, the suitability of

the MIR-ATR sensor for process tracking in biotechnology was tested. Glucose and ethanol

concentrations could be monitored simultaneously in real-time during aerobic batch-

fermentations of Saccharomyces cerevisiae. A bypass loop has been used for all measure-

ments. The standard errors of prediction were 6.15 g L-1 and 1.36 g L-1 for glucose and ethanol,

respectively. For reference analysis, high-performance liquid chromatography (HPLC) was

applied. The sensor was calibrated by multiple linear regression (MLR) in order to link the

measured absorbance in the transmission ranges of the four optical sensor channels to the

analyte concentrations. The temporal courses of the sensor signals are in accordance with the

concentration values achieved by the reference method.

Furthermore, a simulation procedure based on MIR spectra is presented to predict the

response characteristics of a MIR-ATR sensor if the transmission ranges of the filters are varied.

Using this tool optimized bandpass filters for a specific measuring task can be identified. By

exchanging the optical filters, the sensor can be adapted to a wide range of processes in the

chemical, pharmaceutical, and beverage industries.

1 Einleitung und Zielsetzung 1

1 Einleitung und Zielsetzung

Ein elementarer Bestandteil moderner industrieller Anlagen sind automatisierte Prozess-

leitsysteme. Bereits seit Jahren wird in Fachkreisen die Zukunft der Automatisierungstechnik

diskutiert und hierbei stets auf deren Schlüsselrolle für den technologischen Fortschritt in der

Industrie verwiesen (FRAUNHOFER-GESELLSCHAFT, 2014; VDI, 2013, , 2014). Unter den

Schlagwörtern „Industrie 4.0“ oder „Cyber Physical Systems“ zog die Weiterentwicklung von

Automatisierungssystemen in den politischen Diskurs ein (BUNDESMINISTERIUM FÜR BILDUNG UND

FORSCHUNG (BMBF), 2014) und wurde Teil milliardenschwerer Wirtschaftsförderungs-

programme der Europäischen Union (EUROPÄISCHE KOMISSION, 2014). Demnach ist davon

auszugehen, dass auch langfristig Automatisierungstechnik und deren Weiterentwicklung für

die Industrie von großer Bedeutung sein wird.

Eine Herausforderung für zukünftige Prozessleitsysteme besteht in der Verbesserung der

Kenntnisse über einen laufenden Prozess. Das Bereitstellen aller relevanten Prozessparameter

in Echtzeit ist Voraussetzung für gute Automatisierungen. Inline-Messtechnik wird daher von

der biotechnologischen über die pharmazeutische und chemische Industrie bis zur

Lebensmittelproduktion bevorzugt eingesetzt. Die entfallende Probennahme und Proben-

aufbereitung im Vergleich zu Online-/Atline-/Offline-Messtechnik ist für die Implementierung

und den Betrieb in einer Anlage von großem Nutzen. Die automatisierte Beeinflussung eines

laufenden Prozesses aufgrund seines aktuellen Ist-Zustandes hin zu einem Soll-Zustand ist mit

elektronischen Systemen seit über fünf Jahrzehnten Standard (WELLER, 2013). Laborgeräte

führen meist Atline- oder Offline-Messungen durch und können daher in der Regel nicht

innerhalb eines Prozessleitsystems eingesetzt werden.

Bei der Entwicklung neuer Prozesse ist der Übergang vom Laborversuch zum Technikum und

später zur Anlage im Produktionsmaßstab bedeutend einfacher, wenn die im Labor

eingesetzte Analytik mit übertragen werden kann. Hierfür muss Sensorik zur Verfügung stehen,

mit welcher die im Labor erprobte Analysentechnik prozessfähig wirtschaftlich abgebildet

werden kann. Eine bei Versuchen im Labor häufig eingesetzte Messmethode ist die

Absorptionsspektroskopie. Lichtleiter aus Quarzglas ermöglichen die Anbindung einer Sonde

im Prozess an ein außerhalb der Prozessumgebung platziertes Spektrometer für die kürzeren

Wellenlängenbereiche von ultraviolettem (UV) über sichtbares (VIS) bis hin zu nahinfrarotem

(NIR) Licht. Die im Labor ausgearbeitete spektroskopische Analytik kann in diesen Spektral-

bereichen direkt in den Prozess übertragen und deren Ergebnisse dem Prozessleitsystem

bereitgestellt werden. Für den hochselektiven mittelinfraroten Wellenlängenbereich sind

keine geeigneten Lichtwellenleiter verfügbar, sodass das Spektrometer von der Messstelle im

Prozess nicht örtlich getrennt werden kann. Ebenso ist der Einsatz eines prozessfähigen MIR-

Spektrometers in den meisten Fällen wirtschaftlich nicht vertretbar oder wird aufgrund der

mechanisch schwierigen Integration in eine Anlage vermieden. Für diese im Labor weit

verbreitete Technik besteht daher aktuell eine große Hürde für den Einsatz im Prozess.

1 Einleitung und Zielsetzung 2

Ziel dieser Arbeit ist es, diese Lücke zwischen Labor- und Prozessanalytik für die MIR-ATR-

Technik (ATR: Abgeschwächte Totalreflexion) zu schließen. Für flüssige und feste Proben ist

die MIR-ATR-Spektroskopie im Labor etabliert. Da der Einsatz eines MIR-Spektrometers in

einer Prozessumgebung im Allgemeinen nicht umsetzbar ist, soll ein prozessfähiger Inline MIR-

ATR-Sensor entwickelt werden, auf welchen die im Labor entwickelte spektroskopische

Analytik übertragen werden kann. Die Einsatzfähigkeit des Prototyps soll durch die Verfolgung

von chemischen und biotechnologischen Musterprozessen nachgewiesen werden.

2 Stand des Wissens und der Technik 3

2 Stand des Wissens und der Technik

2.1 MIR-ATR-Spektroskopie

2.1.1 Absorptionsspektroskopie

Die optische Absorptionsspektroskopie in der Analytik

Die optische Spektroskopie wird für qualitative und quantitative Analysen sowohl im Labor als

auch in industriellen Anlagen eingesetzt. Da die inter- und intramolekularen Bindungen analyt-

spezifische Absorptionsbanden verursachen, kann insbesondere die Infrarotspektroskopie zur

Strukturaufklärung genutzt werden. Nach dem LAMBERT-BEERschen Gesetz (siehe Formel 2-1)

sind Absorption und Konzentration proportional zueinander. Dieser direkte Messeffekt wird

genutzt, um Analytkonzentrationen aus den Absorptionsspektren mittels univariater oder

multivariater (chemometrischer) Auswertemethoden zu bestimmen. Im Gegensatz zu

anderen Analysenmethoden wie Massenspektrometrie, Kernspinresonanzspektroskopie oder

Chromatographie (GC, LC) kann bei der optischen Spektroskopie die Probe häufig direkt und

nicht invasiv vermessen werden. Messmethoden, welche auf physikalischen Parametern wie

Leitfähigkeit, Brechungsindex oder Schallgeschwindigkeit basieren, haben den Nachteil, dass

hier nur ein indirekter Zusammenhang mit der Stoffkonzentration besteht und sie daher bei

Mehrkomponentensystemen schnell an ihre Grenzen stoßen.

Die Absorption von Licht als Messeffekt

Beim Durchdringen einer Probe wird das Licht einer Lichtquelle von der Referenzintensität

𝐼0(𝜆) auf eine kleinere Intensität 𝐼(𝜆) in Abhängigkeit von der Wellenlänge 𝜆 abgeschwächt.

Die Referenzintensität 𝐼0(𝜆) wird – je nach Spektralbereich und Anwendung – häufig gegen

die Probenmatrix ohne Analyt oder gegen ein Medium mit geringer Absorption, wie zum

Beispiel Umgebungsluft, gemessen. Bei Veränderungen der Optik, der Intensität der Licht-

quelle oder der Empfindlichkeit des Detektors muss die Referenzintensität 𝐼0(𝜆) jeweils neu

bestimmt werden. BEER (BEER, 1852) formulierte auf Basis der Vorarbeiten von BOUGUER

(BOUGUER, 1729) und LAMBERT (LAMBERT, 1760) einen Zusammenhang (LAMBERT-BEER-Gesetz)

zwischen der Analytkonzentration 𝑐 und der Extinktion 𝐸(𝜆), welcher die Lichtabsorption als

Messeffekt für quantitative Analysen beschreibt (GÜNZLER, 2003):

𝐸(𝜆) = − log10 (

𝐼(𝜆)

𝐼0(𝜆))

= 𝜀(𝜆) ⋅ 𝑐 ⋅ 𝑑

2-1

mit der Extinktion 𝐸 (logarithmierte relative Abschwächung des Lichtes), der Referenz-

intensität 𝐼0, der Intensität 𝐼 nach Passieren der Probe, dem molaren dekadischen Extinktions-

koeffizient 𝜀 des Analyten, der Konzentration 𝑐 des Analyten und der optischen Weglänge 𝑑

in der Probe.


Für eine Probe, welche sich aus mehreren (𝑛) Analyten zusammensetzt, summieren sich die

Einzelabsorptionen zu einem resultierenden Absorptionsspektrum:

𝐸(𝜆) = 𝑑 ⋅ ∑ 𝜀𝑖(𝜆) ⋅ 𝑐𝑖

𝑛

𝑖=1

2-2

Anhand spektroskopischer Absorptionsmessungen ist es möglich, die verschiedenen

Bestandteile mehrkomponentiger Proben gleichzeitig quantitativ zu bestimmen, sofern sich

die Absorptionsspektren 𝜀𝑖(𝜆) der einzelnen Analyten unterscheiden (siehe 2.1.4).

Spektralbereiche und Anregungsmechanismen

Durch die Absorption eines Photons kann ein Molekül (Fest- oder Flüssigphase) in einen

höheren elektronischen Zustand gebracht (UV/VIS-Spektroskopie) oder Molekülschwing-

ungen angeregt werden (IR-Spektroskopie). Dagegen ist eine Rotationsanregung von Mole-

külen nur in der Gasphase möglich. Da der vorgestellte MIR-ATR-Sensor nur für hoch konzen-

trierte Analyten eingesetzt werden kann, wird hier auf die Rotationsanregung und Spektros-

kopie in der Gasphase nicht weiter eingegangen. Bei der Wechselwirkung von ultraviolettem

(200 nm < 𝜆UV ≤ 370 nm) oder sichtbarem Licht (370 nm < 𝜆VIS ≤ 780 nm) mit Valenz-

elektronen werden diese auf ein Orbital mit höherem Energieniveau gebracht. Die Anregung

von Valenzelektronen im UV/VIS-Bereich führt zu breiten unspezifischen Absorptionsbanden

und gestattet nur dann eine Mehrkomponentenanalyse, wenn es sich um Mischungen aus

unterschiedlichen Chromophoren handelt. Die Entwicklung eines ATR-Sensors für den UV/VIS-

Bereich ist wegen der potenziell wenigen Anwendungen nicht verfolgt worden.

Infrarotes Licht regt die Schwingungen in Molekülen an (zwischen Atomen oder Atom-

gruppen), sofern sich während der Schwingung das Dipolmoment im Molekül ändert. Die

meisten Moleküle besitzen eine Vielzahl von Normalschwingungen und können daher sehr gut

anhand ihrer IR-Absorptionsspektren unterschieden werden. Im nahinfraroten Spektral-

bereich (0,78 µm < 𝜆NIR < 2,5 µm, 12820 cm−1 > 𝜈NIR > 4000 cm−1 ) werden Ober- und

Kombinationsschwingungen angeregt. Die vielen Kombinationsmöglichkeiten der verschie-

denen Modi schlägt sich in breiten, überlappenden und somit wenig spezifischen Absorptions-

banden nieder. Zudem wird im NIR-Bereich ein Teil der chemischen Information nicht erfasst,

da lediglich anharmonische Bindungsschwingungen angeregt werden können. Diese bestehen

nur bei wenigen funktionellen Gruppen (C-H, O-H, N-H, S-H, C=O). Quantitative Mess-

methoden auf Basis von NIR-Absorptionsspektren erfordern daher häufig eine Vorver-

arbeitung der Spektren und eine chemometrische Kalibration.

Ein wesentlich größeres Einsatzgebiet bietet die Absorption durch Grundschwingungen.

Angeregt werden diese durch mittelinfrarotes Licht (2,5 µm < 𝜆MIR < 25 µm, 4000 cm−1 >

𝜈MIR > 400 cm−1). Die Absorptionen im MIR bieten mit schmalen, intensiven Absorptions-


banden gute Voraussetzungen für spezifische und sensitive Messmethoden. Eine Struktur-

aufklärung ist für viele Analyten, insbesondere in der organischen Chemie, möglich (HESSE u. a.,

2012). Damit eignet sich die Absorption im mittelinfraroten Spektralbereich als Messeffekt für

die Sensorentwicklung dieser Arbeit.

2.1.2 MIR-ATR-Technik

Mit der Proportionalität zwischen Extinktion und Konzentration nach LAMBERT-BEER (siehe

Formel 2-1) können Analyten quantitativ bestimmt werden. In spektrometrischen und photo-

metrischen Messaufbauten muss daher die Detektorelektronik im linearen Arbeitsbereich

betrieben werden. Bei Absorptionen oberhalb von 2, also der Transmission von weniger als

einem Hundertstel im Vergleich zur Referenzintensität, ist dies schwierig sicherzustellen. Eine

Kalibration auf Basis linearer Modelle (siehe 2.1.4) könnte dann nicht mehr möglich sein. Es

ist daher sinnvoll, die Optik der Messaufbauten so zu gestalten, dass lediglich moderate

Extinktionen unterhalb von 2 auftreten.

Der Extinktionskoeffizient 𝜀(𝜆) ist festgelegt durch den Analyten und dessen Aggregatzustand.

Der Bereich der Konzentration 𝑐 ist durch die Messaufgabe vorgegeben. Folglich muss für die

Auslegung der Optik der noch freie Parameter 𝑑, die optische Weglänge in der Probe, so

gewählt werden, dass 𝐸 < 2 erfüllt ist. Bei flüssigen Proben ist im mittelinfraroten

Spektralbereich aufgrund des hohen Extinktionskoeffizienten in der Regel eine Schichtdicke

von einigen Mikrometern notwendig (ŠAŠIĆ & OZAKI, 2010). Sie liegt demnach in der Größen-

ordnung der Wellenlänge des Lichtes. Transmissionsküvetten mit solch kleinen optischen

Weglängen sind nur schwer zu realisieren und anfällig für Verschmutzung bei gleichzeitig

hohem Aufwand für die Reinigung. Eine praktikablere Möglichkeit, optische Weglängen im

Bereich der Wellenlänge zu realisieren, ist die ATR-Technik. Hierbei wird der Lichtstrahl an der

Grenzfläche zwischen einem Prisma und der Probe totalreflektiert, dringt jedoch an der

Reflexionsstelle in der Größenordnung einer Wellenläge in die Probe ein und wird dabei

teilweise absorbiert. Abbildung 1 zeigt den schematischen Aufbau einer ATR-Messzelle mit

𝑁 = 3 Reflexionsstellen zwischen Probe und Prisma. Das Prisma muss einen höheren

Brechungsindex aufweisen als die Probe 𝑛p > 𝑛s und der Einfallswinkel 𝛽 des Lichtes muss

oberhalb des Grenzwinkels der Totalreflexion 𝛽krit liegen.

𝛽 > 𝛽krit = arcsin (

𝑛s

𝑛p) 2-3


Probe

dp < λ

β np

ns

DetektorLichtquelle Abbildung 1: Schematischer Aufbau der Optik einer ATR-Messzelle mit drei Reflexionsstellen zwischen Probe

und Prisma.

Die optische Eindringtiefe 𝑑p (’penetration depth‘) ist abhängig von den Brechungsindizes 𝑛p

und 𝑛s, der Wellenlänge des Lichtes 𝜆 und dem Einfallswinkel 𝛽 (HARRICK, 1967):

𝑑p =

𝜆

2 ⋅ 𝜋 ⋅ 𝑛p ⋅ √sin2 𝛽 − (𝑛s

𝑛p⁄ )

2

2-4

Das ATR-Prisma muss dabei aus einem Material bestehen, welches das Licht gut transmittiert.

Im mittelinfraroten Spektralbereich eignen sich unter anderem Diamant und Zinkselenid

(ZnSe), die beide denselben Brechungsindex von 𝑛𝑝 = 2,4 besitzen. Für MIR-ATR-Optiken aus

diesen Materialien ist bei der Messung mit unpolarisiertem Licht die effektive Weglänge 𝑑eff

ungefähr das Zweifache der Eindringtiefe 𝑑p (AVERETT u. a., 2008). Mit der Anzahl der

Reflexionen 𝑁 zwischen dem ATR-Prisma und der Probe ergibt sich für die optische Weglänge

in der Probe 𝑑ATR:

𝑑ATR = 𝑁 ⋅ 𝑑eff

= 𝑁 ⋅ 2 ⋅ 𝑑p

=𝑁 ⋅ 𝜆

𝜋 ⋅ 𝑛p ⋅ √sin2 𝛽 − (𝑛s

𝑛p⁄ )

2

2-5

2.1.3 Spektrometrische Messaufbauten

Spektrometer erfassen die wellenlängenabhängige Absorption 𝐸(𝜆) einer Probe über einen

weiten Spektralbereich mit hoher Auflösung. Beispielsweise misst das FT-MIR-Spektrometer

Alpha von Bruker von 7500 cm-1 bis 360 cm-1 mit einer Auflösung besser als 2 cm-1 (BRUKER,

2011a, S. 93). Aufgrund der niedrigen Lichtintensitäten und der geringen Empfindlichkeit der

eingesetzten Detektoren werden im MIR-Bereich fast keine Gitterspektrometer, sondern

überwiegend Fourier-Transformationsspektrometer verwendet. Der Aufbau eines FT-MIR-

Spektrometers ist schematisch in Abbildung 2 dargestellt.


Abbildung 2: Aufbauschema eine FT-MIR-Spektrometers (BEUERMANN, 2016).

Aufgrund der unterschiedlich langen Lichtwege in den Interferometerarmen 𝐼(Δ𝑥) (Lichtweg

zum festen bzw. zum beweglichen Spiegel) entsteht ein polychromatisches Interferogramm in

Abhängigkeit der Spiegelposition Δ𝑥 . Per Fouriertransformation wird das Interferogramm

nach der Analog-Digital-Wandlung aus dem Ortsbereich in ein Spektrum im Wellenlängen-

bzw. Wellenzahlbereich überführt. Die Optik arbeitet demnach nicht dispersiv, d. h. das Licht

wird nicht in seine spektralen Komponenten zerlegt, sondern alle Wellenlängen treffen gleich-

zeitig auf den Detektor. Dies hat Vorteile bei der spektralen Auflösung und dem Signal-zu-

Rauschverhältnis im Vergleich zu Aufbauten mit Gitter-Monochromatoren. Für das Inter-

ferometer sind allerdings bewegte Teile in einer optischen Bank notwendig. Ebenso bedingt

die komplexe Signalverarbeitung den Einsatz leistungsfähiger Rechner.

FT-MIR-Laborspektrometer sind in der Forschung und Entwicklung, bei der Qualitätskontrolle

und in der Prozessanalysentechnik als Online-, Atline- oder Offline-Aufbauten etabliert.

Beispiele für Laborgeräte sind die Alpha- oder Tensor-Geräte von Bruker, die Nicolet-Serie von

ThermoFisher Scientific, oder das ReactIR 15 von Mettler Toledo. Die entsprechenden FT-MIR-

Prozessspektrometer sind beispielsweise Matrix-MF und IRcube von Bruker oder ReactIR 45P

von Mettler Toledo. Aufgrund des vibrationsempfindlichen Interferometers ist die Integration

in eine Prozessumgebung häufig schwieriger als bei NIR-Spektrometern, welche mit einem

monolithischen Gitter ausgestattet sind.

Durch den Einsatz von Lichtleitern aus Quarzglas kann ein NIR-Spektrometer zudem problem-

los 100 m entfernt von einer Messsonde platziert werden und damit außerhalb einer rauen

Betriebsumgebung. Mit fasergekoppelten MIR-Systemen ist dies nur sehr eingeschränkt

möglich, denn entsprechende Sonden mit MIR-Lichtleitern, wie bei den Systemen Matrix-MF

von Bruker (BRUKER, 2013), ReactIR von Mettler Toledo (METTLER TOLEDO, 2014) oder MB-Rx von

ABB (ABB, 2012), können nur kurze Distanzen von wenigen Metern überbrückt werden. Neben

IR-Detektor

(DTGS, MCT)

IR-Lichtquelle

(SiC, ZrO2/Y2O3)

Probe:

Pressling,

Küvette,

ATR-Aufbau

beweglicher

Spiegel

Kollimator-

spiegel

Zentralposition (Δx = 0)

Δx

fester Spiegel

PC

He-Ne-Laser

(l = 632,8 nm)

Strahlteiler,

Interferenz

Laser-Detektor

(Si-Photodiode)


der hohen Dämpfung sind MIR-Lichtleiter außerdem mechanisch empfindlich und erlauben

lediglich große Biegeradien, was einen flexiblen Einbau erschwert. Ebenso ist der verfügbare

Spektralbereich eingeschränkt: Bei Lichtleitern aus Arsen-Schwefel-Chalcogenidglas auf

6500-1600 cm-1, bei Lichtleitern aus Silber-Halogenid auf 3300-550 cm-1 (ART PHOTONICS, 2016).

Es bleibt abzuwarten, ob neuere Entwicklungen wie Hohlkernfasern (LASER COMPONENTS, 2012)

oder hochreine Arsen-Selen-Chalcogenidfasern (IRFLEX, 2015) zukünftig höhere Transmissions-

grade ermöglichen und von den Sondenherstellern eingesetzt werden.

2.1.4 Chemometrische Kalibration

Univariate und multivariate (chemometrische) Kalibration

Zum Erstellen quantitativer spektrometrischer Analysemethoden sind Kenntnisse über den

Zusammenhang zwischen den Absorptionsspektren 𝐸(𝜆) und den Analytkonzentrationen 𝑐𝑖

erforderlich (siehe Formel 2-2). Eine direkte Bestimmung der 𝑐𝑖 aus den gemessenen 𝐸(𝜆)

unter Berücksichtigung der Extinktionskoeffizienten 𝜀𝑖(𝜆) ist in der Regel nicht möglich, da die

𝜀𝑖(𝜆) von der Probenmatrix (Lösungsmittel, andere Analyten) und der Temperatur beeinflusst

werden. Spektrometrische Methoden zur quantitativen Analytbestimmung werden daher

empirisch anhand der Absorptionsspektren von Kalibrationsproben erstellt.

In Messanwendungen, bei denen spezifische Absorptionsbanden der einzelnen Analyten

spektral separiert vorliegen, ist eine univariate Kalibration der Analyten möglich. Dabei wird

jeweils ein skalares Merkmal für jeden Analyten aus den Spektren ermittelt, beispielsweise

die Fläche einer Absorptionsbande oder die Extinktion bei einer definierten Wellenzahl. Häufig

wird bei der Auswertung die Basislinie anhand von einem oder zwei Punkten neben der

Absorptionsbande korrigiert, um temporäre Drifteffekte zu kompensieren. Durch eine

einfache lineare Regression der gemessenen Extinktion bzw. Fläche gegen die Analytkonzen-

trationen werden die Parameter (Achsenabschnitt und Steigung) der linearen Kalibrations-

funktion bestimmt (GÜNZLER, 2003).

Falls die Absorptionsbanden der einzelnen Analyten überlappen, ist eine univariate Auswerte-

methode nicht mehr anwendbar. Dies ist zum Beispiel der Fall bei der in dieser Arbeit

beschriebenen Analyse von Reaktionsmischungen bei der Veresterung von Ameisensäure und

Ethanol mit anschließender Destillation (siehe Kapitel 5 sowie Abbildung 10). Eine quantitative

Auswertung ist dennoch möglich mittels multivariater Kalibration (Chemometrie), bei der das

gesamte Spektrum – oder zumindest große Teile davon – für ein lineares Modell verwendet

werden. Der Erfolg einer multivariaten Methode hängt entscheidend davon ab, inwieweit sich

die Absorptionsspektren der einzelnen Analyten charakteristisch unterscheiden. In der

optischen Spektroskopie werden am häufigsten die PLSR (partial least squares regression) und

die PCR (principal component regression) zur quantitativen Analyse eingesetzt (HAALAND &

THOMAS, 1988). Die hierfür notwendigen Schritte sind in Abbildung 3 als Ablaufschema


dargestellt. Eine direkte MLR (multiple linear regression) ohne vorherige Hauptkomponenten-

analyse der Kalibrationsspektren ist nicht sinnvoll, da die Spektren üblicherweise multi-

kollinear sind. Bedingt ist dies durch mehrere Absorptionsbanden eines Analyten und die

Breite der Banden über mehrere Datenpunkte hinweg. Dies kann zu Singularitäten bei der

Regression und zu instabilen Modellen führen (OTTO, 2007, S. 201).

Planen des Kalibrations-probensatzes

Vermessen der Kalibrationsproben

PCR oder PLSRmit Kreuz- oder

Test-Set-Validierung

Beurteilen der Methode:

Zufriedenstellend?

Optimierung

neinjaMethode geeignet zur Probenanalyse

Vorverarbeiten der Kalibrationsspektren

Abbildung 3: Ablaufschema zum Erstellen einer chemometrischen PCR- oder PLSR-Methode.

Strategien zur Erstellung eines Kalibrationsprobensatzes

Für eine erfolgreiche Kalibration mittels PCR oder PLSR müssen Korrelationen zwischen den

abhängigen Variablen (Analytkonzentrationen) im Kalibrationsprobensatz vermieden werden.

Das „Design of Experiment“ ist daher idealerweise orthogonal angelegt. Die Variation der

Analyten erfolgt dann linear unabhängig voneinander. In der Literatur sind hierzu diverse

Ansätze beschrieben (central composite, BOX-BEHNKEN, LATTICE u. a.) (DEMING & MORGAN, 1993;

OTTO, 2007), die beispielsweise von der Chemometrie-Software Unscrambler von CAMO

unterstützt werden (CAMO, 2006). Die praktische Umsetzung dieser systematischen Ansätze

ist anhand von Beispielen in der Literatur beschrieben (ADAMS, 2004; CORNELL, 2002).

Die Spektroskopiesoftware OPUS von Bruker zeigt einen anderen Weg: Mit der Funktion

“Kalibrations-Design“ wird nach Vorgabe der Komponenten und der zugehörigen Konzen-

trationsbereiche ein zufällig zusammengesetzter Kalibrationsprobensatz vorgeschlagen, der

auf seine Varianz geprüft wird. Bestimmtheitsmaße zwischen jeweils zwei Analyten, die

kleiner sind als 0,7, gelten als akzeptabel (BRUKER, 2011b, S. 60).

Spektrenvorverarbeitung

Vor der eigentlichen Modellerstellung können die Kalibrationsspektren vorverarbeitet werden,

mit dem Ziel ein besseres Kalibrationsmodell zu erhalten. Die spektralen Informationen

werden verändert, um den Einfluss systematischer (z. B. Offset) und zufälliger Störungen (z. B.

Rauschen) zu reduzieren. Hierzu werden unter anderem die Subtraktion einer Konstanten


oder einer Geraden, die erste und zweite Ableitung, Vektornormierung, Minimum-Maximum-

Normierung und die Multiplikative Streukorrektur eingesetzt. Für die in dieser Arbeit ange-

wendete PLSR führte eine Vorverarbeitung der Spektren nicht zu einem besseren Kalibrations-

modell (siehe 3.1.3). Daher werden die einzelnen Möglichkeiten zu Vorverarbeitung hier nicht

näher erläutert.

Erstellen und Validieren des Kalibrationsmodells

Aus den Kalibrationsspektren wird nach einer etwaigen Vorverarbeitung ein Kalibrations-

modell mittels Regression erstellt. Bei der hier eingesetzten PLSR wird die große Zahl an (multi-

kollinearen) unabhängigen Variablen (Anzahl der Datenpunkte in den Spektren) auf wenige

(linear unabhängige) „latente“ Variablen reduziert. Diese geben die analytabhängigen

Veränderungen in den Absorptionsspektren wieder; Zur Analytvorhersage irrelevante

Informationen bleiben außen vor. Im Gegensatz dazu beschreiben die Hauptkomponenten der

Kalibrationsspektren, welche innerhalb einer PCR zur Dimensionsreduktion berechnet werden,

sämtliche spektrale Unterschiede im Kalibrationsspektrensatz. Dies ist jedoch nicht zwangs-

läufig die beste Basis für eine quantitative Vorhersage (ABDI, 2010, S. 98).

Mittels PLSR ist es möglich, ein Kalibrationsmodell zur gleichzeitigen Vorhersage mehrerer

Analyten zu erstellen (PLS 2), wobei auch die Korrelationen zwischen den abhängigen

Variablen (Analyten) in das Modell einfließen. Solche Kalibrationen sind zwar unempfindlich

gegen Rauschen, jedoch werden Kalibrationsexperimente üblicherweise orthogonal angelegt

(siehe oben) und enthalten daher keine oder nur geringe Korrelationen zwischen den Analyten.

Dies stellt eine möglichst unabhängige Analytbestimmung sicher. Dagegen haben separate

PLS-Modelle für jeden einzelnen Analyten (PLS 1) den Vorteil, Nichtlinearitäten besser berück-

sichtigen zu können und werden deshalb bevorzugt eingesetzt (CAMO, 2006, S. 115).

Die Mathematik der PLSR ist in der Literatur eingehend beschrieben und entsprechende

Regressionsalgorithmen (NIPALS, SIMPLS u. a.) sind als Softwareroutinen verfügbar, sodass

eine weitere Betrachtung an dieser Stelle nicht erforderlich ist (ADAMS, 2004; OTTO, 2007;

WEHRENS, 2011). Für die Leistungsfähigkeit einer chemometrischen Methode ist ohnedies ein

sorgfältig geplanter Kalibrationsprobensatz und eine geeignete Vorverarbeitung der Spektren

entscheidender als die Wahl der Regressionsmethode (WEHRENS, 2011, S. 162).

Ein Qualitätsparameter zur internen Bewertung einer Regression ist der RMSECV (root mean

squared error of cross validation), in welchem der zu erwartende Fehler in der Einheit des

kalibrierten Analyten abgeschätzt wird:

RMSECV = √∑(𝑐𝑖,true − 𝑐𝑖,predicted)

2

𝑛

𝑛

𝑖=1

. 2-6


Zur Berechnung des RMSECV wird für alle 1 … 𝑛 Kalibrationsproben jeweils ein PLS-Modell

basierend auf 𝑛 − 1 Proben erstellt und mit diesem anhand des ausgelassenen Spektrums die

Konzentration 𝑐𝑖,predicted vorhergesagt. Die Wurzel der mittleren quadratischen Abwei-

chungen zwischen den wahren Konzentrationen 𝑐𝑖,true und den vorhergesagten 𝑐𝑖,predicted

ergibt den RMSECV. Dieser ist ein Maß für den Fehler eines Regressionsmodells unter

Verwendung aller Kalibrationsproben. Neben der Kreuzvalidierung gibt es weitere Heran-

gehensweisen zur Modellvalidierung, wie beispielsweise die Test-Set-Validierung, bei welcher

der Probensatz in Kalibrationsproben und zu analysierende Proben geteilt wird. Diese wurde

hier jedoch nicht eingesetzt, da der verwendete Datensatz (51 Proben) nicht ausreichend groß

war.

Anhand des Bestimmtheitsmaßes 𝑅2 ( 0 ≤ 𝑅2 ≤ 1 ) kann beurteilt werden, inwieweit die

vorhergesagten und wahren Konzentrationen miteinander korrelieren:

𝑅2 = (

Cov(𝑐𝑖,true 𝑐𝑖,predicted)

Var(𝑐𝑖,true) ⋅ Var(𝑐𝑖,predicted))

2

, 2-7

mit der Kovarianz Cov(𝑐𝑖,true 𝑐𝑖,predicted) zwischen den vorhergesagten und den wahren (z. B.

eingewogenen) Konzentrationen und den jeweiligen Varianzen Var(𝑐𝑖,true) und

Var(𝑐𝑖,predicted). Mit Hilfe von 𝑅2 kann ein geeigneter Rang (Anzahl der latenten Variablen) für

die chemometrische Methode gefunden werden. Ein gewählter Rang ist als gut zu bewerten,

falls ein höherer Rang zu keinem signifikant verbesserten 𝑅2 führt. Bei einem zu hohen Rang

enthalten die zusätzlichen latenten Variablen dann keine für Kalibration relevanten Infor-

mationen mehr. Dadurch werden störende Anteile spektralen Rauschens mit in die PLSR

aufgenommen (’overfitting‘), was zu einer Verschlechterung der Analysenergebnisse führt

(CONZEN, 2005, S. 11, 60).

2.2 MIR-ATR-Sensorik

2.2.1 Messaufbau und Komponenten

Wie bereits in Kapitel 2.1 beschreiben wurde, ist es aufwändig ein FT-MIR-ATR-Spektrometer-

system in eine Prozessumgebung zu integrieren. Anstatt flüssige Proben anhand molekül-

spezifischer MIR-Absorptionsbanden (überwiegend Grundschwingungen) zu vermessen, wird

in der Prozessanalytik häufig auf den NIR-Spektralbereich (Ober- und Kombinations-

schwingungen) ausgewichen, da hier lange Quarzlichtleiter eingesetzt werden können. Dies

ermöglicht es, die faseroptische Messsonde direkt am Reaktor zu installieren und Lichtquelle

sowie Spektrometer räumlich getrennt unterzubringen. Für die Gasphase gibt es hingegen für

eine Vielzahl von Analyten Geräte, welche die Absorption im mittelinfraroten Spektralbereich

zur quantitativen Bestimmung nutzen (ABB, 2013; BLUESENS, 2016; EMERSON, 2015). Diese filter-

basierten IR-Gasanalysatoren mit Transmissionsküvette sind robust, weil kein empfindliches

Interferometer verbaut ist. Sie erfassen kein Spektrum, sondern lediglich die mittlere


Extinktion im Durchlassbereich der eingesetzten Bandpassfilter. Für MIR-Messungen in der

Flüssigphase sind Schichtdicken von wenigen Mikrometern erforderlich. Dies ist mit Küvetten

kaum noch zu realisieren, sodass auf die ATR-Technik ausgewichen wird. Photometrische MIR-

ATR-Messaufbauten werden bisher jedoch kaum angeboten (siehe 2.2.2), obwohl viele

chemische und biochemische Reaktionen mit großer wirtschaftlicher Bedeutung in der Flüssig-

phase stattfinden. Daher besteht für photometrische MIR-ATR-Sensoren ein großes Potenzial

in der Prozessanalysentechnik. Ein möglicher Aufbau eines solchen Sensors ist in Abbildung 4

schematisch dargestellt. Die optischen Bauelemente im Lichtweg sind im Folgenden näher

beschrieben. Die Elektronik wird unter Kapitel 3.3 erläutert.

Lichtquelle ATR-Optik Detektorenoptische

Bandpass-filter

Steuerung, Kalibration,

Anzeige

Verstärkung,ADC

DemodulationModulation

Lichtweg

Elektronik

Abbildung 4: Schematische Darstellung eines MIR-ATR-Sensors.

In filterbasierten IR-Sensoren werden üblicherweise breitbandige Schwarzkörperstrahler als

Lichtquelle eingesetzt. Einige Hersteller bieten Typen an, die elektronisch moduliert werden

können – zum Teil mit Frequenzen oberhalb von 10 Hz (AXETRIS, 2014; HELIOWORKS, 2010;

MICRO-HYBRID ELECTRONIC GMBH, 2016). Ein aufwändiges mechanisches ’choppen‘ zur Störunter-

drückung kann dadurch entfallen. Preisgünstige Mikroglühlampen, welche sich ebenfalls

elektronisch modulieren lassen, werden oftmals in IR-Gassensoren, beispielsweise zur CO2-,

Ethanol- oder Methanbestimmung, als Lichtquelle eingesetzt. Diese emittieren aufgrund der

begrenzten Transmission des Glaskörpers jedoch lediglich Licht bis zu einer Wellenlänge von

ca. 4,5 µm und können damit nicht für den hochselektiven und sensitiven Spektralbereich

unterhalb von 2000 cm-1 eingesetzt werden (HEIMANN SENSOR, 2008a).

Die von der IR-Lichtquelle emittierten Photonen passieren die ATR-Optik und werden dabei

zum Teil während der abgeschwächten Totalreflexion in der Probe absorbiert. Die ATR-Optik

ist aufgebaut wie die in MIR-ATR-Spektrometern verwendete (siehe 2.1.2).

Das spektrale Ansprechverhalten der Detektorkanäle in einem MIR-ATR-Sensor wird von den

Transmissionsbereichen der optischen Bandpässe bestimmt. Für eine hohe Sensitivität und

Spezifität sollten diese idealerweise bei einer Absorptionsbande eines Analyten oder in einem

geeigneten Referenzbereich liegen. Außerhalb davon sollten sie möglichst gut blockieren.

Hierfür eignen sich Interferenzfilter mit Halbwertsbreiten (FWHM: full width at half maximum

transmission) von ca. 30 cm-1 im Bereich 4000-1500 cm-1 und mit ca. 20 cm-1 bei kleineren

Wellenzahlen, wie sie von Spectrogon AB (Schweden) oder Northumbria Optical Coatings (UK)


angeboten werden (LASER COMPONENTS, 2013; SPECTROGON, 2015). In dieser Größenordnung

liegen auch die Halbwertsbreiten von typischen MIR-Absorptionsbanden. Es gibt auch Filter

mit größeren oder kleineren Halbwertsbreiten. Sind die Filter breitbandiger als die

Absorptionsbande, dann führt dies zu Nichtlinearitäten (Abweichung von LAMBERT-BEER-

Gesetz). Dagegen haben schmale Filter niedrige Lichtintensitäten zur Folge, was sich in einem

kleineren Störabstand des Sensors niederschlagen würde.

Üblicherweise sind die optischen Filter in das Detektorgehäuse integriert und werden bei der

Herstellung des Detektors in den Deckel eines Standard-Halbleitergehäuses montiert, z. B.

TO-46, TO-39 oder TO-8 (JEDEC, 2016). Derzeit werden Sensoren mit einem, zwei, drei oder

vier optischen Filtern und zugehörigen Detektorelementen angeboten (HEIMANN SENSOR, 2014;

INFRATEC, 2016; LASER COMPONENTS, 2015; MICRO-HYBRID, 2016). Zum Teil ist für jeden Kanal auch

ein Vorverstärker integriert. In solchen integrierten Mehrkanaldetektoren wird das pyro-

elektrische Material Lithiumtantalat (LiTaO3) oder eine als Silizium-Halbleiterstruktur auf-

gebaute Thermosäule (elektrische Reihenschaltung von mehreren zehn Thermoelementen)

zur thermischen Strahlungsdetektion eingesetzt. Solche Detektorelemente sind preisgünstig

und erfassen einen sehr breiten Spektralbereich von UV über VIS, NIR, MIR bis FIR (fernes

Infrarot). Typen für den Massenmarkt, beispielsweise zum Einsatz in Bewegungsmeldern,

kosten mit integriertem Filter nur wenige Euro (FARNELL ELEMENT14 DEUTSCHLAND, 2016). Ein

Nachteil thermischer Strahlungsdetektoren besteht in ihrer geringen spezifischen Detektivität.

Anhand dieser lassen sich Photodetektoren unterschiedlicher Prinzipien hinsichtlich ihrer

Leistungsfähigkeit vergleichen (PIOTROWSKI & ROGALSKI, 2007, S. 6f). In Tabelle 1 sind hierzu

wichtige Kenngrößen kommerziell verfügbarer MIR-Detektoren aufgelistet.

Es ist zu erkennen, dass die photoelektrischen Detektoren eine wesentlich höhere spezifische

Detektivität als die thermischen aufweisen. Diese decken jedoch entweder nicht den

kompletten mittelinfraroten Spektralbereich ab (InAs und PbSe) oder können aufgrund ihres

Preises und der benötigten Kühlung mit flüssigem Stickstoff nicht in einen Sensor integriert

werden (HgCdTe/InSb Sandwich). Den bislang größten bekannten pyroelektrischen Effekt

bietet L-Alanin dotiertes deuteriertes Triglycinsulfat (DLaTGS). Die bei Raumtemparatur

theoretisch maximal mögliche spezifische Detektivität liegt bei 1,8 ∙ 1010 cm Hz1/2 W-1

(INFRATEC, 2013a, S. 7). Kommerziell verfügbare DLaTGS-Sensoren erreichen allerdings nur

Werte, welche um eine Größenordnung niedriger liegen. Der Sensoreffekt von DLaTGS geht

oberhalb der Curie-Temperatur von 61 °C verloren und nur die Dotierung mit L-Alanin

verhindert einen permanenten Funktionsverlust. Da in der Praxis diese Temperatur über-

schritten werden kann, ist DLaTGS nicht für den Einsatz in einem Sensor geeignet. Somit

kommen für einen MIR-Sensor nur thermische Detektoren auf Basis von LiTaO3 oder

Thermosäulen in Frage.


Tabelle 1: Vergleich von MIR-Detektoren nach Prinzip und Spektralbereich. Aufsteigend sortiert nach spezifischer Detektivität.

Detektions-prinzip

Detektormaterial Spez. Detektivität

cm Hz1/2 W-1 Kosten Spektralbereich

µm

thermisch (thermo-

elektrisch)

Thermosäule (Thermoelemente

in Reihe)

1,5 ∙ 108 (HEIMANN SENSOR,

2008b) niedrig

meist 0,1 bis 100, teils 0,1 bis 1000, abhängig von der

Absorptions-schicht

thermisch (pyroelektrisch)

LiTaO3 bis 6,0 ∙ 108

(INFRATEC, 2016) niedrig

DLaTGS bis 1,1 ∙ 109

(LASER COMPONENTS, 2015, S. 75)

mittel

Photoelektrisch (photovoltaisch)

InAs bei +25 °C bis 1,0 ∙ 1010

(LASER COMPONENTS, 2015, S. 39)

mittel 1,6 bis 3,5

photoelektrisch (photoleitend)

PbSe bei -30 °C (peltiergekühlt)

bis ca. 2,0 ∙ 1010 (Laser Components,

2015, S. 57) mittel 1,0 bis 4,9

HgCdTe/InSb Sandwich bei -196 °C (gekühlt mit

flüssigem Stickstoff)

bis 1,0 ∙ 1011 (LASER COMPONENTS,

2009, S. 10) hoch 2,0 bis 15

2.2.2 Kalibrationsmethode

Die optischen Bandpässe in den Kanälen des MIR-ATR-Sensors werden so gewählt, dass

möglichst spezifische Analytbanden erfasst werden. Damit sind die Korrelationen zwischen

den einzelnen Kanälen gering – eine geeignete Planung des Kalibrationsprobensatzes voraus-

gesetzt (siehe 2.1.4 ’design of experiment‘). Im Gegensatz zu den multikollinearen MIR-ATR-

Spektren ist daher eine Kalibration basierend auf den Kanälen des MIR-ATR-Sensors per multi-

linearer Regression (MLR) möglich. Eine Reduktion auf wenige „latente“ Variable durch eine

PLSR oder auf wenige Hauptkomponenten bei einer PCR ist nicht erforderlich.

Bei der Kalibration wird mittels multilinearer Regression ein Zusammenhang zwischen den

Konzentrationen in den Kalibrationsproben 𝑐true und den gemessenen Extinktionen 𝐸𝑖 in den

𝑝 (hier 𝑝 = 4 ) Sensorkanälen ermittelt. Mit den so erhaltenen Koeffizienten 𝛼 und 𝛽𝑖

gestatten es anschließend bei zu analysierenden Proben die gemessenen Extinktionen in die

gesuchte Konzentration umzurechnen.

𝑐predicted = 𝛼 + ∑ 𝛽𝑖 ⋅ 𝐸𝑖

𝑝

𝑖=1

2-8

Für jeden Analyten wird ein eigenständiges MLR-Modell 𝑐predicted = 𝑓(𝐸𝑖) erstellt. Die Anzahl

𝑛 der dafür verwendeten Proben muss dabei deutlich größer sein als die Anzahl der zu

bestimmenden Parameter (𝑛 > 𝑝 + 1). Die MLR ist im Detail in der Literatur beschrieben

(OTTO, 2007, S. 200ff) und entsprechende Algorithmen sind als Funktionen in PC-Software


vorhanden, beispielsweise RGP() in Microsoft Excel, glmfit() in Mathworks MATLAB oder lm()

in der Statistiksprache R. Zur Beurteilung einer erstellten MLR-Kalibration dienen das

Bestimmtheitsmaß 𝑅2 zwischen 𝑐𝑖,trueund 𝑐𝑖,predicted (siehe Formel 2-7) und der Kalibrations-

fehler SEC (standard error of calibration), welcher ein Maß für die zu erwartende Genauigkeit

der Methode ist.

SEC = √∑ (𝑐𝑖,true − 𝑐𝑖,predicted)

2𝑛𝑖=1

𝑛 − 𝑝 − 1 2-9

Zusätzlich kann das Modell mit 𝑚 weiteren Proben mit bekannter wahrer Analytkonzentration

𝑐𝑖,true (Einwaage oder Referezmethode) anhand des Bestimmtheitsmaßes 𝑅2 und des Vorher-

sagefehlers SEP (standard error of prediction) extern validiert werden.

SEP = √∑ (𝑐𝑖,true − 𝑐𝑖,predicted)2𝑚

𝑖=1

𝑚 2-10

2.2.3 Stand der Technik

Hach Lange (Düsseldorf) bietet einen Inline MIR-ATR-Sensor für die Getränkeindustrie zur

Bestimmung der Analyten Ethanol, CO2, Zucker und organische Säuren an (HACH LANGE, 2014;

VITALSENSORS, 2012). Dessen Optik basiert auf einem ATR-Prisma aus Saphir mit drei

Reflexionen. Der Spektralbereich ist somit auf unter ca. 4,5 µm bzw. über 2200 cm-1

eingeschränkt (KORTH KRISTALLE GMBH, 2016). Lediglich für gelöstes CO2 kann damit auf eine

intensive und spezifische Absorptionsbande bei 2343 cm-1 (FALK & MILLER, 1992) kalibriert

werden. Die übrigen Analyten werden lediglich anhand vergleichsweise unspezifischer

Banden erfasst (z. B. C-H-Streckschwingung bei 3000 cm-1). Anton Paar (Graz) bietet einen

Sensor mit baugleicher ATR-Optik lediglich zur Bestimmung von gelöstem CO2 an (ANTON PAAR,

2013, S. 520). Der VitalSensor kann mit seiner Saphiroptik die Hauptabsorptionsbanden

typischer Analyten in der Getränkeindustrie nicht erfassen, da diese im langwelligen

Fingerprintbereich liegen (Ethanol bei 1045 cm-1, C=O-Bande der Carbonsäuren bei 1700 cm-1,

Zucker bei 1200-1000 cm-1). Der mögliche Vorteil einer hochselektiven MIR-Absorptions-

messung gegenüber der klassischen indirekten Extrakt- und Ethanolbestimmung per

Brechungsindex und Schallgeschwindigkeit wird daher nicht genutzt.

Theuer u. a. beschreiben einen experimentellen MIR-ATR-Sensor zur Detektion von Isocya-

naten in der Flüssigphase (THEUER u. a., 2015). Deren Hauptabsorptionsbanden (-N=C=O)

liegen bei 2275 cm-1 und sind intensiv sowie frei von Überlagerung anderer relevanter

Analyten. Zudem können diese mit optischen Standardfiltern aus der CO2-Gasanalytik erfasst

werden (INFRATEC, 2013b, S. 5). Der Prototyp des Sensors nutzt ebenfalls ein Saphirprisma mit

Mehrfachreflexion. Dies ermöglicht Konzentrationsmessungen bis in den Bereich von ppm.

Sowohl das ATR-Prisma als auch die als Lichtquelle verwendete Mikroglühlampe


(INTERNATIONAL LIGHT TECHNOLOGIES, 2002) lassen keine Anpassung des Sensors auf andere

Analyten im hochselektiven Spektralbereich unterhalb von 2200 cm-1 zu.

Dagegen verwendet der im Rahmen dieser Arbeit entwickelte MIR-ATR-Sensor eine IR-

Lichtquelle ohne spektral limitierendes Glasfenster und ZnSe als ATR-Material. Dies

ermöglicht Absorptionsmessungen von ca. 4000 cm-1 bis 620 cm-1.

2.3 Chemischer Musterprozess Veresterung

2.3.1 Reaktionsmechanismus

Zur Erprobung des entwickelten MIR-ATR-Sensors in einem chemischen Musterprozess wird

eine Veresterung von Ameisensäure und Ethanol zu Ethylformiat und Wasser mit

anschließender Destillation verfolgt. Ausgehend von den Edukten Säure und Alkohol bauen

sich die Produkte Ester und Wasser säurekatalysiert bis zum dynamischen Gleichgewicht auf,

die Edukte entsprechend ab (FISCHER-Veresterung).

HCOOH + C2H5OH ⇌ HCOOC2H5 + H2O

Ameisensäure + Ethanol ⇌ Ethylformiat + Wasser

AS + ET ⇌ EF + W

Dabei erfolgt sowohl die Hinreaktion (Veresterung) als auch die Rückreaktion (Hydrolyse) über

mehrere Zwischenschritte, an welchen die katalytische Wirkung einer deprotonierten Säure

zu erkennen ist (Abbildung 5). Verwendet werden üblicherweise Salz- oder Schwefelsäure

(HART & KINDLER, 2007). Die einzelnen Schritte sind in der Literatur eingehend beschrieben

(NELSON u. a., 2013).

Abbildung 5: Reaktionsmechanismus zur Veresterung bzw. Hydrolyse von Carbonsäureestern (LATSCHA u. a.,

2008).

Eine Base wirkt ebenfalls katalytisch, jedoch bilden die Basenkationen (z. B. Na+) mit der

Ameisensäure ein Salz (Formiat), sodass eine basisch katalysierte Hydrolyse (Verseifung)

irreversibel verläuft (LATSCHA u. a., 2008). Für den Einsatz in einem Versuch mit dem Ziel der

Esterbildung, sind Basen demnach nicht als Katalysatoren geeignet.


2.3.2 Dynamisches Gleichgewicht

Zwischen der Veresterung und der Hydrolyse stellt sich ein dynamisches Gleichgewicht ein.

Die Lage des Gleichgewichtes beschreibt das Massenwirkungsgesetz:

𝐾 = ∏ 𝑎𝑖

𝜈𝑖

𝑛

𝑖=1

2-11

Mit der Gleichgewichtskonstante 𝐾, dem Stoffindex 𝑖, der Anzahl der Reaktionspartner 𝑛, der

Aktivität 𝑎 und dem stöchiometrischen Koeffizienten 𝜈. Für stark verdünnte Lösungen ohne

Wechselwirkung zwischen Lösungsmittel und gelöstem Stoff (ideale Lösungen) gilt mit der

Standardkonzentration 𝑐0 = 1 mol L−1 (MOORE & PATERNO, 1990):

𝑎𝑖 = 𝑐𝑖

𝑐0 2-12

Für die vorliegende Veresterung ergäbe sich im Gleichgewicht (𝑒 = equilibrium):

𝐾 =

𝑐𝑒(EF) ⋅ 𝑐𝑒(W)

𝑐𝑒(AS) ⋅ 𝑐𝑒(ET) 2-13

Aufgrund der hohen Konzentration der Stoffe liegen jedoch keine verdünnten Lösungen vor.

Das so formulierte Massenwirkungsgesetz ist folglich nur sehr eingeschränkt gültig (siehe

unten).

Die Gleichgewichtskonstante1 𝐾 ist für flüssige Systeme nur schwer theoretisch zu bestimmen.

Es gilt zwar auch hier der allgemeingültige Zusammenhang im Gleichgewicht zwischen 𝐾 und

der Änderung der freien Standardenthalpie2 Δ𝐺0 , diese lässt sich jedoch ebenso nur für

verdünnte Lösungen näherungsweise errechnen (MOORE & PATERNO, 1990):

Δ𝐺0 = −𝑅𝑇 ln 𝐾 2-14

mit der universellen Gaskonstante 𝑅 und der absoluten Temperatur 𝑇.

Somit ist es nicht möglich die zu erwartenden Gleichgewichtskonzentrationen über das

Massenwirkungsgesetz und eine errechnete Gleichgewichtskonstante zu bestimmen.

Prinzipielle Wirkungszusammenhänge lassen sich am Massenwirkungsgesetz jedoch erkennen:

1 Die berechnete Gleichgewichtskonstante 𝐾 ist bezogen auf die Einheit 𝑐0 = 1 mol L−1. In der Literatur wird diese als 𝐾𝑐 bezeichnet. Bei der beschriebenen Reaktion sind die stöchiometrischen Koeffizienten 𝜈 entweder +1

oder -1, deswegen folgt aus dem Massenwirkungsgesetz, dass 𝐾𝑐 gleich der auf Stoffmengenanteil in mol mol−1 bezogenen Gleichgewichtskonstanten 𝐾𝑎 ist. In dieser Arbeit wird daher nicht zwischen 𝐾𝑎 und 𝐾𝑐 unterschieden. Zudem beziehen sich sämtliche Betrachtungen auf die Flüssigphase, sodass die auf Partialdrücke bezogene Gleichgewichtskonstante 𝐾𝑝 nicht relevant ist. 2 Δ𝐺0 bezieht sich hier auf die Standardbedingungen der Chemie: Temperatur 0 °C und 1 bar Druck.


- Das Gleichgewicht kann auf die Seite der Produkte verschoben werden, indem ein

Edukt im Überschuss vorgelegt wird oder ein Produkt entzogen wird.

- Wenn Schwefelsäure eingesetzt wird, hat dies eine zweifache Wirkung auf die

Reaktion: Die Beschleunigung der Reaktion (Katalyse) und das Verschieben des

Gleichgewichtes zur Produktseite durch das Binden von Wasser (LATSCHA u. a., 2008).

Kuhnert (KUHNERT, 2004) hat unter anderem die Gleichgewichtskonzentrationen der hier

eingesetzten Veresterungsreaktion von Ameisensäure und Ethanol zu Ethylformiat und

Wasser untersucht. Das Stoffmengenverhältnis von Ameisensäure zu Ethanol in der Vorlage

wurde hierbei über den gesamten Bereich von fast reinem Alkohol bis zu fast reiner Säure

variiert. Die Gleichgewichtskonzentrationen wurden messtechnisch ermittelt und liegen in

sehr gutem Einklang mit einer entsprechenden UNIFAC 3 -Prozesssimulation. Mit diesen

Gleichgewichtskonzentrationen lässt sich das Massenwirkungsgesetzt nach 2-13 auf Gültigkeit

überprüfen.

Für die Gleichgewichtskonstante wird ein vom Vorlageverhältnis Ameisensäure zu Ethanol

unabhängiger Wert erwartet. Tatsächlich variiert die „Konstante“, wie in Abbildung 6

ersichtlich, im Bereich von ca. 3-8, was die beschränkte Gültigkeit von 2-13 bestätigt.

Abbildung 6: Gleichgewichtskonstante der Veresterung abhängig vom Anteil der Ameisensäure in der

Vorlage nach (KUHNERT, 2004, Abb. 38).

Unter der Voraussetzung, dass anfangs ( 𝑡0 = 0 h ) noch keine Produkte vorhanden sind

(𝑐0(W) = 𝑐0(EF) = 0 mol L−1), können mit diesen abgeschätzten und empirisch bestätigten

Werten für 𝐾 – bei bekannten Einwaagekonzentrationen der Edukte 𝑐0(ET) und 𝑐0(AS) – die

3 Abkürzung für Universal Quasichemical Functional Group Activity Coefficients, ein Verfahren zur Abschätzung von Aktivitätskoeffizienten nach dem Prinzip der Mischung von Strukturgruppen.

0

2

4

6

8

10

0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

Gle

ich

gew

ich

tsko

nst

ante

Stoffmengenanteil Ameisensäure in der Vorlage


Verhältnisse im Gleichgewicht vorhergesagt werden. Aus dem Massenwirkungsgesetz und der

Stöchiometrie der Reaktion ergibt sich der umgesetzte Anteil 𝑐𝑥 bis zum Gleichgewicht:

𝐾 =

𝑐𝑥2

(𝑐0(AS) − 𝑐𝑥) ⋅ (𝑐0(ET) − 𝑐𝑥) 2-15

Hierbei ist 𝑐𝑥 gleich der Konzentration der Produkte im Gleichgewicht: 𝑐𝑥 = 𝑐𝑒(EF) = 𝑐𝑒(W)

und ebenso gleich der Abnahme der Edukte: 𝑐𝑒(AS) = 𝑐0(AS) − 𝑐𝑥, 𝑐𝑒(ET) = 𝑐0(ET) − 𝑐𝑥.

Löst man die quadratische Gleichung 2-15 nach 𝑐𝑥 auf, so erhält man:

𝑐𝑥1,2

=𝐾

2(𝐾 − 1)⋅ (𝑐0(AS)+𝑐0(ET))

±√𝐾2

4(𝐾 − 1)⋅ (𝑐0(AS)+𝑐0(ET)) −

𝐾

𝐾 − 1⋅ 𝑐0(AS) ⋅ 𝑐0(ET)

2-16

Dabei kann der positive Wurzelterm ausgeschlossen werden, da wegen 𝐾 > 1 (siehe

Abbildung 6) bereits 𝐾

2(𝐾−1)⋅ (𝑐0(AS)+𝑐0(ET)) größer ist als min{𝑐0(AS), 𝑐0(ET)}. Es kommt

lediglich der Ausdruck mit negativem Wurzelterm als Lösung in Frage, da nicht mehr Edukt

umgesetzt werden kann als ursprünglich eingewogen wurde, 𝑐𝑥 ≤ min{𝑐0(AS), 𝑐0(ET)}.

𝑐𝑥 =

𝐾

2(𝐾 − 1)⋅ (𝑐0(AS)+𝑐0(ET))

−√𝐾2

4(𝐾 − 1)⋅ (𝑐0(AS)+𝑐0(ET)) −

𝐾

𝐾 − 1⋅ 𝑐0(AS) ⋅ 𝑐0(ET)

2-17

Die zu erwartenden Produktkonzentrationen im Gleichgewicht lassen sich somit anhand der

Gleichgewichtskonstanten aus Abbildung 6 und Formel 2-17 vorhersagen.

2.4 Biotechnologischer Musterprozess Hefefermentation

2.4.1 Backhefe als Modellorganismus

Bereits seit Beginn der Erforschung von Mikroorganismen ab ca. 1850 wird die Fermentation

von Hefen auch in großtechnischen, wirtschaftlich bedeutenden Verfahren eingesetzt (SAHM

u. a., 2013). Bis heute ist die Kultivierung von Hefe Grundlage vieler biotechnologischer

Prozesse, beispielsweise für die Herstellung von Medizinprodukten oder Lebensmitteln

(Backwaren, Bier, Wein) oder für die Ethanolproduktion für Kraftstoffe. Seit Mitte der 1930er

Jahre werden Stämme der Spezies Saccharomyces cerevisiae, umgangssprachlich Backhefen,

auch als Modellorganismen in der Forschung und Lehre eingesetzt (HERSCHEL ROMAN, 1981).

Die Molekular- und Zellbiologie ist gut beschrieben, die Stoffwechselvorgänge sind bekannt

(WALKER, 1998). Backhefen können im Vergleich zu anderen Modellorganismen wie

Säugerzellen oder Kolibakterien in kurzer Zeit und unter unkritischen Bedingungen kultiviert


werden. Die Verfolgung einer Hefefermentation ist daher ein gut geeigneter Musterprozess

zur Erprobung des MIR-ATR-Sensors in einer biotechnologischen Anwendung.

2.4.2 Der Stoffwechsel von Hefe

Hefe kann sowohl unter Anwesenheit von Sauerstoff (aerob) als auch unter dessen Ausschluss

(anaerob) leben. In beiden Fällen katabolisiert die Zelle eine Kohlenstoffquelle (z. B. Glucose,

C6H12O6) zunächst im Cytoplasma über den EMBDEN-MEYERHOF-PARNAS-Weg (Glykolyse). Aus

1 Mol Glucose werden hierbei 2 Mol des Stoffwechsel-Zwischenproduktes Pyruvat (C3H4O3)

gebildet, 2 Mol ADP (Adenosindiphosphat) mit Phosphatresten (Pi) zum Energieträger ATP

(Adenosintriphosphat) phosphoryliert und 2 Mol des Coenzyms NAD (Nicotinamidadenin-

dinukleotid) aus der oxidierten Form NAD+ zu NADH reduziert (CYPIONKA, 2010):

Glucose + 2 ADP + 2 Pi + 2 NAD+ ⟶ 2 Pyruvat + 2 ATP + 2 NADH + 2 H+ + 2 H2O

Unter Aufnahme von Sauerstoff (Atmung) kann das Pyruvat aus dem Tricarbonsäurezyklus

(Citratzyklus) heraus über die Atmungskette zu CO2 und Wasser vollständig oxidiert werden.

Insgesamt ist diese aerobe Veratmung von Glucose energetisch deutlich günstiger für die Zelle

im Vergleich zur anaeroben alkoholischen Gärung. Dies zeigt die Zusammenfassung der

Abbaureaktionen in Tabelle 2. Neben dem 19-fach höheren Energiegewinn für die Zelle in

Form von ATP ist zudem die Triebkraft der Abbaureaktion deutlich größer, da die Änderung

der freien Standard-Gibbs-Energie4 Δ𝐺′0 der Atmung um den Faktor 11 größer ist als Δ𝐺′0 der

Gärung.

Tabelle 2: Zusammenfassung der Veratmung und Vergärung von Glucose durch Hefe und deren theoretische Energieausbeuten (ANNEMULLER u. a., 2008).

Stoffwechselweg Reaktion Δ𝐺′0

kJ Mol-1

Energiegewinn für die Zelle Mol ATP pro Mol Glucose

Atmung C6H12O6 + 6 O2 → 6 CO2 + 6 H2O - 2880 38

Gärung C6H12O6 → 2 C2H5OH + 2 CO2 - 260 2

Bei höheren Substratkonzentrationen ( 𝑐(Glucose) > 0,1 g L−1 ) wird jedoch auch unter

oxischen Bedingungen ein Teil des Substrates wie bei einer anaeroben Fermentation zu

Ethanol und CO2 vergoren (Crabtree-Effekt) (SAHM u. a., 2013). Hierbei wird aus dem Pyruvat

nach der Glykolyse zunächst unter Abgabe von CO2 Acetaldehyd hergestellt. Anschließend

wird Acetaldehyd zu Ethanol reduziert.

4 Δ𝐺′0 bezieht sich hier auf die Standardbedingungen in der Biochemie: 25 °C, 1 bar Umgebungsdruck und Aktivität 1. Eine Ausnahme bildet die Aktivität von Wasser, was durch den Strich angezeigt wird. Die Konzentration der Hydroniumionen wird zu 10-7 Mol L-1 festgelegt (physiologisch neutraler pH-Wert von 7), was einer Wasserkonzentration von 55,5 Mol L-1 entspricht (CYPIONKA, 2010).


2.4.3 Batch-Kultivierung von Backhefe

Das passende Fermentationsverfahren zum Test des MIR-ATR-Sensors ist das Batch- oder

Satzverfahren. Bei diesem wird die gesamte eingesetzte Menge aller Substrate zu Beginn im

Fermentationsmedium vorgelegt. Durch die anfänglich hohe Glucosekonzentration, die bis

zum Ende der Fermentation komplett abgebaut wird, ergibt sich eine große Dynamik dieses

Analyten. Dies ist vorteilhaft für die Erprobung des MIR-ATR-Sensors, da die zu erwartenden

Messeffekte beim Prototypsensor im Bereich weniger Milliextinktionen liegt (vgl. 6.2).

Dagegen ist beim Fed-Batch- oder Zulaufverfahren, bei welchem ein oder mehrere Substrate

erst im Laufe des Prozesses nach und nach zugeführt werden, nur mit einer geringen Dynamik

der Glucosekonzentration zu rechnen. Eine kontinuierliche Fermentation, bei der ständig

Substrate zugeführt und Produkte abgezogen werden, ist wegen des hohen technischen

Aufwandes und aufgrund der konstanten Stoffkonzentrationen im Fermenter weniger

geeignet zur Erprobung des MIR-ATR-Sensors.

3 Material und Methoden 22

3 Material und Methoden

3.1 Veresterung und anschließende Destillation

3.1.1 Apparatur

Als chemischer Musterprozess wird mit dem MIR-ATR-Sensor eine Veresterung von Ethanol

und Ameisensäure zu Ethylformiat und Wasser mit anschließender Destillation des Gleich-

gewichtsgemisches verfolgt. Der Reaktionsmechanismus ist in 2.3.1 beschrieben, den schema-

tischen Aufbau des Versuchs zeigt Abbildung 7.

Schlauchpumpe

Daten-erfassung

Probenkühler

Reaktor

MIR-ATR- Sensor

FT-MIR-ATR-Spektrometer

Daten

Probenschleife

Temperatur-erfassung

PT100

Abbildung 7: Schematische Darstellung der Online-Messungen in der Probenschleife sowie der Sensorik und

Datenerfassung bei der Veresterung.

Ein 500 mL Dreihalskolben mit einem magnetischen Rührer dient als Reaktionsgefäß. Die

Temperatur des Reaktionsgemisches wird mit einem PT-100 Temperatursensor zur Kontrolle

erfasst und aufgezeichnet. Während der Veresterung wird der Reaktor weder erwärmt noch

gekühlt. Das Foto des Versuchsaufbaus für die Veresterung zeigt Abbildung 8. Darauf ist zu

erkennen, dass der Reaktor bereits in das Wasserbad für die spätere Destillation taucht. Dieses

befindet sich jedoch während der Veresterung auf Raumtemperatur. Ein Rücklaufkühler am

mittleren Hals des Reaktors verhindert das Entweichen der flüchtigen Bestandteile des

Reaktionsgemisches. Reaktion und Probentransport erfolgen in einem geschlossenen System

bei Umgebungsdruck. Am linken Hals des Reaktors sind die Schläuche für die Probenentnahme

und -rückführung montiert. Eine Schlauchpumpe durchspült die Probenschleife mit einer


konstanten Rate von 8 mL min-1. Auf der rechten Seite ist eine Temperatursonde montiert.

Weiterhin wird der Reaktor über diesen Stutzen befüllt.

Die Probentemperatur wird mittels des Durchlaufkühlers in der Probenschleife über die

gesamte Versuchsdauer hinweg konstant gehalten. Dies ist selbst dann gewährleistet, wenn

die Temperatur im Reaktionsgefäß während der Destillation maßgeblich erhöht wird. Das

gepumpte Reaktionsgemisch wird mit dem MIR-ATR-Sensor und dem MIR-ATR-Spektrometer

(System aus der Alpha-Serie der Firma Bruker) jeweils in einer Durchflusszelle vermessen. Die

Signale des Sensors und die erfasste Temperatur werden in selbst entwickelten LabVIEW-

Programmen jeweils sekündlich aufgezeichnet. Ein MIR-ATR-Spektrum wird zyklisch jede

Minute mit der Spektroskopiesoftware OPUS 7 von Bruker erfasst und gespeichert.

Rücklaufkühler

Reaktor

Wasserbad

Magnetrührerund Heizplatte

MIR-ATR-Sensor

Probenkühler

Schlauchpumpe

MIR-ATR-Spektrometer

Befüllstutzen, PT100

Abbildung 8: Bild des Versuchsaufbaus zur chemischen Prozessverfolgung während der Veresterung.

Für die Destillation im Anschluss an die Veresterung wird der Rücklaufkühler durch einen

Destillationskopf mit Kühler und Sammelgefäß ersetzt und das Reaktionsgefäß im schwach

siedenden Wasserbad erhitzt. Den für die Destillation veränderten Versuchsaufbau zeigt

Abbildung 9.


Thermometer

Destillationskopf

Kühler

Sammelgefäß

Abbildung 9: Bild des Versuchsaufbaus zur chemischen Prozessverfolgung während der Destillation.

3.1.2 Auslegung und Ablauf der Veresterung mit anschließender Destillation

Auslegung des Veresterungsversuchs

Das Gleichgewicht wird auf die Seite der Produkte Wasser und Ethylformiat verlagert, indem

ein Überschuss an Ameisensäure vorgelegt wird. So wird der Alkohol fast vollständig verestert.

Eine überschüssige Vorlage von Ethanol hätte dieselbe Verlagerung auf die Produktseite zur

Folge und wäre auf Grund des niedrigeren Preises von Ethanol wirtschaftlicher als eine

überschüssige Zugabe von Ameisensäure. Im industriellen Umfeld ist ein Alkoholüberschuss

daher die übliche Vorgehensweise zur Herstellung von Carbonsäureestern. Die Destillation

des Esters ist dann allerdings apparativ deutlich aufwändiger, da der überschüssige Ethanol

wesentlich flüchtiger ist als der hier beschriebene Ameisensäureüberschuss. Durch den Säure-

überschuss kann die Destillation bei Normaldruck mit einem einfachen Destillieraufsatz nach

CLAISEN mit LIEBIGkühler zur Kondensation durchgeführt werden. Der Einsatz einer Kolonne

oder einer wesentlich aufwändigeren Schleppmitteldestillation ist nicht notwendig.

Mit 100 mL Ethanol 96 % V/V und 124 mL Ameisensäure 99 % m/m werden die Edukte im

Stoffmengenverhältnis 1:2 vorgelegt. Die Zusammensetzung der Vorlage ist in Tabelle 3

aufgeführt. Die eingesetzten Chemikalien (Daten siehe Tabelle 17 im Anhang) enthalten auch

wenige Massenprozent Wasser. Somit ist die Vorlage zwar nicht vollständig, aber doch

annähernd produktfrei. Als Katalysator werden 0,1 mL 25% m/m Schwefelsäure verwendet.

Durch diese geringe Menge wird nur wenig Wasser gebunden.


Tabelle 3: Veresterung: Zusammensetzung der Vorlage bestehend aus 100 mL Ethanol 96 % V/V und 124 mL Ameisensäure 99 % m/m.

Stoff (rein) Masse

g Stoffmenge

mol Konzentration

mol L-1 Stoffmengenanteil

mol mol-1

Ethanol ET 76,0 1,65 7,4 0,31

Ameisensäure AS 150,0 3,25 14,5 0,62

Wasser W 6,4 0,35 1,6 0,07

Die zu erwartenden Stoffkonzentrationen im Gleichgewicht lassen sich anhand der Einwaage

und der unter 2.3.2 beschriebenen Zusammenhänge abschätzen. Nach Abbildung 6 ist für den

Stoffmengenanteil Ameisensäure in der Vorlage von 0,62 mol mol-1 die Gleichgewichts-

konstante 𝐾 ≈ 8. Für eine produktfreie Vorlage ergeben sich nach Formel 2-17 die Produkt-

konzentrationen von Wasser und Ethylformiat zu 6,7 mol L-1 im Gleichgewicht. Die Anteile von

Ethanol und Ameisensäure sollten sich dementsprechend auf 0,7 mol L-1 beziehungsweise

7,8 mol L-1 verringern. Das in der Vorlage enthaltene Wasser wird nicht berücksichtigt, daher

sollte sich das tatsächliche Gleichgewicht gemäß 2-13 bei etwas niedrigeren Esterkonzen-

trationen und etwas höheren Eduktkonzentrationen einstellen. Anhand dieser Abschätzung

lässt sich überprüfen, ob die Veresterung bis zum erwarteten Gleichgewicht verläuft.

Ablauf des Veresterungsversuchs

1. Aufbau der Apparatur für die Veresterung (siehe Abbildung 8)

2. Referenzmessung mit MIR-ATR-Spektrometer und MIR-ATR-Sensor gegen Luft

3. Start der Messungen mit Spektrometer und Sensor sowie der Temperaturerfassung

4. Vorlage von Ethanol5

5. Start der Schlauchpumpe, Befüllen der Probenschleife

6. Zugabe der Ameisensäure

7. Zugabe des Katalysators

8. Nach Erreichen des Gleichgewichts wird die Apparatur für die Destillation umgebaut

(siehe Abbildung 9).

9. Start der Destillation durch Erhitzen des Reaktors im Wasserbad

10. Sobald die Destillation stoppt (keine beobachtbare Kondensation mehr im Kühler), ist

der Versuch beendet.

Durch das Erhitzen des Reaktors während der Destillation in einem schwach siedenden

Wasserbad kondensieren im Destillationskopf lediglich Ethylformiat und evtl. Ethanol aus.

Ameisensäure und Wasser bleiben im Reaktor zurück. Das Destillat besteht somit haupt-

sächlich aus dem Ester, denn der Säureüberschuss in der Vorlage hat eine kleine Ethanol-

konzentration zum Start der Destillation zur Folge (sieh oben). An die Reinheit des Destillats

5 Das ZnSe-Prisma des MIR-ATR-Sensors ist nicht für den Einsatz mit reiner Ameisensäure geeignet, daher wird zuerst Ethanol in die Apparatur gegeben.


bestehen keine Anforderungen, da der Versuch als chemischer Musterprozess für den Test

des MIR-ATR-Sensors durchgeführt wird. Es ist daher nicht erforderlich das Destillat

hinsichtlich seiner genauen Zusammensetzung näher zu untersuchen. Eine Riechprobe sollte

den überwiegenden Anteil des Esters bestätigen. Ethylformiat besitzt einen typischen Geruch

nach Rum (Arrak) und ist leicht von Ethanol zu unterscheiden.

3.1.3 Prozessverfolgung mit dem MIR-ATR-Spektrometer

Kalibration der Online MIR-ATR-Spektroskopie

Der Verlauf der Stoffkonzentrationen im Reaktor wird in Echtzeit mit dem MIR-ATR-

Spektrometer verfolgt. Diese Analyse dient als Referenz für den MIR-ATR-Sensor. Zusätzlich

kann mithilfe der Absorptionsspektren der Verlauf der Sensorsignale in den einzelnen Kanälen

simuliert und durch einen Vergleich mit den realen Sensorsignalen die Funktion der Optik und

Elektronik des Sensors überprüft werden.

Abbildung 10: MIR-ATR-Spektren der am chemischen Musterprozess beteiligten Analyten Wasser,

Ameisensäure, Ethanol und Ethylformiat.

Voraussetzung für eine verlässliche Prozessanalytik auf Basis der MIR-ATR-Spektren sind

spezifische Absorptionsbanden für die jeweils zu bestimmenden Analyten. Abbildung 10 zeigt

die Absorptionsspektren der Reinstoffe Wasser, Ameisensäure, Ethanol und Ethylformiat. Da

diese vier Analyten unterschiedliche MIR-Absorptionsspektren aufweisen, sollte eine

quantitative Mehrkomponentenanalyse möglich sein. Die Absorptionsbanden der Analyten

0,0

0,2

0,4

0,6

3800 3400 3000 2600 1800 1600 1400 1200 1000 800 600

Exti

nkt

ion

Wellenzahl / cm-1

Wasser, vollentsalzt

Ameisensäure 99 % m/m

Ethanol 94 % m/m

Ethylformiat 99 % m/m


überlagern sich jedoch gegenseitig, sodass eine chemometrische Kalibration einer univariaten

Auswertung vorzuziehen ist.

Die Möglichkeiten zur Datenvorbehandlung wurden eingehend untersucht. Dabei stellte sich

eine Kalibration ohne Datenvorbehandlung als die beste Variante heraus (HÄFFNER, 2015).

Ebenso wurden verschiedene Strategien zur Planung und dem Vermessen der Kalibrations-

proben verglichen. Der Kalibrationsprobensatz enthält neben Zweistoffmischungen auch

Mischungen sämtlicher vier Analyten. Trotz eines möglichen reaktionsbedingten Fehlers

führte die Verwendung von Vierstoffmischungen zu einer deutlichen Verbesserung des

Kalibrationsmodells. Von den vier zu erfassenden Analyten reagieren jeweils Wasser mit

Ethylformiat und Ethanol mit der Ameisensäure. Proben, bei denen entweder die Edukt- oder

die Produktseite stark überwiegt, streben von der angesetzten Mischung in Richtung

Gleichgewicht. Für die Präparation und das Vermessen der Kalibrationsproben wurde eine

Vorgehensweise ausgearbeitet um den hierdurch verursachten Fehler zu minimieren:

1. Ansetzen von nicht-reaktiven Stammlösungen (jeweils 50 mL) aus jeweils zwei

Komponenten

2. Kühlen der Stammlösungen auf 2 °C

3. Mischen (Pipettieren) und Homogenisieren von zwei Stammlösungen zu einer

Kalibrationsprobe mit einem Gesamtvolumen von 1 mL

4. Unmittelbares Vermessen der Kalibrationsprobe.

5. Wiederholung für die nächste Probe ab 3.

Verwendet werden drei Stammlösungen aus Wasser und Ethanol (W-ET) und drei

Stammlösungen aus Ameisensäure und Ethylformiat (AS-EF) gemäß Tabelle 18 im Anhang. Die

Einwaagen sind so gewählt, dass der für die Analyse der Veresterung und der anschließenden

Destillation relevante Konzentrationsbereich von den Kalibrationsproben gleichmäßig abge-

deckt wird. Alle 6 Stammlösungen werden untereinander mit 3 verschiedenen Mischungs-

verhältnissen (1:1, 1:2 und 2:1) kombiniert. So ergeben sich 45 Zwei- und Vierstoffmischungen

aus 3 mal 15 Kombinationen6 (siehe Tabelle 19 im Anhang). Zusammen mit den 6 Stamm-

lösungen sind dies insgesamt 51 Kalibrationsproben. Kalbrationsprobe Nr. 32 muss bereits vor

der Modellerstellung von der Kalibration ausgeschlossen werden, da sich wegen der geringen

Löslichkeit von Ethylformiat in Wasser zwei Phasen bilden.

Die für eine chemometrische Auswertung notwendige lineare Unabhängigkeit der Konzen-

trationsverhältnisse (siehe 2.1.4) ist nur bedingt gegeben. Das Bestimmtheitsmaß zwischen

W-AS, W-EF, ET-AS und ET-EF nach Tabelle 4 ist deutlich größer als Null aufgrund des

6 Aus der Kombinatorik: Möglichkeiten des Ziehens ohne Zurücklegen von 2 Elementen aus einer Grund-gesamtheit von 6: Binomialkoeffizient 6 über 2


systematischen Vorgehens beim Mischen der Stammlösungen mit wenigen Mischungs-

verhältnissen. Allerdings ist in keinem Fall 𝑅2 > 0,5, sodass lediglich schwache Korrelationen

zwischen manchen Komponenten bestehen. Die eingeschränkte lineare Unabhängigkeit im

Kalibrationsdatensatz wurde aufgrund des minimalen Präparationsfehlers der angewandten

Strategie toleriert.

Tabelle 4: Korrelation (Bestimmtheitsmaß R²) der Komponenten in den Kalibrationsproben der Chemometrie zur Veresterung.

𝑅2 zwischen ↓und → Wasser W Ethanol ET Ameisensäure AS

Ethanol ET 0,04 1 ↙

Ameisensäure AS 0,26 0,34 1

Ethylformiat EF 0,39 0,47 0,05

Chemometrische Modellerstellung und -validierung

Zum Erstellen des chemometrischen Modells mit Quant 2 unter Opus 7.0 der Firma

Bruker Optik wurde der gesamte vermessene Spektralbereich von 4000-600 cm-1 ohne

Datenvorbehandlung verwendet. Quant 2 arbeitet ausschließlich mit dem PLS1-Algorithmus.

Für jeden Analyten wird eine eigenständige Regression auf den Kalibrationsdatensatz

durchgeführt. Validiert wurde das Modell per Kreuzvalidierung mit jeweils einer ausge-

lassenen Probe. Der Rang wurde auf 6 begrenzt, da bei 4 Analyten verlässliche Modelle ab

einem Rang von 4 möglich sein sollten. Neben der nicht berücksichtigten Probe Nr. 32 (siehe

oben) wurden nach einer ersten Regressionsrechnung auch die von Quant 2 als Ausreißer

erkannten Spektren der Kalibrationsproben 3, 6, 17, 23 und 47 (siehe Tabelle 19 im Anhang)

von der Kalibration ausgeschlossen und die Ausgleichsrechnung erneut durchgeführt. An den

Qualitätsparametern der Validierung 𝑅2 und RMSECV, aufgelistet in Tabelle 5, ist zu erkennen,

dass erwartungsgemäß ab einem Rang von 4 die Regression auf die verbliebenen 45

Kalibrationsproben mit einem Bestimmtheitsmaß 𝑅2 > 0,995 gut funktioniert. Für Ethanol

stellt sich ab Rang 4 keine Verbesserung des Modells mehr ein, daher ist dies auch der von

Quant 2 folgerichtig empfohlene Rang. Für die übrigen Analyten verbessern sich die

Validierungsergebnisse noch etwas mit zunehmendem Rang, sodass auch hier die Empfehlung

der Software für die späteren Analysen übernommen wurde.


Tabelle 5: Qualitätsparameter R² und RMSECV des chemometrischen Modells zur Analyse der Veresterungsreaktion für die Analyten W, ET, AS und EF in Abhängigkeit des Ranges.

Parameter Analyt Rang (von Quant 2 empfohlen fett)

1 2 3 4 5 6

𝑅2

W 0,7357 0,8979 0,9917 0,9959 0,9984 0,9987

ET 0,6753 0,4651 0,9822 0,9991 0,9991 0,9991

AS 0,6736 0,9343 0,9904 0,9980 0,9985 0,9989

EF 0,7353 0,8944 0,9821 0,9963 0,9985 0,9989

RMSECV in mol L-1

W 4,89 3,16 0,90 0,63 0,40 0,35

ET 2,50 1,61 0,59 0,13 0,13 0,13

AS 2,71 1,21 0,46 0,21 0,18 0,16

EF 1,65 1,05 0,43 0,19 0,13 0,11

Der RMSECV von Wasser ist mit 0,35 mol L-1 in etwa doppelt so groß wie bei den übrigen

Analyten. Beachtet man allerdings die resultierenden Kalibrationsbereiche der berück-

sichtigten 45 Kalibrationsproben (W: 0-32 mol L-1, ET: 0-15 mol L-1, AS: 0-16 mol L-1, EF: 0-

11 mol L-1), so beträgt der relative Fehler der Kreuzvalidierung stets circa 1% des Kalibrations-

bereiches für den jeweiligen Analyten. Für alle vier Analyten ist die Validierung des

chemometrischen Modells damit plausibel und zufriedenstellend. Die Werte des RMSECV sind

klein genug für einen Einsatz der Methode als Referenzanalytik im Veresterungsversuch.

3.2 Hefefermentation

3.2.1 Apparatur

Mit dem gebauten Prototyp des MIR-ATR-Sensors wird eine Hefefermentation als bio-

technologischer Musterprozess verfolgt. Der MIR-ATR-Sensor befindet sich hierzu zusammen

mit einem FT-MIR-ATR-Spektrometer (Gerät der Alpha-Serie der Firma Bruker) in einer

Probenschleife. Diese wird von einer Schlauchpumpe mit Fermentationsbrühe durchspült, wie

das Schema der Versuchsapparatur (Abbildung 11) zeigt. Da der Reaktorinhalt während der

gesamten Versuchsdauer auf 32 °C temperiert wird ist auch die Probentemperatur am

Spektrometer und am MIR-ATR-Sensor konstant. In Abbildung 11 ist ebenfalls die Aktorik,

Sensorik und Datenerfassung dargestellt, welche am 6 L-Laborfermenter vom Typ BIOSTAT E

der Firma Sartorius AG installiert ist. Den befüllten Fermenter mit Messsonden und Steuer-

einheit zeigt das Foto in Abbildung 12.


Säure, Lauge(pH-Regelung)

Begasung(Volumenstrom)

Rührer (Drehzahl)

Temperatur (PT100)pH-Wert (Elektrode)gelöst-O2 (Elektrode)Zelldichte (Streulicht)Abgas (O2, CO2, EtOH)

Schlauchpumpe

Daten-erfassung

Fermenter

MIR-ATR- Sensor

FT-MIR-ATR-Spektrometer

Daten

Probenschleife

Aktorik Sensorik

Abbildung 11: Schematische Darstellung der Online-Messung in der Probenschleife sowie der Sensorik,

Aktorik und Datenerfassung bei der Hefefermentation

Fermenter

PT100,pO2- undpH-Elektrode

Abgaskühler,Überdruckventil,Streulichtsonde,Säure- und Laugezulauf

Thermostat,pH-Regler,

Drehzahlregler

Säure, Lauge, Schlauchpumpen

Streulichtdetektor

Ventil und Durchflussmesser

für Begasung

Probenschleife(rot markiert)

Abbildung 12: Foto des Fermenters mit Messsonden und Steuereinheit während der Fermentation


3.2.2 Kultivierungsbedingungen bei der Hefefermentation

Zusammensetzung des Fermentationsmediums

Die Backhefe der Firma Franz Xaver Wieniger GmbH, Passau wird im Batchverfahren mit einer

anfänglichen Glucosekonzentration von 100 g L-1 kultiviert. Die übrige Zusammensetzung des

vollsynthetischen Mediums nach Tabelle 25 im Anhang richtet sich nach der eingesetzten

Zuckermenge. Sie ist angelehnt an das Medium nach SCHATZMANN (SCHATZMANN, HERBERT, 1975)

mit zwei Modifikationen: Zum einen wird Ammoniumchlorid statt Di-Ammoniumsulfat als

Stickstoffquelle eingesetzt, da das gelöste Sulfat im MIR-Absorptionsspektrum eine starke

Bande bei 1100 cm-1 verursacht und damit eine Spektrenauswertung bezüglich Glucose und

Ethanol erschwert (EGLY, 2012). Zum Test vorab durchgeführte Fermentationen bestätigten,

dass diese Veränderung des Mediums das Wachstum der Hefe nicht beeinträchtigt. Zum

anderen werden die Spurenelemente Vitamin B1 und B6 nicht zugesetzt. Dies wurde über-

nommen aus früheren Versuchen zur Biofluoreszenz von Backhefe während der Fermentation

(KLUG, 2009). Einen negativen Einfluss der fehlenden B-Vitamine auf das Hefewachstum wurde

nicht beobachtet.

Kultivierungsbedingungen und Ablauf der Fermentation

Das Fermentationsvolumen beträgt 5 L. Die Bestandteile des Mediums für die gesamten 5 L

werden in 4,5 L Weichwasser gelöst und im Fermenter auf 32 °C temperiert. Das Inokulum

wird mit dem übrigen Volumen in einem Becherglas separat angesetzt. In 0,5 L Weichwasser

werden dafür 167 g Backhefe suspendiert.

Die Begasung des Fermenters mit Luft wird manuell an einem Ventil auf 5 SLPM, also 1 vvm,

eingestellt. Der Leitstand regelt elektronisch die Rührerdrehzahl auf 700 min-1. Mit dem FT-

MIR-ATR-Spektrometer und dem MIR-ATR-Sensor wird nach der Referenzmessung gegen Luft

zunächst Wasser vermessen, um die Signale aus der Fermentation mit der Wasserabsorption

verrechnen zu können. Danach wird an beiden Geräten jeweils ein Durchflussaufsatz installiert,

die Probenschleife geschlossen und diese von der Schlauchpumpe mit einer konstanten Rate

von 8 mL min-1 durchspült. Die Signale des Sensors werden einmal pro Sekunde, ein FT-MIR-

Spektrum alle 3 Minuten aufgezeichnet.

Vor dem Animpfen wird 1 mL Antischaummittel (Antifoam RD Emulsion von Dow Corning) in

den Fermenter gegeben. Nach der anschließenden Zugabe des Inokulums beträgt die Zell-

dichte ungefähr 2,7∙108 mL-1, da in 1 g Wieninger Backhefe ca. 8∙109 Zellen enthalten sind

(DRIXLER, 2015). Der pH-Wert wird ab Fermentationsbeginn durch automatisierte Zugabe von

5-molarer Natronlauge auf 5,2 gehalten. Im Abstand von 30 Minuten werden jeweils 10 mL

Probe für die spätere Analyse per HPLC gezogen. Zum Abtrennen der Biomasse vor dem

Einfrieren wird die Probe für 10 min bei 4500 min-1 zentrifugiert und der Überstand mit einem

Sterilfilter mit 0,45 µm Porengröße filtriert.


Die Hefe wird so lange im Fermenter kultiviert, bis die vorgelegte Glucose komplett verstoff-

wechselt ist. Dies ist nach ca. 5,5 Stunden der Fall, sodass der Versuch mit einem Nachlauf von

ca. 1 Stunde nach 6,5 Stunden beendet wird.

3.2.3 Referenzanalytik HPLC

Die Konzentrationen von Ethanol und Glucose in den eingefrorenen Fermentationsproben

werden offline per HPLC (High Performance Liquid Chromatography) bestimmt. Hierzu

werden die Proben im Verhältnis 1:7 verdünnt und 20 µL aus einer Probenschleife mit einer

auf 30 °C temperierten Ionenaustauschersäule (AT 300-6.5 Polyspher® OA HY, Merck KGaA,

Darmstadt) aufgetrennt. Als Detektor dient ein Differentialrefraktometer (Smartline RI

Detektor 2300, Knauer GmbH, Berlin). Die Flussrate von 0,5 mL min-1 wird an der Pumpe

eingestellt (880-PU, Jasco GmbH, Deutschland). Als Laufmittel wird 0,005 mol L-1 Schwefel-

säure eingesetzt. Diese Messapparatur kam bereits in früheren Arbeiten zum Einsatz (EGLY,

2012; KLUG, 2009). Zur Aufzeichnung und Auswertung der Chromatogramme wurde in diesen

Arbeiten ein Papierschreiber eingesetzt (HP 3394A Integrator, Hewlett Packard, USA). Dieser

wurde mittlerweile durch eine USB-Hardware (USB-6009, National Instruments, USA) und eine

unter LabVIEW entwickelte Software (siehe Abbildung 13) ersetzt. Diese nutzt die freie

netCDF-Bibliothek von UCAR Unidata, USA, um die Chromatogramme als AIA-Datei im ANDI-

Austauschformat abzuspeichern (ANDI: Analytical Data Interchange). Somit sind die

Chromatogramme nun digital archivierbar und können mit Hilfe moderner Chromatographie-

software ausgewertet werden. In dieser Arbeit wird dafür ChemStation von Agilent, USA

verwendet.

Abbildung 13: Bildschirmfoto der LabVIEW-basierten Datenerfassung für die HPLC-Analyse mit

Chromatogramm 1 h nach Fermentationsbeginn (Zeitformat hh:mm).

Glucose

Ethanol

Salze


Abbildung 14: Kalibration der HPLC anhand jeweils einer Verdünnungsreihe zur Bestimmung der Glucose- und

der Ethanolkonzentration in den Fermentationsproben. Auswertung der Chromatogramme

mittels ChemStation (Agilent).

Die modernisierte Datenerfassung und –auswertung ermöglicht die Messung von höheren

Analytkonzentrationen als bei der früheren Auswertung per Schreiber. Dadurch müssen die

aus dem Fermenter gezogenen Proben nicht mehr so hoch verdünnt werden. Dies zeigen die

in Abbildung 14 dargestellten Kalibrationen für Ethanol und Glucose, welche anhand jeweils

einer Verdünnungsreihe erstellt wurden. Es ist zu erkennen, dass die per ChemStation

ermittelte Peakfläche bei 8,5 min bzw. 17,2 min Retentionszeit für den kalibrierten Bereich

von 0-15 g L-1 Glucose bzw. 0-5,5 g L-1 Ethanol linear zur Analytkonzentration ist (Bestimmt-

heitsmaß besser als 0,999). Es genügt daher eine Verdünnung der Fermentationsproben von

1:7, um die max. 100 g L-1 Glucose und max. 30 g L-1 Ethanol (siehe 6.1) zu bestimmen.

3.3 Simulation eines MIR-ATR-Sensors anhand von MIR-ATR-Spektren

3.3.1 Simulationsmethode

Die Optik eines MIR-ATR-Sensors und die eines FT-MIR-ATR-Spektrometers sind ähnlich

aufgebaut. Daher ist es möglich, das Ansprechverhalten eines MIR-ATR-Sensors auf Basis von

MIR-ATR-Spektren zu simulieren. Dabei werden von den MIR-ATR-Spektren nur die Durchlass-

bereiche der optischen Bandpassfilter verwendet. Durch spektrale Variation der Trans-

missionsbereiche können so optimale Filter für eine möglichst spezifische Analytbestimmung

gefunden werden.

Das spektrale Ansprechverhalten eines Sensorkanals 𝑖 ist abhängig von der Transmission

𝑇𝑖(𝜆) des verbauten optischen Filters. Nach LAMBERT-BEER ist die Extinktion der negative

dekadische Logarithmus des Verhältnisses von Proben- zu Referenzintensität (Formel 2-1). Bei

einem photometrischen Sensor – wie dem MIR-ATR-Sensor – muss berücksichtigt werden,

dass das von der Probe durchgelassene Licht vor der Detektion noch das optische Filter

y = 3,1679xR² = 0,9991

0

5

10

15

0 2 4

Glu

cose

kon

zen

trat

ion

/ g

L-1

Peakfläche bei 8,5 min

y = 7,3325xR² = 0,9994

0

2

4

6

0,0 0,4 0,8

Eth

ano

lko

nze

ntr

atio

n /

g L

-1

Peakfläche bei 17,2 min


passiert. Daher muss sowohl die Proben- (𝐼(𝜆)) als auch die Referenzintensität (𝐼0(𝜆)) mit

𝑇𝑖(𝜆) multipliziert und spektral integriert werden. Somit erhält man für die Extinktion 𝐸𝑖 in

den einzelnen Sensorkanälen:

𝐸𝑖 = − log10 (

∫ 𝐼(𝜆) ⋅ 𝑇𝑖(𝜆) 𝑑𝜆

∫ 𝐼0(𝜆) ⋅ 𝑇𝑖(𝜆) 𝑑𝜆) 3-1

Eine Simulationsrechnung auf Basis der Absorptionsspektren 𝐸(𝜆) ist allerdings einfacher

umzusetzen, da kommerzielle FT-MIR-Spektrometer meist diese ausgeben. Daher wurde die

Simulation auf Basis der 𝐸(𝜆) durchgeführt (siehe unten).

Häufig sind die optischen Filter bereits hermetisch dicht in einem Mehrkanaldetektor verbaut,

sodass deren Transmissionsspektrum nicht direkt vermessen werden kann. Seitens des

Herstellers werden in der Regel nur der maximale Transmissionsgrad, die Zentralwellenlänge

(CWL: central wavelength) 𝜆𝑐,𝑖 und die Halbwertsbreite (FWHM) Δ𝜆𝑖 beziehungsweise die

Halbwertsstellen 𝜆𝑎/𝑏,𝑖 = 𝜆𝑐,𝑖 ± 1

2Δ𝜆𝑖 angegeben. Die mittlere Extinktion eines Absorptions-

spektrums zwischen den Halbwertsstellen 𝜆𝑎 und 𝜆𝑏 eines optischen Bandpasses ist eine

geeignete Messgröße zur näherungsweisen Simulation der Extinktion 𝐸𝑖 , wie sie in einem

Photometerkanal gemessen werden würde. Vereinfachend wird dadurch ein idealer Bandpass

angenommen, welcher innerhalb des Durchlassbereiches zu 100 % transmittiert und außer-

halb vollständig blockt. Damit ist eine einfache Simulationsrechnung mit 𝐸𝑖 = 𝑓(𝐸(𝜆))

möglich:

𝐸𝑖 ≈1

𝜆𝑏,𝑖 − 𝜆𝑎,𝑖⋅ ∫ 𝐸(𝜆) 𝑑𝜆

𝜆𝑏,𝑖

𝜆𝑎,𝑖

= 𝐸(𝜆)𝜆𝑎,𝑖

𝜆𝑏,𝑖 3-2

Als Beispiel ist in Abbildung 15 die tatsächliche Transmission des Bandpasses NB-8690-215 von

Spectrogon der idealisierten Transmission gegenübergestellt. Dieses Filter wird im Prototyp

des MIR-ATR-Sensor in Kanal 4 eingesetzt. Im Datenblatt sind die beiden Halbwertsstellen mit

8,563 µm (entspricht 1168 cm-1) und 8,777 µm (entspricht 1139 cm-1) angegeben (SPECTROGON,

2011). Die Verwendung idealisierter Bandpässe stellt zwar eine gewisse Abweichung zu den

realen dar, vereinfacht allerdings die Simulationsrechnung deutlich und ermöglicht es, in

kürzester Zeit geeignete Durchlassbereiche für eine spezifische Analytdetektion zu finden. In

Abschnitt 4.2 wird am Beispiel der Veresterung mit anschließender Destillation gezeigt, dass

die zeitlichen Extinktionsverläufe anhand idealisierter Bandpassfilter gemäß Formel 3-2 quali-

tativ mit den Messwerten des MIR-ATR-Sensors übereinstimmen.


Abbildung 15: Realer Bandpass der Firma Spectrogon und entsprechende Näherung für die Simulation eines

MIR-ATR-Sensors.

Da die realisierten Schichtdicken 𝑑ATR in den ATR-Aufbau von Spektrometer und Sensor

unterschiedlich sein können, muss dies gemäß LAMBERT-BEER-Gesetz bei der Simulations-

rechnung nach Formel 3-3 korrigiert werden:

𝐸𝑖 ≈ 𝐸(𝜆)

𝜆𝑎,𝑖

𝜆𝑏,𝑖⋅

𝑑ATR,Sensor

𝑑ATR,Spek. 3-3

Im hier beschriebenen Fall besitzen sowohl der Diamant im ATR-Aufbau des FT-MIR-Spektro-

meters als auch das ZnSe-Prisma im MIR-ATR-Sensor denselben Brechungsindex von 𝑛𝑝 = 2,4.

Weiterhin verwenden beide Aufbauten nur eine Reflexionsstelle ( 𝑁 = 1 ) zur Probenver-

messung und denselben Einfallswinkel von 𝛽 = 45°. Daher sollten nach Formel 2-5 beide

Aufbauten ähnlichen Schichtdicken 𝑑ATR aufweisen.

3.3.2 Spektrenaufnahme und –konvertierung mit OPUS

Spektrenmessung während der Versuche zur Erprobung des MIR-ATR-Sensors

Die oben genannten Simulationsrechnungen werden auf Basis von Absorptionsspektren

durchgeführt, welche mit einem Alpha-Spektrometer mit ATR-Einheit (Bruker Optics GmbH,

Ettlingen) aufgenommen wurden. Die Messungen mit dem Spektrometer und dem MIR-ATR-

Sensor erfolgten gleichzeitig während der beiden Musterprozesse in einer Probenschleife

(Veresterung mit anschließender Destillation bzw. Hefefermentation, siehe 3.1 und 3.2),

damit die Simulation anhand der MIR-ATR-Spektren direkt mit dem MIR-ATR-Sensor

verglichen werden kann. In Abbildung 16 ist das Ablaufschema für die durchgeführte

Spektrenverarbeitung dargestellt. Die einzelnen Schritte zur Simulation der Photometerkanäle

nach Formel 3-2 werden im Folgenden näher erläutert.

0,00

0,25

0,50

0,75

1,00

108011001120114011601180120012201240

Tran

smis

sio

n

Wellenzahl / cm-1

Realer Bandpass SpectrogonNB-8690-215 nm

Näherung zur Simulation


OPUS-SpektrenSpektrum.0000

Spektrum.0999

JCAMP-DX-Spektren Spektrum.0xxx.dx und

Metadaten BatchConvert.txt

OPUS-MakroBatchConvert.mtx

Spektrenkonver-tieren

wiederholteMessung

Quant2.tdms(Chemometrie,

simulierte und reale Sensorsignale)

BatchConvert.txtMetadaten der Spektren

OPUS

LabVIEW

optional Konfiguration AuswertungSpektrenanalyse_Auswertung.ini

optional

*_Auswert.tdms

(simulierte Sensorsignale)

Konfiguration Auswertung

*_Specs.tdms(Alle Spektren

mit Zeitstempel)

Chemometrische AnalyseQuant 2

Quant2.txtAnalytkonzentrationen

3D-Spektren-

verlauf

Diagramm (Chemometrie,

simulierte und reale Sensorsignale)

MIR-ATR-Sensor

ATR_PM.tdms

Abbildung 16: Datenfluss der Spektrenverarbeitung für die Sensorsimulation, ①…⑦: Reiter im Programm

Spektrenanalyse.exe.

Während der Versuche werden mit der Funktion „wiederholte Messung“ der Spektroskopie-

software OPUS (Bruker) zyklisch Spektren aufgenommen und abgespeichert. Eine über die

Erfassung hinausgehende Verarbeitung findet dabei nicht statt. Die Aufnahme eines

Spektrums dauert mit den üblichen Parametern (Spektralbereich 4000 cm-1 bis 600 cm-1,

Auflösung 4 cm-1, 32 Scans) ca. 30 s. Die gesamte Verarbeitungskette ist für 1000 Spektren

ausgelegt (Spektrum.0000 … Spektrum.0999), sodass selbst bei der höchstmöglichen

Erfassungsrate (ein neues Spektrum alle 30 s) eine Versuchsdauer von über 8 h möglich ist.

Datenkonvertierung zur Spektrenverarbeitung außerhalb von OPUS

Unter OPUS ist zwar eine automatisierte Datenverarbeitung per Makrosprache möglich, diese

deckt jedoch neben den spezifischen Methoden der Spektroskopie nur grundlegende Ein-

/Ausgabefunktionen ab. Darüber hinaus ist die Ausführung vergleichsweise langsam und es

stehen nur rudimentäre Möglichkeiten zur Visualisierung zur Verfügung. In der OPUS Makro-

sprache wurde daher ein Makro erstellt (BatchConvert.mtx, siehe Anhang A), mit welchem die

atmosphärischen Störungen durch Schwankungen der Wasserdampf- und CO2-Konzentration

im Lichtweg innerhalb des Spektrometers kompensiert werden (Funktion H2Ocomp()), eine

Textdatei mit Metadaten angelegt wird (TextToFile()) und welches die Spektren im


Austauschformat JCAMP-DX abspeichert (SaveAs()). Die weitergehende Verarbeitung zur

Sensorsimulation wird anschließend unter LabVIEW durchgeführt (siehe 3.3.3).

Nach dem Ausführen des Makros öffnet sich der Dialog Load multiple files (Abbildung 17), in

welchem bei Path der Ordner mit den zu konvertierenden Spektren (Spektrum.0000 …

Spektrum.0999) angegeben werden muss. Da Spektren im OPUS-Format keine typbezeich-

nende Endung besitzen, dient die Angabe *.0* unter Name dazu, die auszuwertenden OPUS-

Spektren von anderen unter Path gespeicherten Dateien zu unterschieden. Dadurch ist das

Sammeln aller zu einem Versuch gehörenden Dateien in einem Ordner möglich 7 . Unter

Path_Destination wird der Zielordner für die konvertierten Spektren angegeben. Dies kann

derselbe wie der Quellordner unter Path sein oder ein anderer. Ein Klick auf Weiter startet die

Konvertierung.

Abbildung 17: Dateidialog des OPUS-Makros BatchConvert.mtx

Neben den konvertierten Spektren (Spektrum.0000.dx … Spektrum.0999.dx) wird unter dem

Zielordner Path_Destination ebenso die Textdatei BatchConvert.txt mit Metadaten der

Spektren angelegt (siehe Abbildung 18). In dieser sind eine laufende Nummer, der Zeitstempel

der Spektrenmessung und der Dateiname des konvertierten Spektrums abgelegt. Die Einträge

7 Soll das Makro zur Konvertierung von mehr als 1000 per wiederholter Messung aufgenommener Spektren oder für einzeln vermessene Spektren ohne führende 0 in der Endung eingesetzt werden, muss ein separater Quell-datenordner angelegt und *.* als Name eingetragen werden.


sind mit Leerzeichen getrennt. Im folgenden gekürzten Beispiel aus einem Veresterungs-

versuch wurden die Einträge 0…5 entfernt, da die entsprechenden Spektren vor dem eigent-

lichen Versuchsstart aufgenommen worden waren:

SpekNr. Date Time File

6 02/06/2014 10:52:55.460 (GMT+2) 20140602_Veresterung_Ethylformiat_2fach_Ac_01_Alpha.0006.dx





…

Abbildung 18: Vom OPUS-Makro BatchConvert.mtx erstellte Metadatendatei BatchConvert.txt (Ausschnitt).

Das separate Speichern der Metadaten ist notwendig, da OPUS in die JCAMP-DX-Daten zwar

das Datum der Spektrenaufnahme, nicht jedoch die Uhrzeit ablegt8. Zur Synchronisation der

Spektren mit den aufgezeichneten Signalen des MIR-ATR-Sensors wird jedoch ein exakter

Zeitstempel benötigt, der in den originalen Spektren im OPUS-Format auch enthalten ist. Im

Makro BatchConvert.mtx wird dafür das Datum und die Uhrzeit mit der Funktion

GetParameter() aus den Spektren abgerufen und in der Metadatendatei gespeichert.

3.3.3 Datenimport und Sensorsimulation mit LabVIEW

Funktionsübersicht des LabVIEW-Programms Spektrenanalyse.exe

Mit LabVIEW von National Instruments ist es möglich, leistungsfähige Programme zur Daten-

und Signalverarbeitung zu entwickeln. Daher wurde für die weitere Spektrenverarbeitung das

Programm Spektrenanalyse.exe unter LabVIEW geschrieben. In sieben Reitern (siehe

Abbildung 19) führt das Programm von links nach rechts durch den in Abbildung 16 skizzierten

Datenfluss. Das Programm enthält Funktionen zum Import, der Spektrenauswertung und der

Darstellung der Spektren und Auswerteergebnisse. Weiterhin können die mit dem MIR-ATR-

Sensor aufgezeichneten Signale eingelesen und mit den MIR-ATR-Spektren über den Zeit-

stempel synchronisiert werden. Auch die mit der chemometrischen Quant2-Methode in OPUS

vorhergesagten Konzentrationsverläufe können importiert und in eine TDMS-Datei geschrie-

ben werden. Dieses Dateiformat kann z.B. in Excel mittels Add-In geöffnet werden (siehe

Abbildung 23).

8 Die Uhrzeit ist im Gegensatz zum Datum eine optionale Angabe im JCAMP-DX-Format (MCDONALD & WILKS, JR., 1988, S. 152).


Abbildung 19: 1. Reiter des LabVIEW-Programms Spektrenanalyse: „JCAMP-DX Daten einlesen“, Markierung:

Dateiauswahl für die vom OPUS-Makro BatchConvert.mtx erstellte Textdatei.

Import der JCAMP-DX-Spektren und Zeitstempel zur schnellen Spektrenverarbeitung

JCAMP-DX-Spektren und die zusätzlich erstellte Datei BatchConvert.txt sind Textdateien und

können aufgrund der vielen notwendigen Typumwandlungen und des zwingend seriellen

Zugriffs von einem digitalen Signalverarbeitungsprogramm wie Spektrenanalyse.exe nur

langsam verarbeitet werden. Einen effizienteren Datenzugriff ermöglichen Binärdateien.

Daher werden alle Spektren und Zeitstempel vor der Auswertung in einer Binärdatei

zusammengefasst. Hierzu wird im ersten Reiter die vom OPUS-Makro erstellte Textdatei

ausgewählt (siehe Abbildung 19). Im dargestellten Beispiel wurde die vom OPUS-Makro

erstellte Datei mit dem Standardnamen BatchConvert.txt zuvor in den Versuch mit

vorangestelltem Datum umbenannt (20140602_Veresterung_….txt). Die zusammengeführten

Daten werden in einer TDMS-Datei im selben Ordner wie die Textdatei abgelegt9. Dafür wird

deren Name verwendet und „_Specs“ angehängt. Auch die weitere Verarbeitung auf den

übrigen Reitern bezieht sich standardmäßig auf die hier ausgewählte Metadatendatei und die

mit ihrer Hilfe erstellte *_Specs.tdms. Nach Abschluss des Imports ist es auf dem zweiten

Reiter möglich, die Spektren als 3D-Verlauf zu betrachten (Abbildung 20). Anhand des 3D-

Verlaufs kann man erkennen, welche Absorptionsbanden bzw. funktionellen Gruppen im

Laufe der Reaktion auf- bzw. abgebaut werden.

9 Das binäre TDMS-Dateiformat ist prädestiniert für einen effizienten Zugriff auf zeitabhängige Signale und schützt vor Manipulation. Der TDMS-Standard wird zwar exklusiv von National Instruments definiert, liegt jedoch offen und unterstützt das Lesen außerhalb von NI-Software, beispielsweise durch Excel per Add-In oder mit einer C-Bibliothek (NATIONAL INSTRUMENTS, 2015a).


Abbildung 20: Im 2. Reiter des LabVIEW-Programms Spektrenanalyse erstellter 3D Spektrenverlauf.

Spektrenauswertung zur Simulation der Signale eines MIR-ATR-Sensors

Um das Ansprechverhalten eines MIR-ATR-Sensors bei Variation der optischen Bandpassfilter

simulieren zu können (vierter Reiter), werden im dritten Reiter die Einstellungen zur

Auswertung der Spektren aus der Konfigurationsdatei Spektrenanalyse_Auswertung.ini im

Programmordner eingelesen (siehe Abbildung 21). Optional kann auch eine andere Konfi-

gurationsdatei geöffnet werden. Dieser Reiter dient zum einen der Kontrolle, ob die durchzu-

führenden Auswertungen in der Konfigurationsdatei korrekt hinterlegt sind (Name, Methode,

Parameter soll) und zum anderen, ob in den importierten Spektren passende Daten für die

Auswertungen enthalten sind (Parameter ist). Die tatsächlich verwendeten Parameter werden

erst bei der Auswertung durch Wechsel auf den vierten Reiter eingetragen und sind dann nach

einem Zurückwechseln einsehbar.


Abbildung 21: Konfiguration der Auswertung im 3. Reiter des LabVIEW-Programms Spektrenanalyse.

In der Konfigurationsdatei kann eine beliebige Anzahl an Auswertungen definiert werden. Für

jede wird aus den Spektren ein separates zeitabhängiges Signal erstellt. Im Laufe der Arbeit

wurden fünf verschiedene Methoden für die Spektrenauswertung programmiert, deren

Syntax und Funktionsweise im Kopf der INI-Datei beschrieben sind (siehe Anhang A). Zur

Sensorsimulation wird die Methode Bereich ohne Bezug eingesetzt, welche die mittlere

Extinktion zwischen den zwei angegebenen Grenzen von und bis ermittelt (vergleiche Formel

3-2). Die in der Konfigurationsdatei angegebenen Parameter werden jeweils im Array

Parameter soll angezeigt. Beim Ausführen der Auswertung durch Wechsel auf den vierten

Reiter „Spektrenauswertung“ (Abbildung 22) werden die Wellenzahlen in den Spektren

gesucht, welche den geringsten Abstand zu den vorgegebenen Werten von Parameter soll

aufweisen. Diese erscheinen im dritten Reiter als Parameter ist. Es wird kein Signal erstellt,

falls die einstellbare Toleranz zwischen Soll und Ist überschritten wird (Voreinstellung: 0,1 %

der Soll-Parameterwerte). Alle Signale, die erstellt werden, können im vierten Reiter als

absoluter oder relativer Verlauf betrachtet und abgespeichert werden (siehe Abbildung 22).

Ein Klick auf den markierten Button speichert die Signale als TDMS-Datei (*_Auswert.tdms

nach dem Datenflussdiagramm in Abbildung 16). In dieser werden neben den Zeitreihen auch

die Auswertemethode und die zur Auswertung verwendeten Ist-Parameter (Wellenzahlen)

abgelegt. Dies zeigt der in Abbildung 23 abgebildete Ausschnitt der Kanalbeschreibung der

TDMS-Datei, nachdem diese in Excel mittels Add-In (NATIONAL INSTRUMENTS, 2015b) geöffnet

wurde.


Abbildung 22: Sensorsimulation im 4. Reiter des LabVIEW-Programms Spektrenanalyse, Markierung: Button

zum Speichern der Auswerteergebnisse als TDMS-Datei.

Abbildung 23: Signalbeschreibung in der TDMS-Datei *_Auswert.tdms nach Import mittels Excel-Add-In

(Ausschnitt).


Kombination und Synchronisation weiterer Messdaten mit der Sensorsimulation

Zusätzlich zur reinen Spektrenauswertung und Darstellung der Zeitsignale gestattet es das

Programm Spektrenanalyse.exe auf den Reitern fünf bis sieben weitere Messdaten zu

synchronisieren, abzuspeichern und darzustellen. Diese automatisierte Datenbearbeitung

ermöglicht den schnellen Vergleich einer Sensorsimulation mit den Signalen eines realen

Prototyps und erleichtert die Kalibration sowohl eines simulierten als auch eines realen MIR-

ATR-Sensors.

Durch Anklicken des in Abbildung 24 markierten Dateidialogs im fünften Reiter „ATR

Photometer“ können die mit der Software des MIR-ATR-Sensors (siehe 4.1.7) aufgezeichneten

Signale eingelesen werden. Zur Synchronisation wird der Zeitstempel des ersten Eintrags in

der Metadatendatei als Startzeitpunkt ( 𝑡 = 0 h ) angenommen. Bei der dargestellten

Veresterung mit anschließender Destillation war dies der Zeitpunkt der Zugabe der Ameisen-

säure zur Ethanolvorlage. Daher steigen die Sensorsignale bei 𝑡 = 0 h stark an.

Unter dem Reiter „ATR Photometer“ können für einen kalibrierten Sensor mittels der MLR-

Regressionskoeffizienten die Sensorsignale direkt in Konzentrationsverläufe der Analyten

umgerechnet werden. Dazu werden in der Konfigruationsdatei Spektrenanalyse_Kanalver-

rechnung.ini MLR-Kalibrationen hinterlegt. Diese Funktion befindet sich jedoch derzeit noch

im Test und sollte daher mit der aktuellen Programmversion noch nicht benutzt werden.

Abbildung 24: 5. Reiter „ATR Photometer“ des LabVIEW-Programms Spektrenanalyse, Markierung: Auswahl

der Signalaufzeichung des MIR-ATR-Sensors.


Abbildung 25: Chemometrischen Analyse mittels OPUS-Funktion „Quant 2 Analyse / Dateiliste“.

Hervorgehoben: Button zum Markieren der Ergebnisse.

Unter dem sechsten Reiter „Quant 2 einlesen“ kann eine chemometrische Analyse aus der

OPUS-Funktion „Quant 2 Analyse / Dateiliste“ importiert werden. Dazu müssen die Ergebnisse

in OPUS kopiert (Markierung mit hervorgehobenem Button in Abbildung 25, anschließend

Strg+C) und in einer Textdatei abgespeichert werden. Danach kann diese mit dem in Abbildung

26 markierten Dateidialog geöffnet werden. Ein Klick auf „schreiben“ erstellt eine TDMS-Datei

unter demselben Namen wie die eingelesene Quant2-Textdatei. Damit ist es möglich Quant 2-

Analysen als Zeitreihen darzustellen, da OPUS diese Möglichkeit nicht bietet. Dazu werden

anhand der Dateinamen der Spektren diese in der Metadatendatei gesucht (erstellt mit dem

OPUS-Makro BatchConvert.mtx, siehe Anhang A) und der Zeitstempel ausgelesen. Bis auf die

Dateiendung und das Datenformat (JCAMP-DX für die Auswertung in Spektrenanalyse.exe und

OPUS-Format für Quant 2) muss daher dieselbe Dateiliste mit identisch benannten Spektren

verwendet werden. Unter Quant 2 Optionen sollte stets der Standard Alle Werte ausgewählt

bleiben.

In der Quant2.tdms werden zusätzlich die simulierten und realen Sensorsignale (vierter bzw.

fünfter Reiter) synchronisiert abgespeichert. Damit können die Zeitverläufe von MIR-ATR-

Sensor, simuliertem Sensor und Spektrometer in einem Diagramm z. B. in Excel gegen-

übergestellt werden. Da sämtliche Messdaten (Sensorsignale und Analytkonzentrationen) in

einer Datei synchronisiert sind, verringert sich der Aufwand für die MLR-Kalibration des

Prototypsensors deutlich.


Abbildung 26: 6. Reiter „Quant 2 einlesen“ des LabVIEW-Programms Spektrenanalyse, Markierungen: Auswahl

der Textdatei mit der Quant2-Analyse und Speichern der synchronisierten Informationen als

TDMS.

Abbildung 27: 7. Reiter „Diagramm“ des LabVIEW-Programms Spektrenanalyse.


Unter dem siebten Reiter „Diagramm“ ist es schließlich möglich, den Verlauf der verschie-

denen Messdaten gemeinsam darzustellen. Das Beispiel in Abbildung 27 zeigt den Kanal 1 des

Prototypsensors (rot) und dessen Simulation anhand einer Spektrenauswertung (blau). Man

erkennt, dass beim simulierten Sensor der zeitliche Verlauf der Extinktion gut mit der im

Sensorkanal 1 gemessenen Extinktion übereinstimmt. Die darzustellenden Daten können aus

separaten Listen für die Spektrenauswertung, die Quant 2-Analyse und die Sensorsignale in

beliebiger Kombination ausgewählt werden. Mehrere Einträge einer Liste können durch eine

gedrückte Strg-Taste beim Anklicken gleichzeitig markiert werden.

4 Entwicklung eines Inline MIR-ATR-Sensors 47

4 Entwicklung eines Inline MIR-ATR-Sensors

4.1 Auslegung des Sensors und Elektronik des Prototyps

4.1.1 Aufbau des MIR-ATR-Sensors

Bei der Entwicklung des MIR-ATR-Sensors wurde zunächst ein Konzept für die optische

Strahlführung erstellt. Der in Abbildung 28 als CAD-Zeichnung dargestellte optische und

mechanische Aufbau wurde bereits im Rahmen einer früheren Dissertation in derselben

Arbeitsgruppe beschrieben (EGLY, 2012, S. 137, 152–157). Der Schwerpunkt der vorliegenden

Arbeit bestand im Entwurf und der Optimierung einer geeigneten Elektronik und Signal-

verarbeitung, sowie in der erstmaligen Erprobung eines Prototyps bei der Verfolgung einer

chemischen Reaktion und eines biotechnologischen Prozesses (siehe Kapitel 5 und 6). Dafür

wurde der MIR-ATR-Sensor in ein Varivent®-Gehäuse eingebaut, welches durch einen

Hersteller von Prozessanalysentechnik für die Getränkeindustrie zur Verfügung gestellt wurde

(siehe Foto in Abbildung 29).

Die Optik des Prototyps besteht aus einem IR-Emitter als Lichtquelle, einem ZnSe ATR-Prisma

und einem Thermosäulendetektor, der mit optischen Bandpässen ausgestattet ist. Die

Lichtquelle (MIRL 17-900 CAF, 850 mW elektrisch, Laser Components GmbH, Olching) ist ein

Schwarzkörperstrahler mit einer Temperatur von ca. 750 °C. Folglich liegt deren maximale

Emission nach dem WIENschen Verschiebungsgesetz (TIPLER, 2000, S. 551) bei einer

Wellenlänge von 2,8 µm (3500 cm-1).

Flansche

Lichtquelle

HauptplatineMehrkanaldetektor mit optischen Bandpassfiltern

innen vergoldete Kupferrohre

Diamantplättchen (optional)

Gehäuse

ZnSe ATR-Prisma

Abbildung 28: CAD-Entwurf des MIR-ATR-Sensors (EGLY, 2012).


Als ATR-Material wird ZnSe eingesetzt, da es vergleichsweise preisgünstig ist und sowohl über

einen hohen Brechungsindex (𝑛𝑝 = 2,4) als auch über einen breiten Transmissionsbereich von

18500-620 cm-1 verfügt. Für den Einsatz in einer chemisch aggressiven oder mechanisch

abrasiven Umgebung kann das ZnSe-Prisma optional mit einem Diamantplättchen geschützt

werden. Da beide Materialien denselben Brechungsindex besitzen, wird der Einfallswinkel 𝛽

dadurch nicht verändert. Auch Diamant weist im gesamten MIR-Bereich eine gute Trans-

mission auf. Lediglich zwischen 2300 cm-1 und 1900 cm-1 besitzt Diamant eine geringe

Absorption. Die momentan am Markt verfügbaren MIR-ATR-Sensoren verwenden Saphir-

Prismen (siehe Stand der Technik unter 2.2.3), wodurch der verfügbare Spektralbereich auf

Wellenzahlen oberhalb von 2000 cm-1 eingeschränkt ist. Da die Schwingungsbanden wichtiger

funktioneller Gruppen unterhalb von 2000 cm-1 liegen (Carbonyle C=O 1800-1650 cm-1,

(Poly-)Alkohole C-O 1300-1000 cm-1, Fingerprintbereich 1500-600 cm-1), vergrößert sich die

zugängliche chemische Information erheblich durch die Wahl von ZnSe bzw. Diamant als ATR-

Material. Der gewählte optische Aufbau sollte daher eine spezifischere Analytbestimmung bei

gleichzeitig kleinerer Messunsicherheit gestatten.

ZnSe ATR-Prisma

Temperatur-sensor (NTC)

Abbildung 29: Foto des gebauten MIR-ATR-Sensors.

Für eine Inline-Installation ist der MIR-ATR-Sensor in ein Varivent®-Gehäuse integriert (siehe

Abbildung 29). Die Abmessungen sind: Außendurchmesser des Flansches 84 mm und des

Gehäuses 76 mm, O-Ring 60 x 3 mm aus Ethylen-Propylen-Dien-Gummi (EPDM, synthetischer

Kautschuk der DIN-Gruppe M). Das ATR-Prisma befindet sich hinter einem zentrischen Loch

im Flansch (Durchmesser 10 mm). Zusätzlich ist der MIR-ATR-Sensor zur Erfassung der Proben-

temperatur mit einem NTC-Widerstand ausgestattet. Die optische Absorptionsmessung findet

an der Stelle der totalen Reflexion zwischen dem ZnSe ATR-Prisma und der Probe statt (siehe

Abbildung 30). Der Lichtstrahl dringt bei einem Einfallswinkel von 𝛽 = 45° weniger als eine

Wellenlänge in die Probe ein (siehe MIR-ATR-Technik unter 2.1.2) und wird daher bei der

Totalreflexion zum Teil absorbiert. Die nicht absorbierte IR-Strahlung gelangt nach der

Reflexion auf die optischen Filter und die nachfolgenden Detektoren.


ZnSe ATR-Prismaoptional mit

Diamantplättchen

F1 F2 F3 F4

D4D3D2D1

LichtquelleOptische Filter und

IR-Detektoren

Gehäuse

Probe

< λ

β np

ns

Abbildung 30: Schematischer Aufbau des MIR-ATR-Sensors und optischer Strahlengang.

Der Prototyp des MIR-ATR-Sensors weist vier photometrische Kanäle auf. Dabei ist das Signal

𝐼 jedes Detektors (D1-D4) das spektrale Integral des Produktes aus einfallender Intensität und

Transmission des entsprechenden Filters (F1-F4), welcher sich vor dem betreffenden Detektor

befindet (siehe Formel 3-1). 𝐼 hängt darüber hinaus von der Intensität der Lichtquelle und dem

Absorptionsspektrum der Probe ab. Über das LAMBERT-BEER-Gesetz (siehe Formel 2-1) besteht

ein proportionaler Zusammenhang zwischen der Extinktion 𝐸(𝜆) aufgrund der Lichtabsorp-

tion der Probe und der Konzentration des Analyten in der Probe. Damit kann die in einem

Sensorkanal gemessene Extinktion zur Quantifizierung des Analyten genutzt werden.

Auf dem Foto in Abbildung 31 ist zu sehen, wie das ZnSe ATR-Prisma und die Elektronik mit

vier M3-Standbolzen am Deckel des Prototyps gehaltert sind. Zwei Halteplatinen (Layout siehe

Anhang B) dienen dazu, das Prisma in Position zu halten und gegen eine O-Ring-Dichtung zu

pressen. Darunter ist die Elektronik zusammen mit dem Detektor und der Lichtquelle ebenfalls

mit vier M3-Standbolzen an denselben Verschraubungen am Deckel montiert. Im ursprüng-

lichen CAD-Entwurf (siehe Abbildung 28) war noch eine Elektronikhalterung am Gehäuse-

boden vorgesehen. Ein solcher Aufbau ist jedoch schwieriger zu justieren, was den Aufwand

bei der Montage und Demontage beträchtlich erhöht.


Abbildung 31: Foto der Prismen- und Elektronikhalterung im MIR-ATR-Sensor.

Kupferrohre leiten den Lichtstrahl von der Lichtquelle zum ATR-Prisma und das total

reflektierte Licht vom Prisma zu den Detektoren. Darüber hinaus wird erreicht, dass kein

direkter Lichtweg von der Lichtquelle zum Detektor ohne Passieren der ATR-Optik besteht.

Mit einer Vergoldung der Rohrinnenwände könnte der Lichtdurchsatz maximiert werden. Dies

wurde beim Prototyp jedoch noch nicht umgesetzt, da die detektorseitige Intensität auch

ohne Beschichtung ausreichend ist. Von den Detektoren wird das auf sie einfallende Licht in

ein elektrisches Signal gewandelt. Details hierzu werden unter 4.1.5 zusammen mit der

Verstärkerschaltung beschrieben. Das Foto in Abbildung 32 zeigt die Oberseite der Elektronik

mit der Lichtquelle und dem vierkanaligen Detektor (HTS Q21, TO-39 Gehäuse, Heimann

Sensor GmbH, Dresden).

Abbildung 32: Foto der Elektronik (Oberseite) des MIR-ATR-Sensors mit Lichtquelle und Detektor.

Jedes Detektorelement ist mit einem optischen Bandpassfilter ausgestattet. Deren Trans-

missionsbereiche sind entscheidend dafür, wie sensitiv und spezifisch die einzelnen Analyten

mit dem MIR-ATR-Sensor detektiert werden können (siehe 2.2.1). Daher müssen für die

jeweilige Messaufgabe geeignete Filter verbaut werden. Die Auswahl für den Prototyp ist im

folgenden Abschnitt erläutert.

Elektronik (Unterseite)

Zwei Platinen zur Prismenhalterung

Kupferrohre zur Strahlführung

ZnSe ATR-Prisma

M3 Standbolzen

4-kanaliger Detektor HTS Q21 mit optischen Filtern im Deckel

Lichtquelle MIRL 17-900


4.1.2 Auswahl der optischen Bandpassfilter

Der Prototyp wurde zunächst im Hinblick auf den Nachweis von Zucker und Ethanol in der

Getränkeindustrie ausgelegt. Mögliche Transmissionsbereiche für die optischen Filter

konnten anhand von MIR-ATR-Spektren der in Wasser gelösten Analyten identifiziert werden

(EGLY, 2012, S. 139ff). Der im Prototyp verwendete Vierkanaldetektor (HTS Q21, Heimann

Sensor GmbH, Dresden) ist mit entsprechenden Filtern bestückt. In Tabelle 6 sind die Trans-

missionsbereiche der vier Filter sowie die jeweilige Funktion bei der Analyse aufgeführt. Zur

Bestimmung der Zucker Saccharose, Glucose und Fructose konnten lagerhaltige optische

Bandpässe von Spectrogon AB, Täby, Schweden in Kanal 2 und 4 verwendet werden. Der

Messkanal (Kanal 4) ist nur geringfügig breiter als der vorgeschlagene Bereich zwischen

1160 cm-1 und 1140 cm-1 (EGLY, 2012, S. 142, Bereich 4). Für alle drei Zucker ist nahezu die

gleiche Empfindlichkeit zu erwarten, da sich die Absorptionsspektren in diesem Bereich nur

minimal unterscheiden. Das Filter im Zucker-Referenzkanal (Kanal 2) transmittiert innerhalb

eines zur Untergrundkompensation vorgeschlagenen benachbarten Bereiches von 1290 cm-1

bis 1220 cm-1 (EGLY, 2012, S. 142, Bereich 3). Zur Ethanoldetektion werden Standardfilter aus

der IR-Gasanalytik in den Kanälen 1 und 3 eingesetzt. Der Messkanal 3 liegt am Rand und

teilweise außerhalb des dafür vorgeschlagenen Bereichs von 3000-2951 cm-1 (EGLY, 2012, Abb.

5.23). Dies führt zu einer erhöhten Querempfindlichkeit und verringert die Empfindlichkeit

des Kanals für Ethanol. Ein besser geeignetes Filter war jedoch nicht verfügbar. Zum

vorgeschlagenen Ethanol-Referenzbereich (3050-3006 cm-1) konnte kein lagerhaltiges Filter

gefunden werden. Aus Kostengründen war der Einsatz speziell angefertigter Filter Ethanol-

detektion nicht umsetzbar (ca. 5000 US$ pro Wafer)10. Da aus einem Wafer viele optische

Filter herausgesägt werden können, würden sich die Kosten pro MIR-ATR-Sensor selbst bei

einer kleinen Serie deutlich reduzieren (GEÖRG u. a., 2015, S. 4, 9f).

Tabelle 6: Transmissionsbereiche der im vierkanaligen Thermosäulendetektor Heimann Sensor HTS Q21 eingesetzten optischen Bandpässe.

Kanal Transmissionsbereich

Hersteller, Typ Funktion bei der Getränkeanalyse cm-1 nm

1 2558 ± 29 3910 ± 45 Heimann, Referenz Referenz Ethanol

2 1224 ± 19 8170 ± 125 Spectrogon, NB-8170-250 nm Referenz Zucker

3 2966 ± 18 3372 ± 20 Heimann, HC schmal Messung Ethanol

4 1151 ± 14 8690 ± 107,5 Spectrogon, NB-8690-215 nm Messung Zucker

Die geforderte Genauigkeit in der Getränkeindustrie (z. B. bei Ethanol 0,02 % m/m) ist mit den

gewählten optischen Filtern aufgrund des kleinen Messeffektes nur schwer erreichbar (siehe

4.4). Daher wurde der Prototyp in alternativen Einsatzgebieten wie die Verfolgung chemischer

10 Ein vierkanaliger Thermosäulendetektor kostet inklusive vier Standardfilter aus der IR-Gasanalytik selbst bei einzelner Abnahme weniger als 100 €. Die Filter werden als großflächige Wafer produziert und aus diesen anschließend viele Zuschnitte für einen Detektortyp gefertigt. Dadurch verteilen sich die Produktionskosten der optischen Bandpässe auf viele Detektoren.


und biotechnologischer Prozesse erprobt (Veresterung mit anschließender Destillation; Hefe-

fermentation). Im Gegensatz zur Getränkeindustrie sind bei einer Prozessverfolgung geringere

absolute Genauigkeiten gefordert. Hier kommt es eher darauf an, den Reaktionsfortschritt

beurteilen zu können. Obwohl die vier eingebauten optischen Filter für den spezifischen

Nachweis von Ethanol und Gesamtzucker in der Getränkeindustrie ausgewählt wurden, ist ihr

spektraler Transmissionsbereich günstig für den Einsatz bei einer Vielzahl von chemischen

Reaktionen. So gelang es, die Veresterung von Ameisensäure mit Ethanol zu Ethylformiat plus

Wasser mit anschließender Destillation des Esters zu verfolgen, da die optischen Filter im

Bereich der Absorptionsbanden der einzelnen Analyten liegen (siehe Abbildung 45 in Kapitel

5). Wie in Kapitel 6 gezeigt wird, können mit den gewählten optischen Bandpassfiltern auch

biotechnologische Prozesse wie aerobe Hefefermentationen verfolgt werden. Bei diesem

Beispiel sind die Transmissionsbereiche der Filter geeignet (siehe Abbildung 53), um den

Abbau des Edukts Glucose und den Aufbau des Produkts Ethanol quantitativ zu erfassen.

4.1.3 Aufbau der Elektronik und Leitungsführung

Im Verkabelungsschema (siehe Abbildung 33) sind die Hardwarekomponenten des Proto-

typenaufbaus und deren Kabelverbindungen untereinander dargestellt. Diese Übersicht zeigt,

dass die Sensorsignale außerhalb des Sensorgehäuses mit einer USB-Datenerfassung (USB-

6351 von National Instruments) digitalisiert werden und auch die digitale Signalverarbeitung

extern auf einem PC unter LabVIEW stattfindet. Innerhalb des MIR-ATR-Sensors befinden sich

auf der Platinenversion 5 (Schaltplan und Platinenlayout siehe Anhang B) die Lichtquelle mit

Ansteuerschaltung und der Mehrkanaldetektor mit Signalverstärker. Eine detaillierte

Schaltungsbeschreibung folgt unter 4.1.4 und 4.1.5. Das Hauptaugenmerk der Elektronik-

entwicklung lag auf dem Verstärker für die Detektorsignale, da dessen Auslegung und Aufbau

entscheidend für die Signalqualität und folglich für die Genauigkeit des MIR-ATR-Sensors ist.

Ebenso gibt es – im Gegensatz zum Digitalteil – keinen zum optischen und mechanischen

Aufbau passenden zukaufbaren Analogteil. Dieser muss zwingend selbst entwickelt werden.

Die externe Signalwandlung und -verarbeitung gestattet zudem einen flexiblen und rück-

wirkungsfreien Test des Detektorsignalverstärkers. Bei bereits integriertem A/D-Wandler und

interner Signalverarbeitung auf einem Mikrocontroller wäre dies aufgrund der räumlichen

Nähe des störempfindlichen analogen zum hochfrequenten digitalen Schaltungsteil nur

schwer zu garantieren.

Die Verstärkerelektronik wird aus der Datenerfassung mit +5 V gespeist. Nach der Signal-

belegung in Tabelle 16 im Anhang B ist dies die braune Ader in der Steuerleitung (⑦ in

Abbildung 33 und Abbildung 34) und Pin 10 an den Steckverbindern (① und ⑥). Zum Betrieb

der Lichtquelle wird hingegen eine höhere Spannung und ein höherer Strom benötigt als ihn

die USB-Datenerfassung liefern kann. Daher ist zusätzlich ein +12 V-Netzteil (schwarze Ader,

Pin 1) über 4 mm-Laborbuchsen angeschlossen (⑨).


PCLabVIEW

Netzteil 12V Versorgung

der Lichtquelle

USB-Daten-erfassung

NI USB-6351

MIR-ATR-Sensor

USB

Platine V5mit Lichtquelle und Detektor

10-Pol Micromatch Federleiste auf der Platine, kabelseitig Schneidklemmstecker an 10-Pol Flachbandkabel Raster 1,27 mm von zu (Pins 1 bis 10) Zwillingsleitung mit 2-Pol Steckverbindung vom NTC zu (Pins 11 und 12) Einzelader mit M3 Kabelschuhen verbindet Sensorgehäuse mit Massefläche (V-) der Platine Schraubverbindung des Schirms aus mit Sensorgehäuse über M3 Kabelschuh 12-Pol Gehäusestecker und Kabelbuchse Binder Baureihe 720 Geschirmte Steuerleitung LiYCY, max. Ø 8 mm, 12 Adern je max. 0,25 mm² Kabel zugentlastet und mit Aderendhülsen auf Klemmblock aufgelegt, Schirm an Gehäuselasche 4mm Laborbuchse und -leitung zum Netzteil

NTC

Abbildung 33: Schema der Verkabelung des MIR-ATR-Sensors.

Abbildung 34: Foto der Verkabelung des MIR-ATR-Sensors am Klemmblock der USB-Datenerfassung.

Von großer Bedeutung für die Signalintegrität (Unverfälschtheit der übertragenen Signale)

erwies sich die Leitungsführung. Daher wird diese ausführlich erläutert. Von der Platine führt

das Flachbandkabel (②) die Analogsignale zum 12-poligen Rundsteckverbinder im Sensor-

boden (⑥). Das Sensorgehäuse schirmt äußere Störfelder ab, da es mit dem Schirm der

Steuerleitung verbunden ist (⑤). Eine 1,5 m lange Steuerleitung mit gemeinsamem Schirm

für alle Signaladern verbindet den MIR-ATR-Sensor mit der USB-Datenerfassung. An dieser ist

das Kabel fest montiert und die Adern am Klemmblock der Datenerfassung angeschlossen

(⑧). Die Eingangsimpedanz der USB-Datenerfassung ist mit > 10 GΩ parallel zu 100 pF sehr

⑨ Netzteilanschluss 4 mm Laborbuchsen

⑧ Klemmblock der Datenerfassung, Zugentlastung und Kabelschirm an Gehäuselasche

4x47 kΩ Abschluss der Analogeingänge

⑥ Sensoranschluss 12-Pol Kabelbuchse

⑤ Kabelschirm an M3-Öse

⑦ geschirmte Steuerleitung

Noch ungenutzte Adern (Temperaturmessung)


hoch (NATIONAL INSTRUMENTS, 2015, S. 1). Unsymmetrische Signale wie die Detektorsignale des

MIR-ATR-Sensors können durch die kapazitive Kopplung trotz des gemeinsamen Schirms der

Steuerleitung massiv gestört werden, da die Signale benachbarter Adern übersprechen. So

war zu den Ein- und Ausschaltzeitpunkten der Lichtquelle jeweils eine Störspitze in den

Detektorsignalen nach der Digitalisierung zu beobachten. Diese konnte beseitigt werden

durch Absenken der Eingangsimpedanz der Datenerfassung auf 47 kΩ, indem entsprechende

Widerstände an den Analogeingängen eingebaut wurden (siehe Abbildung 34). Aufgrund des

niedrigen Ausgangswiderstandes von nur wenigen Ohm des zur Detektorsignalverstärkung

eingesetzten Operationsverstärkers AD8606 (ANALOG DEVICES, 2013, Abb. 17) ist dies ohne

weiteres möglich.

Die Führung des Nullpotenzials erwies sich ebenfalls von entscheidender Bedeutung für die

Störfestigkeit gegen äußere elektromagnetische Felder, welche durch startende Leuchtstoff-

röhren oder das Schalten von Lichtschaltern bzw. Relais hervorgerufen werden. Üblicherweise

werden die Bezugspotenziale getrennt voneinander zum A/D-Wandler geführt und dort an

nur einem Punkt verbunden, damit keine ringförmige Strukturen entstehen (wirkt als Ring-

antenne), über die Störfelder eingekoppelt werden können. Die hier realisierte Verbindung

④ zwischen der Massefläche der Platine und dem Sensorgehäuse sollte daher eigentlich

vermieden werden. Allerdings nimmt die Störfestigkeit mit dieser Verbindung signifikant zu.

Dies ist der Fall, weil die 0 V auf der violetten Signalader (Pin 4) nie außerhalb des Schirmes

verläuft und dadurch keine wirksame Ringantenne entsteht. Da der Gehäusestecker aus

Kunststoff das Sensorgehäuse vom Kabelschirm isoliert, muss dieser über eine M3-Öse ⑤ mit

dem Sensorgehäuse verbunden werden. Ebenso muss der Kabelschirm mit dem Gehäuse der

Datenerfassung verbunden sein (⑧). Ohne die durchgängige Schirmung über ④, ⑤ und ⑧

kann der Sensor nicht am Fermenter (siehe Kapitel 6) eingesetzt werden, da an diesem häufig

Relais schalten, deren Abreißfunken erhebliche Störfelder verursachen.

Über die türkise und rosa Ader (Pins 11 und 12) ist die Erfassung der Probentemperatur mit

dem Thermistor (NTC) im Gehäusedeckel sensorseitig vorbereitet. Bei den hier beschriebenen

Anwendungen war die Probentemperatur während der Versuchsdauer konstant und musste

daher nicht zur Driftkompensation erfasst werden. Um mögliche zusätzliche Störpfade zu

vermeiden, wurde daher die Temperaturmessung noch nicht umgesetzt und diese beiden

Adern noch nicht angeschlossen. Aus demselben Grund liegt auch die weiße Ader (Pin 2) frei,

welche zusammen mit dem gemeinsamen Anschluss aller Detektorelemente (Pin 9, rote Ader)

einen NTC im Mehrkanaldetektor kontaktiert. Mit diesem könnte optional die detektorinterne

Temperatur gemessen werden.

4.1.4 Elektronik zur Ansteuerung der Lichtquelle

Die abgestrahlte Intensität der Lichtquelle wird mit 1 Hz moduliert, um mittels FFT (Fast

Fourier Transform) Rauschen, elektromagnetische Einkopplungen und thermisch bedingte

Drifte in den Detektorsignalen kompensieren zu können (siehe 4.1.7). Das Modulationssignal


wird von der USB-Datenerfassung erzeugt und über die graue Signalader/Pin 3 zur Platine

Version 5 als Signal MOD übertragen (siehe Signalbelegung in Tabelle 16 in Anhang B).

Abbildung 35 zeigt den Schaltplan der eingesetzten Ansteuerschaltung (kompletter Schaltplan

und Layout siehe Anhang B).

Abbildung 35: Schaltplan der Lichtquellenansteuerung, IC1: Lichtquelle Typ MIRL17-900 (Vertrieb durch Laser

Components, Olching).

Die Betriebsspannung der Lichtquelle IC1 bei der Nenntemperatur von 750 °C ist abhängig von

der Produktionscharge. Hier sind es 6,1 V bei einer Stromaufnahme von ca. 140 mA. Die

Widerstände R9 und R10 sind so gewählt11, dass der einstellbare Linearregler LD1117ASTR

(IC4) an seinem Ausgang die geforderte Spannung in einem Bereich von 6,125±0,058 V

bereitstellt (STMICROELECTRONICS, 2013, S. 24). Diese mit dem Kondensator C5 gepufferte

Versorgungsspannung wurde etwas oberhalb des Nennwertes der Lichtquelle gewählt, da am

schaltenden Transistor Q1 im leitenden Zustand, also bei eingeschalteter Lichtquelle,

zwischen Drain und Source ca. 35 mV abfallen (FAIRCHILD, 2003, Abb. 1). Sollte die Lichtquelle

erneuert werden, kann durch Verändern von R9 bzw. R10 die Betriebsspannung zwischen

1,25 V und 10 V nach Formel 4-1 angepasst werden (URef = 1,25±0,012 V).

𝑈(C5) = 𝑈Ref ⋅ (1 +

𝑅10

𝑅9) 4-1

Der zum Schalten der Lichtquelle verwendete N-Kanal MOSFET FDV305N (Anreicherungstyp)

besitzt eine Gate-Schwellspannung von ca. 1V und nur ca. 100 pF Gatekapazität. Damit kann

er direkt von einem Push-Pull-Digitalausgang (Mikrocontroller oder Datenerfassung mit 5 V-

oder 3,3 V-High-Pegel) geschaltet werden. R12 sorgt für ein störungsfreies Modulationssignal

am Gate und schützt dieses bei offener MOD-Leitung (graue Ader, Pin 3).

11 Wie alle auf der Platine eingesetzten Widerstände sind es Werte der E12-Reihe im SMD-Gehäuse 0805 in Dickschichttechnologie mit einer Nennleistung von 125 mW.


4.1.5 Elektronik zur Detektorsignalverstärkung

Auswahl des Detektors

Im MIR-ATR-Sensor wird ein miniaturisierter Mehrkanaldetektor mit integrierten optischen

Filtern eingesetzt. Die einzelnen Detektorelemente solcher Detektoren liegen nahe bei-

einander. Somit können alle Kanäle von der MIR-ATR-Optik (siehe 4.1.1) bestrahlt werden,

obwohl der gewählte Aufbau der Optik ohne Spiegel und Linsen detektorseitig nur eine kleine

Fläche ausleuchtet. Miniaturisierte thermische Mehrkanaldetektoren werden von InfraTec

GmbH (Dresden), Micro Hybrid Electronic GmbH (Hermsdorf), Heimann Sensor GmbH

(Dresden), Excelitas Technologies Corp. (Waltham, USA) und anderen Herstellern im TO-5,

TO-8 oder TO-39-Gehäuse angeboten. Bei einer Marktrecherche zu Beginn der Elektronik-

entwicklung bot die Heimann Sensor GmbH insgesamt die besten Konditionen (kurze Liefer-

zeiten, mögliches Zuschneiden und Einbau beigestellter optischer Filter sowie gutes Preis-

Leistungs-Verhältnis). Daher wird im Prototyp der vierkanalige Thermosäulendetektor

HTS Q21 der Heimann Sensor GmbH eingesetzt (HEIMANN SENSOR, 2008b).

Ersatzschaltbild des Thermosäulendetektors und Abschätzung der Signalstärke

Das einfallende Licht wird jeweils von einer auf den Detektorelementen aufgebrachten

„Schwarzschicht“ absorbiert und die Temperaturdifferenz dieser Oberfläche zur Temperatur

des Detektorgehäuses in ein elektrisches Signal gewandelt. Der hierfür genutzte thermo-

elektrische Effekt ist vergleichsweise klein (siehe 2.2.1). Daher werden viele Thermoelemente

zu einer Thermosäule (engl. thermopile) in Reihe geschaltet. Die Spannungen der einzelnen

Thermoelemente summieren sich dadurch zu einer höheren Gesamt-Thermospannung. Zur

Entwicklung eines passenden Signalverstärkers kann das elektrotechnische Ersatzschaltbild

einer realen Spannungsquelle (ideale Spannungsquelle mit Widerstand in Reihe) verwendet

werden, wie der Ausschnitt aus dem Datenblatt des verwendeten vierkanaligen Detektors

HTS Q21 in Abbildung 36 zeigt.

Abbildung 36: Ersatzschaltbild und Pinbelegung des Vierkanaldetektors HTS Q21 mit internem NTC-

Temperatursensor (Thermistor) (HEIMANN SENSOR, 2008b).

Dabei entspricht der Widerstand dem Innenwiderstand der Thermosäule (hier 84 kΩ (HEIMANN

SENSOR, 2008b)) und die Spannungsquelle der zu erwartenden Thermospannung über der


Thermosäule. Diese ergibt sich aus der Empfindlichkeit des Detektorelements (siehe Daten-

blatt) und der einfallenden Lichtintensität. Letztere hängt von vielen Faktoren ab12 und ist

daher nicht ohne Weiteres aus dem optischen und mechanischen Aufbau ableitbar. Die zu

erwartende Thermospannung wurde deshalb nicht anhand des Sensoraufbaus theoretisch

ermittelt, sondern auf anderem Weg abgeschätzt: In IR-Gasanalysatoren werden die gleichen

Detektoren und Lichtquellen an einer Transmissionsküvette verbaut. Üblicherweise beträgt

der Verstärkungsfaktor des Signalverstärkers in diesen Geräten ca. 1000 V/V (LASER

COMPONENTS, 2016; MICRO-HYBRID, 2013). Die auftretende Thermospannung dürfte daher im

Bereich von 100 µV bis 1 mV liegen, damit nach dem Verstärker ein zur weiteren Signal-

verarbeitung geeigneter Pegel von 0,1-1,0 V zur Verfügung steht13. Beim MIR-ATR-Sensor

bestehen Verlustfaktoren in der Optik, die bei einer Transmissionsküvette nicht auftreten (z. B.

Reflexionsverluste an den Grenzflächen zum ATR-Prisma). Im Vergleich zu einer Trans-

missionsküvette in einem IR-Gasanalysator sollte sich daher beim MIR-ATR-Sensor am

Detektor eine um bis zu einer Größenordnung kleinere Lichtintensität einstellen. Folglich sind

Thermospannungen von 10-100 µV zu erwarten. Für die Entwicklung der Verstärkerschaltung

wurde der nach den vorigen Annahmen ungünstigste Fall von 10 µV Thermospannung

verwendet. Demnach muss ein Verstärkungsfaktor von ca. 104 V/V realisiert werden, um am

Ausgang des Signalverstärkers einen Pegel von ca. 100 mV zu erhalten.

Aufbau der Signalverstärkerschaltung als stromgesteuerte Spannungsquelle

Zur Signalverstärkung der Thermospannung eines Thermosäulendetektors werden in der

Regel Verstärkerschaltungen mit einer hohen Spannungsverstärkung eingesetzt (siehe oben).

Dieses Konzept ist jedoch mit vielen Nachteilen verbunden (Details hierzu unter 4.1.6

Bewertung herkömmlicher Detektorsignalverstärker). Für den MIR-ATR-Sensor wurde daher

ein vom üblichen Aufbau abweichender Signalverstärker (Transimpedanzverstärker)

entwickelt, der auf der Platinenversion 5 im Prototypsensor eingesetzt wird (Schaltplan und

Layout siehe Anhang B).

Bei der Inbetriebnahme erster Testschaltungen (Versionen 1…3, ohne Abbildung) zeigte sich,

dass eine störfeste Anbindung des Detektors an den Signalverstärker von besonders hoher

12 Unter anderem müssen der durch die Geometrie der Optik bedingte Strahlengang, die Temperatur, Fläche und Abstrahlcharakteristik der Lichtquelle, die Transmission der im Gehäusedeckel des Mehrkanaldetektors eingebauten optischen Filter und die Transmission und die Reflexionsverluste des ATR-Prismas berücksichtigt werden. 13 Die Thermospannung liegt auch bei der berührungslosen Temperaturmessung mittels Thermosäulendetektor in der hier angenommenen Größenordnung (ANALOG DEVICES, 2014, S. 18). Die zu bestimmende Objekttemperatur ist zwar üblicherweise niedriger als die der Lichtquelle in einem IR-Gasanalysator. Dafür werden spektral breit-bandige Fenster anstatt schmaler optischer Bandpässe in den Detektoren eingesetzt. Die IR-Strahlung dürfte daher bei beiden Anwendungen am Detektorelement eine vergleichbare Intensität besitzen. Folglich sollten die Thermospannungen ebenfalls ähnlich groß sein. Dies bestätigt die Annahme einer Thermospannung von 0,1-1,0 mV bei IR-Gasanalysatoren.


Bedeutung ist, damit das äußerst kleine Detektorsignal unverfälscht erfasst wird. Per Strom-

pegel übertragene Signale sind deutlich weniger anfällig für Einkopplungen als Spannungs-

signale. Vom Signalverstärker wird daher nicht die Thermospannung 𝑈therm hochohmig

abgegriffen, sondern der Thermostrom 𝐼therm des Detektors von einem Transimpedanz-

verstärker (TIA: Transimpedance Amplifier) im Kurzschluss erfasst. Da der Detektor im elektro-

technischen Ersatzschaltbild (siehe Abbildung 36) als reale Spannungsquelle mit der Leerlauf-

spannung 𝑈therm ≈ 10 µV und dem Innenwiderstand 𝑅therm = 84 kΩ dargestellt wird (siehe

voriger Abschnitt), kann er äquivalent auch als reale Stromquelle mit dem Kurzschlussstrom

𝐼therm =𝑈therm

𝑅therm≈ 120 pA beschrieben werden (TIETZE & SCHENK, 2002, S. 1546). Die Grund-

schaltung eines TIAs (auch Strom-Spannungs-Konverter oder stromgesteuerte Spannungs-

quelle) ist in Abbildung 37 dargestellt. Die (ideale) Übertragungsfunktion beschreibt Formel

4-2 (SIEGL & ZOCHER, 2014, S. 512f; TIETZE & SCHENK, 2002, S. 794f, 1170f):

𝑈𝑎 = −𝑅1 ⋅ 𝐼in 4-2

In Verstärkerschaltungen regelt der Operationsverstärker (OPV) die Spannung zwischen dem

invertierenden und nicht invertierenden Eingang zu Null (ideal betrachtet). Die Stromquelle

𝐼in nimmt daher ebenfalls 0 V an und treibt ihren Strom gegen einen Kurzschluss.

Abbildung 37: Grundschaltung eines Transimpedanzverstärkers.

Die Verstärkung eines TIAs wird bestimmt durch den zur Rückkopplung verwendeten

Widerstand 𝑅1. Es soll eine Ausgangsspannung von 𝑈𝑎 = 100 mV aus den 𝐼therm ≈ 120 pA

Thermostrom resultieren. Dies entspricht der im vorigen Abschnitt als notwendig

abgeschätzten Thermospannungsverstärkung von 104 V/V. Der Rückkoppelwiderstand muss

daher 𝑅1 =𝑈𝑎

𝐼therm≈ 840 MΩ betragen. Solch große Widerstandswerte sind z. B. als SMD-

Chipwiderstände (z. B. HVF2512T1007FE 1 GΩ im Gehäuse 2512 von OHMITE (Warrenville, IL,

USA), Vertrieb Farnell (Aschheim)) erhältlich. Es wäre demnach möglich, den TIA nach

Abbildung 37 kompakt als Grundschaltung aufzubauen. Die Rückkopplung wäre dann

aufgrund des sehr hohen Widerstandswertes jedoch ein störempfindlicher Pfad. Dies sollte

mit dem Aufbau des Signalverstärkers als TIA eigentlich vermieden werden.

Verbesserung der Störfestigkeit durch sternförmiges Rückkoppelnetzwerk

Mit Hilfe eines sternförmiges Rückkoppelnetzwerkes (siehe Abbildung 38 links) anstatt eines

einzelnen Widerstandes können um Größenordnungen kleinere Widerstandswerte


verwendet werden, ohne den Verstärkungsfaktor (Transimpedanz) zu reduzieren. Die Über-

tragungsfunktion ist nicht direkt aus dem Schaltplan ersichtlich. Mittels Stern-Dreieck-

Transformation (WEIßGERBER, 2015, S. 15) kann jedoch eine äquivalente Schaltung gezeichnet

werden, die einfacher zu interpretieren ist (Abbildung 38 rechts).

Abbildung 38: Transimpedanzverstärker mit sternförmigem Rückkoppelnetzwerk (links) und dazu äquivalente

Dreieckschaltung (rechts).

Der Widerstand 𝑅𝑏𝑐 der transformierten Schaltung belastet lediglich den OPV-Ausgang und

hat daher (ideal betrachtet) keinen Einfluss auf die Übertragungsfunktion der Schaltung. 𝑅𝑎𝑐

liegt parallel zum Sensor am Verstärkereingang. Da der OPV die Eingangsspannung jedoch zu

Null regelt, ist 𝑅𝑎𝑐 ebenfalls irrelevant. 𝑅𝑎𝑐 und 𝑅𝑏𝑐 können daher ohne Änderung der

Funktion der Schaltung entfernt bzw. zu unendlich angenommen werden. 𝑅𝑎𝑏 hingegen

befindet sich im Rückkoppelpfad und stellt die Transimpedanz der Verstärkerschaltung dar.

Zur Auslegung des ursprünglich sternförmigen Rückkoppelnetzwerkes muss daher lediglich

𝑅𝑎𝑏 gemäß Stern-Dreieck-Transformation nach Formel 4-3 berücksichtigt werden.

𝑅𝑎𝑏 =

𝑅𝑎𝑅𝑏 + 𝑅𝑏𝑅𝑐 + 𝑅𝑐𝑅𝑎

𝑅𝑐 4-3

Mit 𝑅𝑎 = 𝑅𝑏 = 10 MΩ und 𝑅𝑐 = 100 kΩ ergibt sich 𝑅𝑎𝑏 = 1,02 GΩ . Die benötigte Trans-

impedanz von ca. 840 MΩ kann folglich mit einem um zwei Größenordnungen nieder-

ohmigeren Rückkoppelnetzwerk realisiert werden. Dies erhöht die Störfestigkeit des

Detektorsignalverstärkers deutlich.

Einsatz der Verstärkerschaltung im MIR-ATR-Sensor

Auf der im Prototypsensor verwendeten Platinenversion 5 wird eine nach der obigen

Auslegung erstellte Verstärkerschaltung zur Detektorsignalverstärkung eingesetzt (Simulation,

Schaltplan und Layout siehe Anhang B). Der OPV AD8606 von Analog Devices (Norwood, MA,

USA) wird verwendet, da er eine niedrige Offset-Spannung, kleine Eingangsströme und ein

kleines Eingangsstromrauschen besitzt und somit die für einen TIA notwendigen Parameter

bietet (ANALOG DEVICES, 2013, S. 19). Mit der realisierten Transimpedanz von 1,02 GOhm

konnte ein einstufiger Verstärker realisiert werden, der einem Spannungsverstärker mit

Verstärkungsfaktor 𝑅𝑎𝑏

𝑅therm= 1,21 ⋅ 104 V/V entspricht (vgl. Abbildung 38 rechts). Diesen

Verstärkungsfaktor ermittelte ebenso die AC-Kleinsignalsimulation des TIAs (siehe Abbildung


57 in Anhang B). Die obige Analyse der idealisierten Schaltung ist demnach auch für die reale

Schaltung gültig. Im Vergleich zu einer Testschaltung, welche das Detektorsignal auf die

herkömmliche Weise verstärkt (siehe folgendes Kapitel), konnte eine deutlich bessere Signal-

qualität erreicht werden.

4.1.6 Bewertung herkömmlicher Detektorsignalverstärker

Zur Verstärkung des Signals eines Thermosäulendetektors wird üblicherweise ein Spannungs-

verstärker eingesetzt (LASER COMPONENTS, 2016; MICRO-HYBRID, 2013). Die kleine Thermo-

spannung von unter 1 mV (siehe vorheriger Abschnitt) bedingt einen hohen Verstärkungs-

faktor. Geeignete Operationsverstärker (OPVs) müssen daher einen sehr kleinen Offset-Fehler

und eine minimale Offset-Drift aufweisen. Entsprechende Typen werden von den Halbleiter-

herstellern unter den Marketingbezeichnungen „Auto-Zero“, „Zero-Drift“ oder „Chopper

stabilized“ angeboten, z. B. LTC2050 von Linear Technologies (Milpitas, CA, USA), AD8628 von

Analog Devices (Norwood, MA, USA) oder OPA335 von Texas Instruments (Dallas, TX, USA).

Typischerweise beträgt deren Offsetspannung deutlich weniger als 10 µV und die Offset-Drift

liegt unter 0,05 µV K-1. Dieser minimale Offset-Fehler wird durch einen automatischen

internen Nullabgleich ermöglicht. Das 1 𝑓⁄ -Rauschen von OPVs, welches in der Regel die

Genauigkeit von Verstärkerschaltungen unterhalb von 10 Hz begrenzt, wird dadurch ebenfalls

unterdrückt. Für die Verstärkung der sich nur langsamen ändernden Thermospannungen ist

dies von Vorteil. Die Minimierung des Offsetfehlers führt zu einem relativ niedrigen

Verstärkungsfaktor-Bandbreite-Produkt (GBW: Gain-Bandwidth-Product) des OPVs von

ca. 1-3 MHz. Eine 1000-fache Spannungsverstärkung kann dadurch lediglich mit einer

Bandbreite von 1-3 kHz realisiert werden. Dies genügt jedoch für die – wegen der thermischen

Strahlungsdetektion (siehe 2.2.1) – trägen Thermosäulendetektoren.

Abbildung 39: Beispielschaltung eines Verstärkers für einen Thermosäulendetektor mit 1001-facher

Vorverstärkung und 11-facher Nachverstärkung des Wechselanteils (ANALOG DEVICES, 2014, S.

18).

Die Verstärkung der Thermospannung einer Thermosäule ist für Zero-Drift-OPVs eine typische

Anwendung, daher sind in den Datenblättern entsprechende Beispielschaltungen enthalten.

Abbildung 39 zeigt einen solchen vorgeschlagenen zweistufigen Verstärker mit einer Gesamt-

verstärkung von ca. 11.000 V/V. Eine Testschaltung für den verwendeten Vierkanaldetektor

HTS Q21 wurde in dieser herkömmlichen Topologie realisiert (Simulation, Schaltplan und


Layout Version 6 in Anhang B)14. Folgende Schaltungseigenschaften fielen beim Erstellen des

Layouts und der Inbetriebnahme nachteilig (gegenüber der Version 5) im Hinblick auf den

Einsatz im MIR-ATR-Sensor auf:

- Die Spannungsverstärkung der ersten Stufe ist mit 1001 V/V trotz des minimalen

Offset-Fehlers des Zero-Drift-OPVs bereits grenzwertig hoch für den unsymmetrischen

Schaltungsaufbau. Bei höherer Vorverstärkung würde das Verhalten der Schaltung

maßgeblich von den Fehlern des OPVs und damit von dessen Produktionscharge

abhängen. Um den notwendigen Verstärkungsfaktor von ca. 104 V/V zu erreichen

(siehe 4.1.5), ist der zweistufige Aufbau mit Nachverstärkung des Wechselanteils

notwendig. Aufgrund des begrenzten Bauraums im Sensorgehäuse wäre eine

einstufige Lösung jedoch wünschenswert.

- Wegen der kleinen Signalfrequenzen ist eine relativ große Koppelkapazität zwischen

den Verstärkerstufen notwendig. Kompakte SMD-Keramikkondensatoren (SMD:

Surface Mounted Device) in MLCC-Technologie (MLCC: Multi Layer Chip Capacitor)

können dafür nicht eingesetzt werden, da deren Kapazitätswerte stark alters-,

spannungs-, frequenz- und temperaturabhängig sind. Andere geeignete Kondensator-

typen wie der in der Testschaltung eingesetzte 6,8 µF THT-Folienkondesator

MKS2B046801M00 der Wima GmbH, Mannheim (THT: Through Hole Technology)

bieten zwar die benötigte Stabilität der Kapazität, stehen jedoch durch ihr großes

Volumen (hier LxBxH 7,2x16x11 mm) einer Miniaturisierung der Verstärkerelektronik

im Weg.

- Der Abgriff der Thermospannung erfolgt sehr hochohmig mit dem nicht invertierenden

Eingang des OPVs. Aufgrund des kleinen Signals sollte die Leitungslänge daher nur

wenige Millimeter betragen, um Einkoppelpfade zu minimieren. Bei dem gewählten

Vierkanaldetektor ist dies aus Platzgründen allerdings kaum zu gewährleisten (siehe

Layout der Detektorschaltung in Abbildung 65 im Anhang B). Der Verstärker ist

dadurch störanfällig.

- Die Störfestigkeit wäre höher bei einem symmetrischen Signalabgriff und dem dazu

passenden Aufbau der Verstärkerschaltung als Differenzverstärker. Der gewählte

Mehrkanaldetektor führt jedoch jeweils einen Anschluss der Detektorelemente und

einen Anschluss des internen Thermistors am Gehäusepin zusammen (siehe Abbildung

35). Dadurch ist keine symmetrische Leitungsführung möglich. Ein Differenzverstärker

wäre dadurch nur unnötig komplex ohne Gewinn an Signalqualität.

Insgesamt war die Signalqualität der Testschaltung Version 6 nicht zufriedenstellend. Daher

wurde für den MIR-ATR-Sensor das im vorigen Abschnitt 4.1.5 beschriebene alternative

Verstärkerkonzept entworfen und umgesetzt.

14 Der OPV AD8629 mit 100 pA Eingangs-Bias-Strom wurde ersetzt durch den AD8554 mit 20 pA Eingangs-Bias-Strom und sonst nahezu identischen Parametern (ANALOG DEVICES, 2015).


4.1.7 Software, Datenerfassung und Signalverarbeitung

Die analogen Ausgangssignale des MIR-ATR-Sensors werden mit einer USB-Datenerfassung

(NI-6351) digitalisiert und anschließend unter LabVIEW verarbeitet (siehe Aufbau der Sensor-

elektronik unter 4.1.3 und Signalbelegung in Tabelle 16 im Anhang B). Das hierfür entwickelte

Programm ATR_Photometer (siehe Abbildung 40) zeigt die gemessenen Intensitäten und

Extinktionen in den Sensorkanälen an. Der Verlauf der Extinktion kann zudem in einer TDMS-

Datei aufgezeichnet werden (zum TDMS-Dateiformat siehe 3.3.3). Darüber hinaus wird das

Modulationssignal für die Lichtquelle (graue Ader im Kabel zum Sensor) und die am

gemeinsamen Pin des Detektors angelegte Gleichtaktspannung (rote Ader) erzeugt.

Abbildung 40: Bildschirmfoto des LabVIEW-Programms ATR_Photometer.

Vor dem Start des VIs15 muss die Länge des als FIFO (first in, first out) organisierten Signal-

puffers in Sekunden gewählt werden. Sie legt die Ansprechzeit des Sensors fest. 10 s sollten

nicht unter- und 1000 s nicht überschritten werden. Beim Einsatz des Sensors zur Verfolgung

der Veresterung mit anschließender Destillation (siehe Kapitel 5) erwies sich eine Pufferlänge

von 30 s als adäquat. Dagegen mussten bei der Hefefermentation (siehe Kapitel 6) mussten

wegen der kleinen Signale (Absorptionen) 300 s gewählt werden. Ein längerer Signalpuffer

erhöht die Trägheit des MIR-ATR-Sensors, führt jedoch im Gegenzug zu einer besseren Rausch-

und Störunterdrückung und damit zu einer höheren Genauigkeit des Sensors.

Nach dem Ausführen des VIs startet zunächst die Ausgabe des 1 Hz-Modulationssignals.

Hierfür wird der Ausgang des Timers 0 der Datenerfassung verwendet (CTR 0 OUT), der

standardmäßig dem Digitalpin PFI 12 (Pin 89 am Klemmblock der USB-6351) zugewiesen ist

15 Unter der LabVIEW-Entwicklungsumgebung in der grafischen Programmiersprache „G“ erstellte Programme werden als Virtuelle Instrumente (VIs) bezeichnet. Sie enthalten eine Bedienoberfläche (Frontpanel) und den grafischen Programmcode in einem Blockdiagramm.

Extinktionsverlauf

Intensitätsverlauf

Aktuelle Extinktion und Intensität sowie Referenzintensität

Programmende

Gleichtakt-spannung

Länge des Signalpuffers

Gepufferte Sensorsignale

Referenzintensität messen,

Aufzeichung starten


(NATIONAL INSTRUMENTS, 2015, S. 171). Bei dieser Art der Frequenzerzeugung wird der Timer

einmal zum Programmstart konfiguriert und erzeugt das Modulationssignal anschließend

selbstständig, ohne dass Eingriffe des Host-PCs nötig sind. Die Bus-Kapazität zur USB-

Datenerfassung und die Rechenleistung des PCs stehen damit komplett zur Signal-

erfassung, -verarbeitung und für die Bedienoberfläche zur Verfügung. Die Modulations-

frequenz von 1 Hz wurde gewählt, um die volle Modulationstiefe der Lichtquelle nutzen zu

können und Signale oberhalb der Grenzfrequenz des Detektors von 8,8 Hz zu vermeiden.

Der Eingangsspannungsbereich des 16 Bit A/D-Wandlers wurde mit -5 V bis +5 V passend zur

Verstärkerelektronik gewählt. Die Rate der kontinuierlichen Signalabtastung wird abhängig

von der gewählten Signalpufferlänge so eingestellt, dass pro Detektorkanal 300.000 Abtast-

werte gepuffert werden. Bei einer Pufferlänge von 30 s beträgt die Abtastrate daher 10 kHz,

bei 300 s langem Zwischenspeichern 1 kHz. Insgesamt werden 1,2 Millionen 16 Bit-Werte für

alle vier Kanäle zur Weiterverarbeitung vorgehalten. Der FIFO-Puffer wird jede Sekunde

aktualisiert und die Signalintensität in den vier Kanälen per FFT (Fast Fourier Transform)

ermittelt. Die hierfür benötigte Rechenzeit steigt mit der Anzahl der verrechneten Abtast-

werte. Das Festlegen des Signalpuffers auf 300.000 Abtastwerte pro Kanal stellt sicher, dass

die Demodulation auch ohne High-End-PC in maximal 0,5 s erfolgen kann – unabhängig von

der zeitlichen Länge des Signalpuffers. Dies beugt Timingproblemen vor und führt zu einem

möglichst hohen Oversamplingfaktor bei konfigurationsunabhängiger Rechenlast.

Die gepufferten Detektorsignale werden auf dem Frontpanel angezeigt (siehe Abbildung 40).

Mit der einstellbaren Gleichtaktspannung kann der Offset der Detektorsignale verändert

werden, wenn ein Signal die Stellgrenzen der Verstärkerschaltung von 0 V oder +5 V erreicht.

Während der gesamten Erprobung des MIR-ATR-Sensors war es allerdings nicht erforderlich,

einen anderen Wert als +3,0 V einzustellen. Die Ausgabe über den Analogausgang 0 (AO 0,

Klemmblockpin 15) erfolgt asynchron nach Anforderung (bei Programmstart und nach einer

Wertänderung), um den Bus zur Datenerfassung nicht unnötig zu belegen.

Die Extinktionen und deren Verlauf werden berechnet, sobald die Referenzintensität durch

Klick auf einen der beiden dafür vorgesehenen Buttons gemessen wurde. Der untere Button

startet mit der Referenzmessung auch die Aufzeichnung in eine TDMS-Datei, deren Dateiname

im Anzeigeelement LogFile eingetragen wird. Eine erneute Referenzmessung wird bei Start

der Aufzeichnung durch Deaktivierung beider Buttons verhindert. Mit Klick auf den STOPP-

Button endet das Programm.

4.2 Vergleich der Sensorsignale während einer Veresterung mit

anschließender Destillation mit einer Simulation

Auf Basis der MIR-ATR-Spektren des Referenzgerätes (FT-MIR-ATR-Spektrometer Alpha von

Bruker Optik GmbH, Ettlingen) können die Signale des MIR-ATR-Sensors simuliert werden,

wenn mit beiden Geräten dieselben Proben vermessen werden. Ein anschließender Vergleich


von simulierten und realen Sensorsignalen sollte die erwartungsgemäße Funktion des Sensors

bestätigen. Die zur Sensorsignalsimulation ausgearbeitete Methode und programmierte

Software ist unter Kapitel 3.3 beschrieben.

Die ATR-Messzellen beider Geräte besitzen dieselben für die Eindringtiefe (siehe Formel 2-4)

maßgeblichen Parameter (𝑁 = 1 Reflexionsstelle an der Grenzfläche zur Probe, Einfallswinkel

𝛽 = 45°, Brechungsindex des ZnSe- bzw. Diamant-Prismas 𝑛𝑝 = 2,4). Daraus ergibt sich die

gleiche optische Schichtdicke (siehe Formel 2-5). Nach Formel 3-2 kann damit das Signal eines

Sensorkanals anhand der mittleren Extinktion von MIR-ATR-Spektren im Transmissionsbereich

des im Sensorkanal eingesetzten optischen Filters näherungsweise simuliert werden. Eine

Schichtdickenkorrektur (siehe Formel 3-3) ist nicht erforderlich.

Abbildung 41 zeigt die Signale des MIR-ATR-Sensors (durchgezogene Linie) während Lauf 7 der

Veresterung mit anschließender Destillation (siehe Kapitel 5). Darüber hinaus sind die

simulierten Sensorsignale (gestrichelte Linie) eingezeichnet, welche auf die oben

beschriebene Weise erstellt wurden. Beide Geräte erfassten in einer Probenschleife simultan

dieselben Proben im Durchfluss.

Abbildung 41: Signale des MIR-ATR-Sensors und zugehörige Simulation auf Basis der MIR-ATR-Spektren

während Lauf 7 der Veresterung und Destillation.

Anhand der dargestellten Verläufe ist zu erkennen, dass für alle vier Kanäle die simulierten

Signale qualitativ den realen Sensorsignalen entsprechen:

0,0

0,1

0,2

0,3

-0,1 0,4 0,9 1,4 1,9 2,4

Exti

nkt

ion

Sen

sor/

Sim

. Sen

sor

Lau

f 7

Versuchsdauer / h

Kanal 1 Kanal 2 Kanal 3 Kanal 4

Sim Kanal 1 Sim Kanal 2 Sim Kanal 3 Sim Kanal 4


- Die Extinktion nimmt in allen Kanälen bei der Zugabe der Ameisensäure zum

Versuchsstart (𝑡 = 0 h) stark zu.

- Während der Veresterung (0-1,8 h) fallen Kanal 1 und Kanal 3 deutlich ab, Kanal 2

steigt leicht an, Kanal 4 steigt deutlich an.

- Während der Destillation (ab 1,8 h) steigen die Kanäle 1-3 deutlich an, Kanal 4 fällt

leicht ab.

Damit spiegelt die Simulation das Sensorverhalten qualitativ wider. Dies bestätigt die korrekte

Funktion des Sensorprototyps, obgleich die absolute Höhe der einzelnen Kanäle z. T. erheblich

von der Simulation abweicht. Zurückzuführen ist dies u. a. auf die nicht berücksichtigten

Unterschiede in der Elektronik und Signalverarbeitung einerseits und auf die nur näherungs-

weise Simulation der Sensorsignale andererseits. Dies liegt z. B. daran, dass die spektrale

Verteilung der Transmission der optischen Bandpässe in den Sensorkanälen bei der

Simulationsrechnung nicht exakt berücksichtigt (siehe Abbildung 15) wird. Dadurch ergeben

sich für die Kanäle 2 und 4, welche im Bereich steiler Flanken der Absorptionsbanden von

Ethylformiat und Ameisensäure liegen (siehe Abbildung 45 und Abbildung 10), deutlich

größere Abweichungen zwischen der Simulation und dem realen Sensorverhalten als für die

Kanäle 1 und 3, bei denen die Probenabsorption innerhalb der Filtertransmission flacher

verläuft.

Über den Nachweis der korrekten Funktionsweise des Sensorprotyps hinaus bestätigt der

vorige Vergleich die entwickelte Simulation auf Basis von MIR-ATR-Spektren zudem als

qualitativ begründet. Somit können optische Bandpässe schon vor dem Bau eines Prototyps

auf ihre Eignung für eine bestimmte Messaufgabe hin überprüft werden. Im Rahmen der

beiden Prozessverfolgungen (siehe Kapitel 5 und 6) konnten somit jeweils optimale Filter-

transmissionsbereiche zur weiteren Verbesserung des MIR-ATR-Sensors gefunden werden

(siehe 5.3 und 6.3).

4.3 Wiederholbarkeit der Sensorsignale

Die korrekte Funktionsweise des Prototyps wurde im vorigen Kapitel anhand der Verfolgung

der Veresterung mit anschließender Destillation gezeigt. Dafür wurden die gemessenen

Sensorsignale aus lediglich einem Versuchsdurchlauf herangezogen. Es ist jedoch ebenso von

großer Wichtigkeit, dass sich das Ansprechverhalten des MIR-ATR-Sensors über einen langen

Zeitraum und viele Prozessdurchgänge hinweg nicht ändert. Daher wird im Folgenden die

Wiederholbarkeit der Sensorsignale anhand aller sieben durchgeführten Veresterungen mit

anschließender Destillation überprüft.

Der Sensorkanal 3 verfügt aufgrund des schmalen Transmissionsbereiches des optischen

Bandpasses von nur 40 nm (siehe Tabelle 6) über den geringsten Störabstand der vier

Sensorkanäle. Eine eingeschränkte Reproduzierbarkeit der Signale des MIR-ATR-Sensors

aufgrund von Drifts oder äußeren Störeinflüssen ließe sich in diesem Kanal daher zuerst


beobachten. Deshalb sind die Signale von Kanal 3 aus allen sieben Läufen der Veresterung mit

anschließender Destillation in Abbildung 42 dargestellt.

Abbildung 42: Signalverläufe des Kanals 3 des MIR-ATR-Sensors während der Veresterung und Destillation.

Die gute Reproduzierbarkeit der Sensorsignale lässt sich anhand vieler Ähnlichkeiten zwischen

den Läufen belegen:

- Vor Versuchsbeginn (𝑡 < 0 h) befindet sich lediglich Ethanol 96% V/V in der Apparatur.

Bei allen Läufen beträgt die Signalhöhe in Kanal 3 hierbei 60-65 Milliextinktionen

(mExt).

- Die Zugabe der Ameisensäure (𝑡 = 0 h) führt zu einem reproduzierbaren sprunghaften

Anstieg auf 90-92 mExt.

- Während der anschließenden Veresterungsreaktion bis ins Gleichgewicht fällt Kanal 3

wiederum auf 62-65 mExt ab. Die Reaktionsgeschwindigkeit variiert zwischen den

Durchgängen, weshalb dieser Wert zu unterschiedlichen Zeiten erreicht wird (nach

1,0-2,5 h).

- Mit der Destillation wurde daher zu unterschiedlichen Zeitpunkten begonnen. Dies hat

zur Folge, dass der durch die Destillation des Esters verursachte erneute Signalanstieg

zwischen den Läufen zeitlich verschoben ist. Nach der Destillation werden stets

90-92 mExt erreicht.

Die Unterschiede in der absoluten Signalhöhe zwischen den Läufen betragen damit maximal

0,005 Extinktionen. Dies gilt auch für die übrigen Kanäle 1, 2 und 4 (siehe Abbildung 66 und

0,00

0,02

0,04

0,06

0,08

0,10

-0,1 0,4 0,9 1,4 1,9 2,4 2,9

Sen

sor

Exti

nkt

ion

Kan

al 3

Versuchsdauer / h

Kanal 3 Lauf 1

Kanal 3 Lauf 2

Kanal 3 Lauf 3

Kanal 3 Lauf 4

Kanal 3 Lauf 5

Kanal 3 Lauf 6

Kanal 3 Lauf 7


Abbildung 67 in Anhang C). Dahingegen beträgt die Signaländerung aufgrund von Konzen-

trationsänderungen ca. 0,06 in Kanal 1, ca. 0,03 in Kanal 3 und ca. 0,19 in Kanal 2 und 4. Selbst

im Kanal mit dem kleinsten Messeffekt (Kanal 3) liegt damit die Unsicherheit zwischen den

Läufen etwa eine Größenordnung unterhalb der wiederholbaren Signaländerung während des

Versuchs. Auch bei Messungen mit dem MIR-ATR-Spektrometer schwankt die Basislinie

üblicherweise um einige Milliextinktionen zwischen den Versuchsdurchgängen. Die

Reproduzierbarkeit der Signale des MIR-ATR-Sensors ist damit ähnlich gut wie die des

Referenzgerätes.

4.4 Vergleich des Messeffektes für Glucose und Ethanol mit einer Simulation

Unter 4.2 wurde das Ansprechverhalten des MIR-ATR-Sensors für Gemische aus Ethanol,

Ameisensäure, Ethylformiat und Wasser bereits qualitativ bestätigt. Hierbei wurden Mess-

daten aus der Prozessverfolgung der Veresterung mit anschließender Destillation verwendet,

da Mischungen aus den Analyten reaktiv sind und die Präparation von definierten Konzen-

trationen daher schwierig ist (siehe 3.1.3). Die zur Verfolgung der Hefefermentation

relevanten Analyten Ethanol und Glucose reagieren nicht miteinander und können daher

problemlos in Wasser als Matrix vermessen werden. Hierzu wurde jeweils eine Verdünnungs-

reihe von Glucose bzw. Ethanol im zur Prozessverfolgung relevanten Konzentrationsbereich

(0-50 g L-1 Ethanol, 0-150 g L-1 Glucose) vom MIR-ATR-Sensor und vom Referenzgerät (FT-MIR-

ATR-Spektrometer) vermessen. Anhand der Spektren wurden die Sensorsignale simuliert (vgl.

4.2). Diese sind in Abhängigkeit der eingewogenen Analytkonzentration in Abbildung 43

dargestellt, wobei der Wasseroffset (mehrere 10 Milliextinktionen) in jedem Kanal subtrahiert

wurde, damit der kleine Messeffekt deutlicher zu erkennen ist. Bis auf einen Ausreißer bei

35 g L-1 Ethanol liegen alle Messpunkte nahe bei einer Regressionsgeraden durch den

Ursprung. Somit folgt die simulierte photometrische Absorptionsmessung erwartungsgemäß

dem LAMBERT-BEERschen Gesetz (siehe Formel 2-1). Die Steigung der Ausgleichsgeraden ist der

beim Sensor zu erwartende Messeffekt.

Gemäß der Simulation spricht auf Ethanol lediglich Kanal 3 mit 69 µExt / g L-1 an, welcher die

Absorptionsbande der CH-Streckschwingung erfasst (siehe Abbildung 53). Die Kanäle 1, 2 und

4 fallen mit zunehmender Alkoholkonzentration leicht ab, da Ethanol innerhalb der

Transmissionsbereiche der optischen Bandpässe in diesen Kanälen eine geringfügig kleinere

Absorption aufweist als Wasser. Selbst der größte sich nach der Simulation ergebende

Messeffekt, der in Kanal 4 bezüglich Glucose auftritt, ist kleiner als 0,1 Milliextinktionen pro

g L-1 und damit sehr klein. Kanal 3 spricht auf Glucose ähnlich stark an wie auf Ethanol. In

beiden Molekülen sind mehrere C-H-Bindungen (5 bei Ethanol und 7 bei Glucose), deren

Valenzschwingungen im Spektralbereich von Filter 3 liegen. Die als Referenz vorgesehenen

Kanäle 1 und 2 (siehe Tabelle 6) sollten auf Glucose mit einer niedrigeren Steigung (Mess-

empfindlichkeit) reagieren als die Messkanäle 3 und 4 (siehe Abbildung 52).


Abbildung 43: Simuliertes Ansprechverhalten der vier Kanäle des MIR-ATR-Sensors bzgl. Ethanol (oben) und

Glucose (unten), Extinktionsänderung bezogen auf Wasser in Abhängigkeit der

Analytkonzentration.

Tabelle 7: Messeffekt der vier Kanäle des MIR-ATR-Sensors bezüglich Glucose in Mikroextinktionen pro g L-1.

Sensorkanal Steigung bezüglich Glucose

Sensor / 10-6 L g-1 (STAUBACH, JENS, 2015, S. 36)

Simulation / 10-6 L g-1 (Abbildung 43 Anhang B)

Verhältnis Sensor zu Simulation

1 13,5 11,4 1,18

2 33,8 39,5 0,86

3 45,3 53,0 0,85

4 52,8 93,2 0,57

In Tabelle 7 ist exemplarisch der Messeffekt des Sensorprototyps bzgl. Glucose dem

simulierten Sensor gegenübergestellt. In den Kanälen 1, 2 und 3 stimmt der simulierte

Messeffekt bezüglich Glucose mit dem des Protoyps gut überein. Das Verhältnis der Signale

y = 4,75E-06x

y = -8,80E-06x

y = 6,88E-05x

y = -4,99E-06x

-0,001

0,000

0,001

0,002

0,003

0,004

0 10 20 30 40 50

Exti

nkt

ion

sän

der

un

g d

er s

imu

liert

en

Kan

äle

(au

f W

asse

r b

ezo

gen

)

Ethanolkonzentration / g L-1

Simulation Kanal 1

Simulation Kanal 2

Simulation Kanal 3

Simulation Kanal 4

y = 1,14E-05x

y = 3,95E-05x

y = 5,30E-05x

y = 9,32E-05x

0,000

0,005

0,010

0,015

0 25 50 75 100 125 150

Exti

nkt

ion

sän

der

un

g d

er s

imu

liert

en

Kan

äle

(au

f W

asse

r b

ezo

gen

)

Glucosekonzentration / g L-1

Simulation Kanal 1

Simulation Kanal 2

Simulation Kanal 3

Simulation Kanal 4


liegt im Bereich von 0,85 bis 1,18. Dies ist auf die nur näherungsweise Simulation der

Sensorsignale zurückzuführen. Kanal 4 erreicht hingehen nur 57 % des simulierten Mess-

effektes. Solch eine große Abweichung kann nicht allein auf die Simulationsmethode

zurückgeführt werden. Im Rahmen der Weiterentwicklung des Sensors sollte für diesen Kanal

daher eine genauere Simulationsrechnung und Berücksichtigung der exakten spektralen

Verteilung der Filtertransmission durchgeführt werden, um den Simulationsfehler zu

minimieren. Wenn diese genauere Simulation sich nicht deutlich dem Verhalten des Prototyps

annähert, ist es sinnvoll, ein anderes optisches Bandpassfilter für diesen Kanal einzusetzen,

dessen Durchlassbereich stark mit einer Absorptionsbande von Glucose überlappt.

5 Prozessverfolgung einer Veresterung mit anschließender Destillation 70

5 Prozessverfolgung einer Veresterung mit anschließender Destillation

5.1 Versuchsdurchführung

5.1.1 Zeitlicher Verlauf der sieben Versuchsdurchgänge

Die verschiedenen Phasen der Veresterung mit anschließender Destillation können anhand

des Temperaturverlaufs im Reaktionsgemisch nachvollzogen werden (Abbildung 44). Bei 𝑡 =

0 h wurde zur Ethanolvorlage die Ameisensäure zugegeben und damit die Veresterungs-

reaktion gestartet. Nach 1,3-1,5 h stellte sich jeweils das Gleichgewicht ein. Dies ließ sich

sowohl an konstanten Signalen des MIR-ATR-Sensors als auch an konstanten Messergebnissen

der Referenzanalytik erkennen (siehe Anhang A). Bei den Läufen 2, 4 und 6 (Lauf 2 ist in

Abbildung 44 nicht dargestellt) wurde das Gleichgewicht bis zu einer Stunde lang beobachtet,

um zu testen, ob dieses tatsächlich erreicht ist und sicher erkannt werden kann. Im Anschluss

an die Veresterung wurde die Apparatur jeweils für die Destillation umgebaut (siehe

Abbildung 9) und mit dem Erhitzen des Reaktors im Wasserbad begonnen. Ab einer

Temperatur von 70 °C im Reaktor begann die Kondensation im Destillationsaufsatz, sodass die

Temperatur durch das intensivere Verdampfen des Reaktionsgemisches langsamer anstieg. Es

konnte bei maximaler Heizleistung eine Temperatur von 88 °C im Reaktor erreicht werden.

Die Destillation stoppte jedoch bereits bei 80-85 °C. Die Gesamtdauer eines Laufes betrug 1,9-

2,9 h.

Abbildung 44: Temperatur des Reaktionsgemisches während der Veresterung und Destillation bei den Läufen

3, 4, 5, 6 und 7.

10

30

50

70

90

-0,1 0,4 0,9 1,4 1,9 2,4 2,9

Tem

per

atu

r /

°C

Versuchsdauer / h

Temperatur Lauf 3

Temperatur Lauf 4

Temperatur Lauf 5

Temperatur Lauf 6

Temperatur Lauf 7

Vorlage Ethanol

Zugabe Ameisensäure

V e r e s t e r u n g


Die Läufe 1 und 2 sind in Abbildung 44 nicht dargestellt, da hier der Temperatursensor nicht

zur Verfügung stand. Abweichend von der Versuchsbeschreibung unter 3.1.2 wurde er zur

Temperierung mittels PID-Regler verwendet. In Lauf 1 wurde das Reaktionsgemisch während

der Veresterung auf 50 °C, in Lauf 2 auf 40 °C temperiert. Für die Destillation wurde in diesen

beiden Läufen der Sollwert des Reglers auf 90 °C erhöht, um dem Zersetzen der Ameisensäure

und einem hohen Wasserdampfdruck im Gasraum des Reaktors vorzubeugen. Mit dem

siedenden Wasserbad konnten jedoch lediglich 88 °C bei voller Heizleistung erreicht werden,

sodass in den Läufen 3-7 auf den Einsatz des Reglers verzichtet wurde. In Lauf 3 war von 1,9-

2,0 h die Schlauchpumpe blockiert, sodass die Probenschleife nicht durchspült und folglich

keine Wärme durch den Probenkühler entzogen wurde. In Kombination mit der sich bereits

verringernden Kondensation im Destillationsaufsatz führte dies zu einem deutlich schnelleren

Temperaturanstieg nach 1,9 h. Zur Kalibration des MIR-ATR-Sensors (siehe 5.2.2) konnte

Lauf 3 trotz dieser Abweichungen von den übrigen Läufen herangezogen werden. In allen

Läufen siedete und verdampfte das Reaktionsgemisch zum Ende der Destillation nach wie vor

stark, kondensierte jedoch an der Reaktorwand bzw. im vorderen Teil des Destillationsauf-

satzes und floss zurück. Der Ester und die eventuell mit destillierte kleine Menge Alkohol

wurden demnach nicht vollständig abgezogen. Anhand einer Stoffmengenbilanz konnte dies

bestätigt und quantifiziert werden:

5.1.2 Stoffmengenbilanz und Überprüfen der Versuchsauslegung mit Hilfe der Referenz-

analytik

Das Destillat roch wie reines Ethylformiat nach Arrak (Rum), dies bestätigt den deutlich

überwiegenden Anteil des Esters. In allen Chargen betrug das Volumen des Destillats über

100 mL (105-110 mL), was unter der näherungsweisen Annahme, das Destillat bestünde aus

reinem Ethylformiat, etwa 1,34 mol entspricht. Somit finden sich ca. 81 % der vorgelegten

1,65 mol Ethanol im Destillat als Ester wieder. Nach Ende der Destillation verbleiben damit

noch 0,31 mol der Ethanolvorlage entweder als Alkohol oder als Ester im Reaktor. Mit dem

durch die Destillation von 224 mL auf 117 mL reduzierten Volumen entspricht dies einer

Konzentration von 2,7 mol L-1. Die Referenzanalytik ermittelt zu Versuchsende ca. 2,0 mol L-1

Ethylformiat und ca. 0,5 mol L-1 Ethanol (siehe Abbildung 68 und Abbildung 69 im Anhang).

Die gemessene Summe von 2,5 mol L-1 Alkohol und Ester im Destillationssumpf steht im

Rahmen der Mess- und Schätzgenauigkeit in Einklang mit den aus der Stoffbilanz ermittelten

2,7 mol L-1.

Anhand der Referenzanalytik kann zusätzlich überprüft werden, ob die Veresterung bis zum

Gleichgewicht gemäß der Auslegung verläuft (siehe 3.1.2.). Für eine produktfreie Vorlage

wurde darin ein Umsatz von 6,7 mol L-1 abgeschätzt. Das tatsächliche Gleichgewicht stellte

sich aufgrund des in der Vorlage enthaltenen Wassers erwartungsgemäß bei einem etwas

kleineren Umsatz von ca. 6,0 mol L-1 ein (siehe Tabelle 8). Dies ist der Mittelwert der Konzen-

trationsänderungen für Ethanol, Ameisensäure und Ethylformiat. Die Veresterung wird


demzufolge bis ins Gleichgewicht geführt und die gemäß Versuchsauslegung erwarteten

Verhältnisse erreicht. Aufgrund des höheren Fehlers bei der Wasserbestimmung (siehe

Tabelle 5) wird für diesen Analyten lediglich ein Umsatz von 5,1 mol L-1 ermittelt.

Tabelle 8: Bis zum Gleichgewicht umgesetzter Anteil von W, ET, AS und EF nach der chemometrischen Analyse der MIR-ATR-Spektren beim Veresterungsversuch. Aufgeführt sind die Mittelwerte und Standardabweichung anhand der 7 Läufe.

Stoff Umsatz bis zum Gleichgewicht

mol L-1

Standardabweichung mol L-1

Wasser (W) 5,1 0,24

Ethanol (ET) -6,1 0,16

Ameisensäure (AS) -5,9 0,22

Ethylformiat (EF) 6,0 0,10

Der Umsatz wurde für jeden Analyten als Differenz zwischen der berechneten Ausgangs-

konzentration (Tabelle 3) und der mittleren per Referenzanalytik gemessenen Gleichgewichts-

konzentration (Tabelle 20 im Anhang) ermittelt. Die Ausgangskonzentrationen können

aufgrund der rapiden Konzentrationsänderung zu Versuchsbeginn mit der Referenzanalytik

nicht sicher bestimmt werden. Daher werden die berechneten Ausgangswerte verwendet.

Neben den mittleren Gleichgewichtskonzentrationen wurden über die 7 Läufe zusätzlich die

Standardabweichungen als Maß für die Unsicherheit des Umsatzes ermittelt. Diese liegen mit

0,1-0,2 mol L-1 im Bereich des Validierungsfehlers (RMSECV) des chemometrischen Modells

der Referenzanalytik (siehe Tabelle 5). Daraus kann gefolgert werden, dass die Varianz in der

Versuchsdurchführung in der Größenordnung des Bestimmungsfehlers liegt.

5.2 MIR-ATR-Sensor ausgestattet mit optischen Standardfiltern

5.2.1 MIR-ATR-Spektren

Die Eigenschaften des MIR-ATR-Sensors, seine Spezifität, Selektivität und Sensitivität, werden

maßgeblich bestimmt durch die spektrale Lage der eingesetzten optischen Bandpassfilter. Es

ist daher sinnvoll, die Eignung des bereits mit Standardfiltern konfektionierten 4-Kanal

Detektors im Hinblick auf die Messaufgabe zu bewerten. Die Änderung der Absorption

während des Versuchs sind hierzu zusammen mit den Transmissionsbereichen der Standard-

filter F1-F4 in Abbildung 45 dargestellt. Dabei wurden die Banden anhand der Reinstoff-

spektren (Abbildung 10) den jeweiligen Analyten zugeordnet.

Anhand Abbildung 45 ist zu erkennen, dass zu Beginn der Veresterung das MIR-ATR-Spektrum

maßgeblich durch die überlagerten Absorptionen von Ethanol- und Ameisensäure geprägt ist.

Zum Ende der Veresterung und dem Start der Destillation dominieren Ethylformiat, Ameisen-

säure und Wasser. Der Alkohol wurde fast vollständig verestert, die entsprechenden Absorp-

tionsbanden sind nur noch schwach ausgeprägt. Nach der Destillation verbleiben Ameisen-

säure und Wasser. Aufgrund der Volumenreduktion durch den Entzug des Esters steigen deren

Konzentrationen an.


Abbildung 45: Veränderung der MIR-ATR-Spektren während der Veresterung (oben) und der Destillation

(unten), exemplarisch für Lauf 7 dargestellt.

Abbildung 45 zeigt, dass die im Prototyp des MIR-ATR-Sensors verbauten optischen Standard-

filter F1-F4 im Spektralbereichen liegen, wo die Analyten Absorptionsbanden aufweisen. Filter

F1 liegt spektral innerhalb einer breiten O-H Absorptionsbande von organischen Säuren (z .B.

0,0

0,1

0,2

0,3

0,4

0,5

3800 3400 3000 2600 1800 1600 1400 1200 1000 800 600

Exti

nkt

ion

Wellenzahl / cm-1

Beginn der Veresterung (0 h)

Ende der Veresterung (1,7 h)

F1 F2F3 F4

W

EF

ET

AS

EFAS

ET AS

W

EF AS

AS

AS EF

EF ET

0,0

0,1

0,2

0,3

0,4

0,5

3800 3400 3000 2600 1800 1600 1400 1200 1000 800 600

Exti

nkt

ion

Wellenzahl / cm-1

Beginn der Destillation (1,7 h)

Ende der Destillation (2,3 h)

F1 F2F3 F4

W

AS

ET

ASAS

ET, EF

EF

EFET

EF

W

AS

ASEF

AS


Ameisensäure), welche durch Wasserstoffbrückenbindungen verursacht wird. Diese Bande ist

überlagert von Oberton- und Kombinationsschwingungen (GÜNZLER, 2003). Die Transmissions-

bereiche von Filter F2 und F4 überlappen mit den C-O Streckschwingungen von Carbonsäuren

und Estern wie Ethylformiat. Filter F3 liegt im Wellenzahlbereich von C-H Streckschwingungen,

welche charakteristisch sind für aliphatische Kohlenwasserstoffe. Der mit den optischen

Standardfiltern F1-F4 ausgestattete MIR-ATR-Sensor ist damit gut geeignet, um die Analyten

Ameisensäure und Ethylformiat zu erfassen. Ethanol und insbesondere Wasser können

weniger sicher bestimmt werden, da für diese beiden Analyten keine Filter im Bereich

spezifischer Absorptionsbanden liegen.

5.2.2 Kalibration des MIR-ATR-Sensors

Der MIR-ATR-Sensor ermöglicht die quantitative Online-Analyse von Proben nach einer

Kalibration auf die zu erfassenden Analyten. Bei dieser wird der Zusammenhang zwischen den

Extinktionen in den Sensorkanälen und den Analytkonzentrationen mittels multilinearer

Regression (MLR, siehe 2.2.2) ermittelt. Für die Erprobung des MIR-ATR-Sensors ist es sinnvoll

diesen auf dieselbe Weise zu kalibrieren wie die Referenzanalytik. Daher wurden analog zur

Referenzanalytik eingewogene Kalibrationsproben mit dem Sensor vermessen (siehe 3.1.3).

Zwischen dem Vermessen der verschiedenen Kalibrationsproben wurde die ATR-Messfläche

jeweils mit Ethanol gereinigt und anschließend getestet, ob die Referenzintensität an Luft

wieder erreicht wird. Dies konnte jedoch nicht in genügendem Maß sichergestellt werden. Mit

jedem Reinigungsvorgang änderte sich die Referenzintensität, sodass kein zuverlässiges

Vermessen der eingewogenen Kalibrationsproben möglich war. Die vermutliche Ursache

hierfür waren drei kleine Öffnungen am Boden des Sensors, durch die Dämpfe des Ethanols

aus der Reinigung in den inneren Lichtweg des Sensors dringen konnte und so keine stabile

Referenzmessung möglich war. Im Rahmen der Kalibration für die Prozessverfolgung des

biotechnologischen Musterprozesses (Fermentation von Bäckerhefe, siehe Kap. 6) konnte

nach dem Abdichten des Sensorgehäuses mittlerweile eine geeignete Präparation zur

externen Kalibration mittels eingewogener Proben gefunden werden (STAUBACH, JENS, 2015).

Für den Einsatz während der Veresterung und Destillation wurde der MIR-ATR-Sensor

stattdessen auf Daten aus den Läufen 1-6 kalibriert. Lediglich der siebte Lauf wurde analysiert.

Insgesamt 30 Kalibrationsdatensätze wurden zu je 5 Zeitpunkten den Läufen 1-6 entnommen.

Die vollständigen Kalibrationsdaten sind in Tabelle 21 und Tabelle 22 im Anhang verzeichnet.

Die 5 Zeitpunkte wurden so gewählt, dass die Kalibration gleichmäßig über einen möglichst

großen Konzentrationsbereich erfolgt. In Abbildung 46 sind die entsprechenden Zeitpunkte

beispielhaft für Lauf 5 markiert:


- 𝑡1 Start: Erste sichere Messung nach Zugabe der Ameisensäure

- 𝑡2 halbe Veresterung: Zum Zeitpunkt des halben Stoffumsatzes

- 𝑡3 Gleichgewicht: Nach Erreichen des Gleichgewichtes und vorm Erhitzen des Reaktors

- 𝑡4 halbe Destillation: Nach Destillation der halben Stoffmenge

- 𝑡5 Versuchsende

Abbildung 46: Referenzanalytik während Lauf 5 der Veresterung und Destillation. Auswahl der

Kalibrationspunkte.

Für jeden der vier Analyten wurde aus den Kalibrationsdaten ein separates vierdimensionales

MLR-Modell mit der Excelfunktion RGP erstellt. Dabei erhält man jeweils die Koeffizienten 𝛼

und 𝛽F1 … 𝛽F4 der Kalibrationsfunktion nach Formel 5-1. Mit diesen können Proben

unbekannter Zusammensetzung anhand der Extinktionen in den vier Kanälen des MIR-ATR-

Sensors 𝐸F1 … 𝐸F4 bestimmt werden:

𝑐 = 𝛼 + 𝛽F1 ⋅ 𝐸F1 + 𝛽F2 ⋅ 𝐸F2 + 𝛽F3 ⋅ 𝐸F3 + 𝛽F4 ⋅ 𝐸F4 5-1

In Tabelle 9 sind neben den o. g. Koeffizienten auch jeweils das Bestimmtheitsmaß 𝑅2 und der

Standardfehler der Kalibration und Validierung angegeben (Formeln 2-9 und 2-10). Zur

Validierung wurden die von der Kalibration unabhängigen Messdaten aus dem 7. Lauf

verwendet (134 Datenpunkte im Abstand von 1 Min.).

0

3

6

9

12

15

0,0 0,5 1,0 1,5 2,0

Ko

nze

ntr

atio

n /

mo

l L-1

Versuchsdauer / h

Quant2 W in mol/L

Quant2 ET in mol/L

Quant2 AS in mol/L

Quant2 EF in mol/L


Tabelle 9: Ergebnis der Kalibration (4D-MLR) und der Validierung des MIR-ATR-Sensors, ausgestattet mit den Standardfiltern F1, F2, F3 und F4 für die Prozessverfolgung der Veresterung und Destillation.

Analyt Kalibration Validierung

𝛼 mol L-1

𝛽F1 mol L-1

𝛽F2 mol L-1

𝛽F3 mol L-1

𝛽F4 mol L-1

𝑅2 SEC

mol L-1 𝑅2

SEP mol L-1

AS 5,9 210,8 31,0 -29,6 -50,3 0,9370 0,58 0,9942 0,36

ET 17,1 -111,4 -163,7 242,1 22,3 0,9453 0,54 0,9282 0,43

W -20,7 416,7 338,6 -493,7 -111,5 0,8987 1,51 0,9386 0,68

EF 2,0 -120,8 30,4 -48,3 31,4 0,9608 0,36 0,9888 0,38

Für die Analyten Ameisensäure, Ethanol und Ethylformiat ist das Ergebnis der Kalibration gut:

Der Standardkalibrationsfehler liegt deutlich unterhalb 1 mol L-1 und das Bestimmtheitsmaß

ist nahe bei 1. Bei Ameisensäure und Ethylformiat sind zusätzlich die Beträge der Koeffizienten

vergleichsweise klein, was auf die hohe Spezifität der eingesetzten Filter für diese Analyten

zurückzuführen ist (siehe 5.2.1). Die Kalibration des Sensors zur Wasserbestimmung ist

zufriedenstellend, jedoch deutlich unsicherer. Ursachen hierfür sind die unspezifischen Filter

und die weniger gesicherte Referenzanalytik für diesen Analyten (siehe 5.1.2). Für alle

Analyten ist der Standardkalibrationsfehler gleichmäßig um Faktor 3-4 größer als der Kreuz-

validierungsfehler der Referenzanalytik (siehe Tabelle 5). Diese Zunahme ist durch die

verschiedenen Messprinzipien bedingt. Die vier photometrischen Kanäle des MIR-ATR-

Sensors enthalten wesentlich weniger spektrale Informationen als das vom Referenzgerät (FT-

Spektrometer) erfasste komplette MIR-ATR-Spektrum.

5.2.3 Prozessverfolgung

Der Prototyp des MIR-ATR-Sensors wurde bei 7 Veresterungen von Ethanol und Ameisensäure

zu Ethylformiat und Wasser mit anschließender Destillation des Esters erprobt. Die Reaktion

wurde online in einer Probenschleife vom MIR-ATR-Sensor und von einem FT-MIR-ATR-

Spektrometer als Referenzgerät verfolgt. Die Läufe 1-6 dienten der Kalibration des MIR-ATR-

Sensors per MLR (siehe 5.2.2), der siebte Lauf wurde von beiden Geräten analysiert. Zum

Vergleich des MIR-ATR-Sensors mit dem Referenzgerät sind die Konzentrationsverläufe des

siebten Laufs in Abbildung 47 dargestellt.

Für sämtliche Analyten weichen die Konzentrationsverläufe von Sensor und Spektrometer

weniger als 1 mol L-1 voneinander ab, sowohl bei der Veresterung (0-1,7 h) als auch während

der Destillation (1,7-2,3 h). Für Ameisensäure und Ethylformiat sind die Messungen des MIR-

ATR-Sensors gleichwertig zu denen des FT-Spektrometers, da die im MIR-ATR-Sensor

verbauten optischen Standardfilter F1-F4 für diese Analyten spezifisch sind (siehe 5.2.1 und

5.2.2). Ethanol und insbesondere Wasser werden hingegen mit deutlich größeren

Schwankungen im Vergleich zur Referenz bestimmt.


Abbildung 47: Konzentrationsverläufe der Edukte Ethanol und Ameisensäure (oben) und der Produkte

Ethylformiat und Wasser (unten) während der Veresterung (0-1,7 h) und Destillation (1,7-2,3 h)

in Lauf 7. Referenz (FT-Spektrometer) kalibriert mittels PLS-Regression auf eingewogene Proben

und MIR-ATR-Sensor kalibriert mittels MLR-Modell anhand der Läufe 1-6.

0

3

6

9

12

15

0,0 0,5 1,0 1,5 2,0

Kon

zen

trat

ion

/ m

ol L

-1

Versuchsdauer / h

c(AS) Lauf 7 MIR-ATR-Sensor

c(AS) Lauf 7 Referenz

c(ET) Lauf 7 MIR-ATR-Sensor

c(ET) Lauf 7 Referenz

0

3

6

9

12

15

0,0 0,5 1,0 1,5 2,0

Kon

zen

trat

ion

/ m

ol L

-1

Versuchsdauer / h

c(W) Lauf 7 MIR-ATR-Sensor

c(W) Lauf 7 Referenz

c(EF) Lauf 7 MIR-ATR-Sensor

c(EF) Lauf 7 Referenz


5.3 Sensoroptimierung durch analytspezifische Filter

5.3.1 Filterwahl

Der mit den Standardfiltern F1-F4 ausgestattete Sensorprototyp ist bereits gut geeignet, um

den Abbau eines Edukts (Ameisensäure) und den Aufbau eines Produkts (Ethylformiat) des

chemischen Musterprozesses, der Veresterung mit anschließender Destillation, quantitativ zu

verfolgen. Die Leistungsfähigkeit des MIR-ATR-Sensors lässt sich weiter erhöhen durch den

Einsatz auf die Messaufgabe optimierter optischer Bandpässe. Geeignete spektrale Bereiche

können anhand der FT-MIR-ATR-Onlinespektren gefunden werden. Hierfür sind diese aus

Lauf 7 in Abbildung 48 im 3D-Plot dargestellt. Die ebenfalls eingezeichneten Transmissions-

bereiche der Standardfilter F1-F4 liegen im oberen Wellenzahlbereich des MIR-Spektrums

(3600-1100 cm-1, links dargestellt). Dieser ist geprägt durch vergleichsweise unspezifische und

überlagerte Banden. Die Filter F2 und F4 erfassen zwar einen Bereich intensiver Absorption,

dieser setzt sich jedoch aus Absorptionsbanden von Ameisensäure und Ethylformiat

zusammen (siehe Abbildung 10). Deutlich spezifischer sind die etwas weniger intensiven,

dafür gut getrennten Absorptionsbanden im unteren Wellenzahlbereich (1100-600 cm-1,

rechts dargestellt). Der qualitative Versuchsverlauf, der Abbau der Eduktabsorption und

Aufbau der Produktabsorption während der Veresterung (0-1,7 h) sind gut zu erkennen. Auch

der Abzug des Esters und das Aufkonzentrieren von Wasser und Ameisensäure im Reaktor

während der Destillation (1,7-2,3 h) lassen sich anhand zugehöriger Banden (siehe Tabelle 10

oder Abbildung 45) leicht nachvollziehen.

Abbildung 48: 3D-Plot der MIR-ATR-Spektren von 3600-1100 cm-1 (links) und 1100-600 cm-1 (rechts) während

Lauf 7 der Veresterung (0-1,7 h) und Destillation (1,7-2,3 h).

F1 F2 F4

F3


Tabelle 10: Spezifische Analytbanden im „Fingerprint“-Bereich und Technische Daten der analytspezifischen Filter S1-S4 im simulierten MIR-ATR-Sensor für die Veresterung und anschließende Destillation.

Filter Transmission

cm-1

Analytbande cm-1 Analyt

CWL µm

FWHM µm

FWHM/CWL %

S1 1053-1033 1043 Ethanol 9,59 0,184 1,9

1004 Ethylformiat

880 Ethanol

S2 850-830 840 Ethylformiat 11,91 0,283 2,4

S3 681-661 671 Ameisensäure 14,91 0,444 3,0

S4 640-620 630 Wasser

(H-Brücken) 15,88 0,505

3,2

Zu ausgewählten Analytbanden sind in Tabelle 10 passende Transmissionsbereiche für analyt-

spezifische optische Bandpässe (S1-S4) angegeben. Ein mit diesen Filtern ausgestatteter MIR-

ATR-Sensor wurde anhand der MIR-ATR-Spektren des Referenzgerätes (FT-Spektrometer)

simuliert (Simulationsmethode siehe 3.3). Die Transmissionsbereiche sind zusammen mit den

Absorptionsspektren der konzentrierten Analyten in Abbildung 49 dargestellt. Die darge-

stellten spezifischen Banden wurden ebenfalls während der Reaktionsverfolgung beobachtet

(siehe Abbildung 45). Für die Optimierung des MIR-ATR-Sensor auf die Prozessverfolgung der

Veresterung und Destillation sind sie daher gut geeignet. Eine Ausnahme ist die breite Bande

der Ameisensäure von 950 cm-1 bis 730 cm-1. Diese wird durch Dimere verursacht, welche sich

nur bei hoher Säurekonzentration bilden. Aufgrund der Verdünnung tritt diese Bande im

Prozess nicht auf. Bei der Wahl der analytspezifischen Filter S1-S4 wurde diese Bande daher

ignoriert.

Abbildung 49: Ausschnitt der MIR-ATR-Spektren von 1100-600 cm-1 der reinen Analyten Wasser, Ameisensäure,

Ethanol und Ethylformiat und Transmissionsbereiche der simulierten analytspezifischen Filter S1-

S4 zur Optimierung des Sensors.

-0,05

0,10

0,25

0,40

0,55

60070080090010001100

Exti

nkt

ion

Wellenzahl / cm-1

Wasser, vollentsalzt

Ameisensäure 99 % m/m

Ethanol 94 % m/m

Ethylformiat 99 % m/m

S1 S2 S3 S4


Die in Abbildung 49 dargestellte Wahl der Filter S1-S4 ist eine von mehreren möglichen

Kombinationen. So könnte S1 zur Detektion von Ethanol auch bei 880 cm-1 liegen oder S2 für

Ethylformiat bei 1007 cm-1. Vor dem Bau neuer Prototypen sollten weitere analytspezifische

Filterkombinationen evaluiert werden. Im Rahmen dieser Arbeit genügt die exemplarische

Simulation einer einzelnen Variante.

Wie unter 2.2.1 ausgeführt, ist eine Breite von 20 cm-1 für die optischen Filter als Auslegungs-

größe unterhalb von 1500 cm-1 sinnvoll. Zusätzlich zum Transmissionsbereich in Wellenzahlen

sind die Zentralwellenlänge (CWL) und die volle Halbwertsbreite (FWHM) in Mikrometer

sowie deren Verhältnis zueinander angegeben. Anhand dieser Größen lässt sich feststellen ob

ein entsprechendes Filter produziert werden könnte. Schmale Bandpässe mit FWHM/CWL >

0,9 % und 0,2 µm < CWL < 20 µm sind kommerziell verfügbar (NORTHUMBRIA OPTICAL COATINGS

LTD; SPECTROGON, 2015). Der simulierte MIR-ATR-Sensor mit den analytspezifischen Filtern S1-

S4 könnte demnach gebaut werden.

5.3.2 Kalibration des simulierten MIR-ATR-Sensors

Kalibriert wurde der simulierte MIR-ATR-Sensor wie der reale Sensor mit Standardfiltern

(siehe 5.2.2) per vierdimensionaler multilinearer Regression auf einen Kalibrationsdatensatz

aus den Läufen 1-6. Die entsprechenden Messwerte der Referenzanalytik und die Signale des

simulierten Sensors enthalten Tabelle 21 und Tabelle 24 im Anhang. Das Ergebnis der

Ausgleichsrechnung, die Koeffizienten und Standardfehler zeigt Tabelle 11. Eine sinnvolle

Wahl der analytspezifischen Filter S1-S4, die den MIR-ATR-Sensor für die Analyse der

Veresterung und Destillation optimiert, sollte sich bereits an der Kalibration erkennen lassen.

Der Vergleich mit der Kalibration des realen, mit den Standardfiltern F1-F4 ausgestatteten

MIR-ATR-Sensors ist jedoch nicht zweckmäßig, da hier zusätzlich Unterschiede in der Optik

und Elektronik bestehen. Zielführender ist ein Vergleich des simulierten optimierten Sensors

mit einer Simulation des mit Standardfiltern ausgestatteten MIR-ATR-Sensors, sodass

Unterschiede in der Kalibration eindeutig auf die veränderten optischen Bandpässe

zurückzuführen sind. Die Signale dieser Simulation enthält Tabelle 23 im Anhang, das Ergebnis

der MLR-Kalibration Tabelle 12.

Tabelle 11: Ergebnis der Kalibration (4D-MLR) und der Validierung des simulierten MIR-ATR-Sensors, ausgestattet mit den hochspezifischen Filtern S1, S2, S3 und S4 für die Prozessverfolgung der Veresterung und Destillation.


𝛼 𝛽S1 𝛽S2 𝛽S3 𝛽S4 𝑅2 SEC

mol L-1 𝑅2

SEP mol L-1

AS -10,3 17,8 94,5 24,9 3,8 0,9987 0,08 0,9995 0,13

ET 6,7 22,5 -80,8 33,1 -21,9 0,9998 0,04 0,9992 0,11

W -16,9 15,0 167,0 -122,0 162,8 0,9980 0,21 0,9970 0,26

EF 16,6 -28,2 -24,1 -9,9 -21,7 0,9992 0,05 0,9998 0,04


Tabelle 12: Ergebnis der Kalibration (4D-MLR) und der Validierung des simulierten MIR-ATR-Sensors, ausgestattet mit den Standardfiltern F1, F2, F3 und F4 für die Prozessverfolgung der Veresterung und Destillation.


𝛼 𝛽F1 𝛽F2 𝛽F3 𝛽F4 𝑅2 SEC

mol L-1 𝑅2

SEP mol L-1

AS 4,3 93,6 18,3 60,0 -27,2 0,9974 0,12 0,9991 0,07

ET 18,1 -217,4 -68,4 228,2 -27,3 0,9828 0,30 0,9937 0,30

W -21,8 630,1 100,6 -463,2 42,6 0,9822 0,63 0,9963 0,57

EF 1,9 -34,5 19,5 -86,9 23,6 0,9984 0,07 0,9997 0,06

Die angestrebte Steigerung der Spezifität der Sensorsignale wird durch die veränderten

Transmissionsbereiche der optischen Bandpässe erreicht. Für alle Analyten steigt das

Bestimmtheitsmaß und sinkt der Standardfehler der Kalibration. Ebenso müssen die Signale

der S1-S4-Kanäle in geringerem Maß kompensiert werden als Signale der F1-F4-Kanäle. Zu

erkennen ist dies an betragsmäßig kleineren 𝛽-Koeffizienten. Am deutlichsten zeigt sich dies

bei den mit Standardfiltern nur unspezifisch erfassten Analyten Wasser und Ethanol. Der

betragsmäßig größte Koeffizient wird um den Faktor 4 beziehungsweise 3 reduziert. Für diese

Analyten ist eine deutliche Qualitätssteigerung der Prozessverfolgung zu erwarten.


Die Prozessverfolgung von Lauf 7 mit den zwei simulierten MIR-ATR-Sensoren, dargestellt

zusammen mit der Referenzanalytik in Abbildung 50, zeigt, dass die Analyse des mit

Standardfiltern F1-F4 ausgestatteten simulierten Sensors bezüglich Ameisensäure und

Ethylformiat bereits so gut ist, dass durch die spezifischeren Filter S1-S4 keine weitere

Verbesserung zu erzielen ist. Bei Ethanol und Wasser hingegen zeigt sich durch den Tausch

von F1-F4 gegen S1-S4 eine deutliche Annäherung an die Referenzanalytik. Besonders

stichhaltig ist die Verbesserung hinsichtlich der Ethanolbestimmung während der Destillation

(1,7-2,3 h). Hier zeigt die Abweichung des simulierten Sensors mit den Filtern F1-F4 dieselbe

Abweichung wie der reale Sensorprototyp (siehe Abbildung 47). Diese Abweichungen sind

daher weder zufällig noch stammen sie aus einem Artefakt der Kalibration. Sie sind das

Ergebnis einer real aufgetretenen Störgröße, welche die Probenabsorption und damit

gleichermaßen die Simulation und den Prototyp des MIR-ATR-Sensors beeinflusst haben.

Diese Störung wurde bisher nicht identifiziert. Sie zeigt, dass die Simulation den realen Sensor

gut nachbildet und sieh daher geeignet ist um Filterkombinationen vor dem Bau eines

Prototyps zu erproben. Umgekehrt ist das Ausbleiben der Störung in der Ethanolbestimmung

während der Destillation ein Beleg für die gestiegene Störfestigkeit des optimierten Sensors

gegenüber systematischen Störgrößen.


Abbildung 50: Konzentrationsverläufe der Edukte Ethanol und Ameisensäure (oben) und der Produkte

Ethylformiat und Wasser (unten) während der Veresterung (0-1,7 h) und Destillation (1,7-2,3 h)

in Lauf 7. Referenz (FT-Spektrometer) kalibriert mittels PLS-Regression auf eingewogene Proben

und zwei simulierte MIR-ATR-Sensoren (mit Standardfiltern F1-F4 sowie mit analytspezifischen

Filtern S1-S4) kalibriert mittels MLR-Modell anhand der Läufe 1-6.

0

3

6

9

12

15

0,0 0,5 1,0 1,5 2,0

Ko

nze

ntr

atio

n /

mo

l L-1

Versuchsdauer / h

c(AS) Lauf 7 Referenz c(ET) Lauf 7 Referenz

c(AS) Lauf 7 Simulation F1-F4 c(ET) Lauf 7 Simulation F1-F4

c(AS) Lauf 7 Simulation S1-S4 c(ET) Lauf 7 Simulation S1-S4

0

3

6

9

12

15

0,0 0,5 1,0 1,5 2,0

Ko

nze

ntr

atio

n /

mo

l L-1

Versuchsdauer / h

c(W) Lauf 7 Referenz c(EF) Lauf 7 Referenz

c(W) Lauf 7 Simulation F1-F4 c(EF) Lauf 7 Simulation F1-F4

c(W) Lauf 7 Simulation S1-S4 c(EF) Lauf 7 Simulation S1-S4

6 Prozessverfolgung einer Hefefermentation 83

6 Prozessverfolgung einer Hefefermentation

6.1 Versuchsdurchführung

Zur Erprobung des MIR-ATR-Sensors in einem biotechnologischen Prozess wurden 4

Fermentationen von Bäckerhefe durchgeführt, wie sie unter 3.2 beschrieben sind. Die in 5 L

vollsynthetischem Medium (modifiziertes Schatzmann-Medium, siehe Anhang D) vorgelegten

100 g L-1 Glucose wurden innerhalb von 5,5 h zu Biomasse, Ethanol und CO2 umgesetzt. Der

Versuch war gut reproduzierbar, wie die Messergebnisse der Referenzanalytik für Ethanol und

Glucose zeigen (siehe Abbildung 51). Ab Zugabe des Inokulums (𝑡 = 0 h) wurden im Abstand

von 30 Minuten Proben der Fermentationsbrühe gezogen und zur späteren HPLC-Analyse

eingefroren. Man erkennt, dass aus 100 g L-1 vorgelegter Glucose ca. 30 g L-1 Ethanol gebildet

werden.

Abbildung 51: Konzentrationsverläufe von Glucose und Ethanol während der vier Fermentationen. Ermittelt

anhand von Proben der Fermentationsbrühe per offline-HPLC (Referenzanalytik).

6.2 MIR-ATR-Sensor ausgestattet mit optischen Standardfiltern

6.2.1 MIR-ATR-Spektren

Der zu erwartende Messeffekt des mit optischen Standardfiltern ausgestatteten Sensor-

prototyps kann mit Hilfe von MIR-ATR-Spektren abgeschätzt werden. Hierzu sind in Abbildung

52 die online gemessenen Spektren zu Beginn und zum Ende der vierten Hefefermentation

dargestellt. Die wesentlichen Absorptionsbanden sind mit den zugehörigen Analyten

beschriftet. Zudem sind die Transmissionsbereiche der optischen Standardfilter F1-F4

0

10

20

30

0

20

40

60

80

100

0 1 2 3 4 5 6

Eth

ano

lko

nze

ntr

atio

n /

g L

-1

Glu

cose

kon

zen

trat

ion

/ g

L-1

Fermentationsdauer / h

Ferm 1 Glucose

Ferm 2 Glucose

Ferm 3 Glucose

Ferm 4 Glucose

Ferm 1 Ethanol

Ferm 2 Ethanol

Ferm 3 Ethanol

Ferm 4 Ethanol


eingezeichnet. Das Absorptionsspektrum wird von Wasserbanden während der gesamten

Versuchsdauer dominiert, da die Fermentationsbrühe stets zu ca. 90 % m/m aus Wasser

besteht. Die für eine Prozessverfolgung relevanten Analyten Glucose und Ethanol liegen in

wesentlich kleineren Konzentrationen vor, weshalb deren Banden deutlich schwächer

ausgeprägt sind.

Abbildung 52: Veränderung der MIR-ATR-Spektren während der Hefefermentation (exemplarisch für

Fermentation 4 dargestellt).

Nach Subtraktion des Wasserspektrums von den Fermentationsspektren kommen die

spektralen Veränderungen deutlicher heraus (siehe Abbildung 53). Man erkennt, dass sich die

Spektren zu Beginn und zum Ende der Fermentation in den Transmissionsbereichen der

optischen Standardfilter F1-F4 lediglich um wenige Milliextinktionen unterscheiden. Neben

der geringen Analytkonzentration ist dies bedingt durch eine relativ ungünstige spektrale Lage

der optischen Filter zur Detektion der Analyten: F3 liegt in der abfallenden Flanke der nur

schwach ausgeprägten CH-Streckschwingung von Ethanol und trifft diese daher nicht ideal.

Zudem ist der für die Ethanolbestimmung als Referenz vorgesehene Kanal F1 spektral relativ

weit entfernt, um einen sich ggfs. stark verändernden Untergrund zu kompensieren. F4

hingegen erfasst Glucose selektiv. Auch der zugehörige Referenzkanal F2 erscheint zur

Untergrund- und Driftkompensation gut geeignet. Zwar wäre im Bereich stärkerer Glucose-

absorption bei kleineren Wellenzahlen die Sensitivität höher, allerdings würde eine Quer-

empfindlichkeit zu Ethanol bestehen.

0,0

0,1

0,2

0,3

3800 3400 3000 2600 1800 1600 1400 1200 1000 800

Exti

nkt

ion

Wellenzahl / cm-1

Beginn der Fermentation (0 h)

Ende der Fermentation (6,5 h)

F1 F2F3 F4

Wasser Wasser

Wasser

Ammonium

Glucose

Ethanol

Ethanol


Abbildung 53: Veränderung der MIR-ATR-Spektren während der Hefefermentation nach Abzug des Wasser-

Spektrums (exemplarisch für Fermentation 4 dargestellt).

Somit sollte der Sensorprototyp spezifisch den Analyten Glucose erfassen, jedoch mit einem

Messeffekt von nur wenigen Milliextinktionen über die gesamte Versuchsdauer hinweg. Eine

stabile quantitative Analyse erfordert daher sehr rausch- und driftarme Sensorsignale.

6.2.2 Kalibration des MIR-ATR-Sensors

Der MIR-ATR-Sensor kann anhand einer Verdünnungsreihe von Glucose im Fermentations-

medium (ohne Hefe) kalibriert werden (STAUBACH, JENS, 2015). Der Messeffekt beträgt, wie

unter 6.2.1 abgeschätzt, wenige Milliextinktionen für den zur Prozessverfolgung relevanten

Konzentrationsbereich von 0-100 g L-1 Glucose. Ethanol kann hingegen nicht detektiert

werden. Beim Vermessen einer Verdünnungsreihe ändern sich die Sensorsignale in den

Messkanälen mit Standardfiltern F1-F4 nicht signifikant. Eine externe Kalibration des

Sensorprototyps auf den Analyten Ethanol ist daher nicht möglich.

Ein anderer Weg, um Ethanol dennoch bei der Fermentation erfassen zu können, ist die MLR-

Kalibration des MIR-ATR-Sensors anhand von Proben aus den Fermentationen 1-3 (42

Datenpunkte) mit den Konzentrationen aus der HPLC-Referenzanalytik. Zur externen

Validierung wurden die von der Kalibration unabhängigen Messdaten aus der vierten

Fermentation verwendet (14 Datenpunkte). Wie unten gezeigt wird, wird damit Glucose direkt

und Ethanol indirekt über den Abbau der Glucose erfasst. Die zur Kalibration und Validierung

verwendeten Daten der Referenzanalytik und Sensorsignale sind in Tabelle 26 im Anhang

aufgeführt. Als Bezug der dort aufgeführten Extinktion in den Sensorkanälen wurde Wasser

gewählt. Bei Luft als Referenz bestünde ein großer Offset in den Sensorsignalen durch den

-0,01

0,00

0,01

0,02

0,03

0,04

3800 3400 3000 2600 1800 1600 1400 1200 1000 800

Exti

nkt

ion

Wellenzahl / cm-1

Beginn der Fermentation (0 h)

Ende der Fermentation (6,5 h)

F1 F2F3 F4

Ethanol

Glucose

Ethanol

Ammonium


überwiegenden Wasseranteil in der Fermentationsbrühe. Dies würde bei der MLR zu wenig

analytspezifischen Kalibrationskoeffizienten führen. Daher wurde von der üblichen

Bezugsmessung gegen Luft abgewichen.

Für Glucose und Ethanol wurde jeweils ein eigenes vierdimensionales MLR-Modell erstellt.

Dabei wurden für jeden dieser Analyten die Koeffizienten 𝛼 und 𝛽F1 … 𝛽F4 der Kalibrations-

funktion nach Formel 5-1 in Excel ermittelt, analog zur Kalibration für die Verfolgung der

Veresterung und Destillation in Kapitel 5. In Tabelle 13 sind neben den o. g. Koeffizienten auch

jeweils das Bestimmtheitsmaß 𝑅2 und der Standardfehler der Kalibration (SEC) und der

externen Validierung (SEP) angegeben (Formel 2-9 und 2-10).

Tabelle 13: Ergebnis der Kalibration (4D-MLR) und der Validierung des MIR-ATR-Sensors, ausgestattet mit den Standardfiltern F1, F2, F3 und F4 für die Prozessverfolgung der Fermentation.


𝛼 g L-1

𝛽F1 g L-1

𝛽F2 g L-1

𝛽F3 g L-1

𝛽F4 g L-1

𝑅2 SEC g L-1

𝑅2 SEP g L-1

Glucose -1450,0 9080,4 21733,2 5833,6 -3242,7 0,9881 4,01 0,9941 6,15

Ethanol 469,4 -1903,5 -6534,0 -2258,1 1046,6 0,9794 1,62 0,9946 1,36

Sowohl für Ethanol als auch für Glucose ist das Ergebnis der Kalibration gut: Das

Bestimmtheitsmaß ist nahe bei 1 und der Standardkalibrationsfehler liegt bei jeweils 4-5 %

des Messbereichs, der für die Prozessverfolgung relevant ist (0-100 g L-1 für Glucose und

0-30 g L-1 für Ethanol). Die Verhältnisse zwischen den Kalibrationskoeffizienten bezüglich

Glucose und den jeweils entsprechenden Koeffizienten bezüglich Ethanol, also 𝛼(Glucose)

𝛼(Ethanol),

𝛽F1(Glucose)

𝛽F1(Ethanol)… betragen -2,6 bis -4,8. Daraus folgt, dass die Koeffizienten für die Ethanolbe-

stimmung gegenüber denen der Glucosekalibration invertiert sind und die Verhältnisse stets

in der gleichen Größenordnung liegen. Dies legt die Vermutung nahe, dass die Ethanolbe-

stimmung nicht auf einem spezifischen Nachweis diese Analyten basiert, sondern mit dem

Abbau der Glucose korreliert wurde. Insbesondere für die drei Koeffizienten 𝛼, 𝛽F1 und 𝛽F2

liegen die Verhältnisse zwischen -3,1 und -3,3, was in sehr guter Übereinstimmung mit dem

bekannten Zusammenhang von ca. 1 g L-1 gebildetem Ethanol pro 3 g L-1 eingesetzter Glucose

(siehe Abbildung 51) ist.


Der Fermentationsprozess wurde mit dem MIR-ATR-Sensor in einer Probenschleife online

verfolgt. Als Referenz wurden im Abstand von 30 Minuten Proben der Fermentationsbrühe

gezogen und offline per HPLC analysiert. Die Läufe 1-3 dienten der Kalibration des MIR-ATR-

Sensors per MLR, der vierte Lauf wurde anschließend mit dem kalibrierten Sensor analysiert.

Zum Vergleich des MIR-ATR-Sensors mit der HPLC-Referenz sind die Konzentrationsverläufe

des vierten Laufs in Abbildung 54 dargestellt.


Es ist zu erkennen, dass die Fermentation mit dem MIR-ATR-Sensor gut online verfolgt werden

kann. Sowohl für Glucose als auch für Ethanol stimmen die Messungen mit der Referenz

weitgehend überein. Die größte Abweichung von ca. 10 % des relevanten Messbereichs

(ca. 10 g L-1 für Glucose bzw. ca. 3 g L-1 für Ethanol) besteht jeweils zu Beginn des Versuchs.

Spätestens nach der halben Versuchsdauer ist der MIR-ATR-Sensor jedoch nahezu

deckungsgleich mit der Referenz.

Abbildung 54: Konzentrationsverläufe von Glucose und Ethanol während der 4. Hefefermentation. Messung

per HPLC (Referenz) und MIR-ATR-Sensor. Der MIR-ATR-Sensor wurde mittels MLR-Modell

anhand der Fermentationen 1-3 kalibriert.

6.3 Sensoroptimierung durch analytspezifische Filter

6.3.1 Filterwahl

Die im Prototyp des MIR-ATR-Sensors verwendeten Standardfilter F1-F4 aus der MIR-

Gasanalytik besitzen eine ausreichende Spezifität für den Nachweis von Glucose, aber nicht

für Ethanol (siehe 6.2.1). Eine höhere Spezifität ist zu erwarten, wenn man optische Bandpass-

filter einsetzt, welche eine hohe Transmission dort aufweisen, wo die betreffenden Analyten

stark absorbieren und gleichzeitig keine Querempfindlichkeit zu anderen Analyten besteht.

Der MIR-ATR-Sensor kann folglich durch den Einsatz analytspezifischer optischer Filter

verbessert werden. Eine Möglichkeit hierfür ist die Standardfilter F2 und F4 beizubehalten, da

diese bereits Glucose spezifisch erfassen und die vergleichsweise unspezifischen Filter F1 und

F3 zu ersetzen. Wie der in Abbildung 55 dargestellte Ausschnitt (1600-900 cm-1) der MIR-ATR-

Spektren von 100 g L-1 Glucose bzw. 30 g L-1 Ethanol in Wasser zeigt, liegen in der Nähe der

Transmissionsbereiche von F2 und F4, zwischen 1170 cm-1 und 970 cm-1, zwei noch nicht

0

10

20

30

0

20

40

60

80

100

0 1 2 3 4 5 6

Eth

ano

lko

nze

ntr

atio

n /

g L

-1

Glu

cose

kon

zen

trat

ion

/ g

L-1


Glucose HPLC (Referenz)

Glucose MIR-ATR-Sensor

Ethanol HPLC (Referenz)

Ethanol MIR-ATR-Sensor


erfasste intensive Ethanolbanden – auch wenn diese von der Glucoseabsorption überlagert

sind. Eine mögliche Querempfindlichkeit wird daher in Kauf genommen und kann bei der

Kalibration berücksichtigt werden. Auch ein Einfluss der Matrix auf die Messung ist möglich,

denn das in Abbildung 55 zusätzlich dargestellte Spektrum des Fermentationsmediums ohne

Glucose, Hefe und Ethanol zeigt in diesem Bereich ebenfalls schwache Absorptionen von

Matrixkomponenten. Um die Spezifität des Sensors für den Nachweis von Ethanol zu

verbessern, wurden zusätzlich zu F2 und F4 zwei optische Filter mit den Transmissions-

bereichen 1075-1055 cm-1 (S5: Referenzkanal) und 1055-1035 cm-1 (S6: Ethanolkanal)

simuliert (Simulationsmethode siehe 3.3). Bei der im Folgenden durchgeführten Simulations-

rechnung wird ein MIR-ATR-Sensor mit den Filtern F2, F4, S5, S6 „bestückt“ und die während

der Fermentationen aufgenommenen MIR-ATR-Spektren mit den entsprechenden MLR-

Modellen analysiert.

Abbildung 55: Ausschnitt der MIR-ATR-Spektren von 1600-900 cm-1 von Glucose und Ethanol in wässriger

Verdünnung sowie der Matrix der Fermentationsbrühe. Ebenso die Transmissionsbereiche der

simulierten Filter des optimierten Sensors F2, F4, S5, S6.

6.3.2 Kalibration des simulierten MIR-ATR-Sensors

Der simulierte MIR-ATR-Sensors mit den Filtern F2, F4, S5 und S6 wurde mit derselben

Vorgehensweise kalibriert wie der Prototyp mit den Standardfiltern F1-F4 (siehe 6.2.2). Auf

die HPLC-Referenzanalyse von jeweils 14 Proben aus den Fermentationen 1-3 wurde eine vier-

dimensionalen Regression der Extinktionen in den Sensorkanälen durchgeführt. Als Bezug

diente wiederum Wasser. Die entsprechenden Konzentrationswerte und Extinktionen sind in

Tabelle 26 und Tabelle 27 im Anhang aufgelistet. Die bei der MLR errechneten Größen sowie

0,02

0,04

0,06

0,08

0,10

9001000110012001300140015001600

Exti

nkt

ion

Wellenzahl / cm-1

Matrix (Fermentationsmedium ohne Glucose, Hefe und Ethanol)

Glucose 100 g/L in VE-Wasser

Ethanol 30 g/L in VE-Wasser

F2 F4 S5

S6


das Ergebnis der Validierung anhand Fermentation 4 sind in Tabelle 14 enthalten. Der Proto-

typ des MIR-ATR-Sensors mit den Standardfiltern F1-F4 wurde ebenfalls simuliert (Tabelle 15),

damit bei der Variation der optischen Filter auf dasselbe Geräte und die identischen Spektren

zugegriffen wird und so die Vergleichbarkeit gewährleistet ist.

Tabelle 14: Ergebnis der Kalibration (4D-MLR) und der Validierung des simulierten MIR-ATR-Sensors, ausgestattet mit den analytspezifischen Filtern F2, F4, S5 und S6 für die Prozessverfolgung der Fermentation.


𝛼 g L-1

𝛽F2 g L-1

𝛽F4 g L-1

𝛽S5 g L-1

𝛽S6 g L-1

𝑅2 SEC g L-1

𝑅2 SEP g L-1

Glucose 84,3 -21550,1 22968,8 -5379,0 3016,2 0,9953 2,52 0,9969 4,06

Ethanol 12,1 4419,2 -5164,9 2896,8 -2350,2 0,9942 0,86 0,9984 0,43

Tabelle 15: Ergebnis der Kalibration (4D-MLR) und der Validierung des simulierten MIR-ATR-Sensors, ausgestattet mit den Standardfiltern F1, F2, F3 und F4 für die Prozessverfolgung der Fermentation.


𝛼 g L-1

𝛽F1 g L-1

𝛽F2 g L-1

𝛽F3 g L-1

𝛽F4 g L-1

𝑅2 SEC g L-1

𝑅2 SEP g L-1

Glucose 99,4 2085,1 -16397,0 -6620,3 20251,9 0,9924 3,20 0,9983 4,34

Ethanol 76,4 1692,6 3540,4 566,8 -5148,6 0,9880 1,24 0,9967 0,61

Sowohl für den simulierten MIR-ATR-Sensor mit analytspezifischen Filtern (Tabelle 14) als

auch für den mit Standardfilter ausgestatteten Sensor (Tabelle 15) ist die Kalibration mit

hohem Bestimmtheitsmaß möglich. Die Standardkalibrationsfehler liegen unter denen des

gebauten Prototyps aufgrund des größeren Störabstandes des Spektrometers. Man erkennt,

dass der simulierte optimierte MIR-ATR-Sensor eine leichte Verbesserung gegenüber der

Simulation des aktuellen Sensors darstellt.

Die Simulation des MIR-ATR-Sensors mit den Filtern F1-F4 spiegelt den realen Prototyp

allerdings nur schlecht wieder. Beim Sensorprototyp war die indirekte Messung von Ethanol

anhand des Abbaus von Glucose anhand der Kalibrationskoeffizienten zu erkennen: Zwischen

den sich entsprechenden Koeffizienten für Glucose und denen für Ethanol bestand das

Verhältnis von ungefähr -3 (siehe 6.2.2). In der Simulation ist weder ein konstantes Verhältnis

noch ein einheitlicher Vorzeichenwechsel erkennbar. Die Ethanolmessung ist demnach nicht

invers auf denselben Messeffekt kalibriert wie die Glucosemessung. Daher ist eine mögliche

Verbesserung gegenüber dem aktuellen Prototyp anhand der Simulationsrechnung nicht

eindeutig abschätzbar.


Die von den zwei simulierten MIR-ATR-Sensoren ermittelten Konzentrationsverläufe während

der vierten Fermentation sind in Abbildung 56 dargestellt. Es ist zu erkennen, dass beide

Messungen mit der Referenz gut übereinstimmen. Im Vergleich zum realen Prototyp sind die

Messwerte der simulierten MIR-ATR-Sensoren deutlich stabiler und weichen nur geringfügig


von der HPLC-Analyse ab (vgl. Abbildung 54). Zu Beginn (0-1,5 h) und gegen Ende des Versuchs

(5,5-6,5 h) liegt der optimierte simulierte MIR-ATR-Sensor etwas näher bei der Referenz als

die Simulation mit den Standardfiltern. Dies zeigt, dass durch die veränderten optischen Filter

der MIR-ATR-Sensor verbessert werden kann. Der Unterschied zwischen beiden Simulationen

ist jedoch nur gering.

Abbildung 56: Konzentrationsverläufe von Glucose und Ethanol während der 4. Hefefermentation. Referenz

(HPLC) jeweils kalibriert per einfacher Regression auf eine eingewogene Verdünnungsreihe und

zwei simulierte MIR-ATR-Sensoren (mit Standardfiltern F1-F4 sowie mit analytspezifischen

Filtern F2 F4 S5 S6) kalibriert mittels MLR-Modell anhand der Fermentationen 1-3.

0

10

20

30

0

20

40

60

80

100

0 1 2 3 4 5 6

Eth

ano

lko

nze

ntr

atio

n /

g L

-1

Glu

cose

kon

zen

trat

ion

/ g

L-1


Glucose HPLC (Referenz)

Glucose F1 F2 F3 F4

Glucose F2 F4 S5 S6

Ethanol HPLC (Referenz)

Ethanol F1 F2 F3 F4

Ethanol F2 F4 S5 S6

7 Diskussion 91

7 Diskussion

7.1 Entwicklung des MIR-ATR-Sensors

Im Rahmen dieser Arbeit wurde ein photometrischer MIR-ATR-Sensor entwickelt und ein ent-

sprechender Prototyp gebaut und getestet. Dazu wurden zum bereits bestehenden Entwurf

der Optik und Mechanik (EGLY, 2012) passende Komponenten ausgewählt (Detektor, Licht-

quelle, optische Bandpässe) und die Elektronik zur Verstärkung der Detektorsignale und zur

Ansteuerung der Lichtquelle ausgelegt. Hierbei wurde der Signalverstärker als Transimpedanz-

verstärker aufgebaut, um eine hohe Störfestigkeit zu gewährleisten. Der Vergleich mit einer

Testschaltung in der üblichen Bauweise als Spannungsverstärker bestätigte neben der

höheren Signalintegrität ebenso die bessere Miniaturisierbarkeit.

Die optischen Bandpassfilter des Prototyps waren ursprünglich für die Bestimmung von

Ethanol und Zucker in Getränken ausgewählt worden. Es zeigte sich, dass mit den eingebauten

Filtern der Analyt Glucose erwartungsgemäß direkt ermittelt werden kann. Durch die

Verwendung von Standardfiltern basiert jedoch die Bestimmung von Ethanol nicht auf einem

für diesen Analyten spezifischen Spektralbereich, sondern auf einer Korrelation mit dem

Abbau von Glucose. Für einen Einsatz in der Getränkeindustrie ist es daher nötig, die optischen

Bandpässe hinsichtlich Selektivität und Sensitivität zu optimieren.

Verbesserungspotenzial besteht ebenfalls in der Anpassung des statistischen Verfahrens zur

Kalibration des Sensors. Hauptaugenmerk dieser Arbeit lag auf der Hardwareentwicklung und

einer ersten Erprobung. Daher wurde mit der RGP-Funktion in Microsoft Excel (multilineare

Regression) eine weit verbreitete Standardsoftware anstatt eines speziellen Berechnungs-

skriptes für die Kalibration eingesetzt. Andere Softwarepakete wie LabVIEW, Origin, Matlab,

R oder SPSS bieten zur Ausgleichsrechnung eine umfangreichere Funktionalität an. Durch

Einschränkung der Parameter (z.B. Regressionskoeffizienten) auf einen plausiblen Werte-

bereich, ein anderes Anpassungsverfahren (biquadrat oder bikubisch statt kleinste Quadrate)

oder den Einsatz eines größeren Kalibrationsdatensatzes sollte sich die Stabilität der

Kalibration gegenüber veränderten Umgebungsbedingungen oder Variationen des verfolgten

Prozesses deutlich verbessern lassen.

Der gebaute Prototyp erwies sich jedoch bereits als gut geeignet, um eine chemische Reaktion

(Veresterung mit anschließender Destillation (GEÖRG u. a., 2015)) und einen biotechno-

logischen Prozess (Hefefermentation (SCHALK u. a., 2017)) zu verfolgen. Der Auf- und Abbau

der relevanten Analyten konnte in beiden Fällen quantitativ erfasst werden. Die Versuche mit

dem Prototyp bestätigten das erwartete Ansprechverhalten in den einzelnen Messkanälen.

Damit wurde erstmals die quantitative Prozessverfolgung mit einem MIR-ATR-Sensor unter

Angabe von Qualitätsparametern (Kalibrationsfehler SEC, Vorhersagefehler SEP, Bestimmt-

heitsmaß R2) in Peer-reviewed Journals beschrieben. Andere Arbeitsgruppen bzw.

7 Diskussion 92

Forschungseinrichtungen und Firmen, welche einen ähnlichen Sensor entwickelt haben,

publizierten bisher entweder nur unkalibrierte Signale (THEUER u. a., 2015) oder erfassten

aufgrund des verwendeten Saphir-Prismas lediglich einen für die zu bestimmenden Analyten

unspezifischen Spektralbereich (siehe 2.2.3). Vor diesem Hintergrund erscheint die

angegebene Genauigkeit des Messsystems von Vital Sensors bzgl. Ethanol von 160 ppm

(VITALSENSORS, 2012) ambitioniert. Mit einem spektrometrischen Messaufbau würde sich diese

zwar durchaus erzielen lassen (KESSLER, 2013), für den photometrisch arbeitenden Sensor mit

wenigen vergleichsweise breiten optischen Kanälen, welche zudem in einem unspezifischen

Spektralbereich liegen, scheint eine solch hohe Genauigkeit jedoch schwer erreichbar.

Im hier beschriebenen MIR-ATR-Sensor wird hingegen Zinkselenid (optional mit Diamant-

plättchen als Kontaktfläche zum Prozess) als ATR-Material eingesetzt. Daher können erstmals

mit einem photometrischen MIR-Sensor Analyten auch im hochspezifischen Fingerprint-

bereich (1500-600 cm-1) erfasst und quantitativ bestimmt werden (siehe 4.1.1). Für den

entwickelten Sensor besteht daher ein großes Einsatzpotenzial in der chemischen Industrie

und Biotechnologie.

Es konnte weiterhin gezeigt werden, dass sich das Ansprechverhalten des Sensors simulieren

lässt, wenn man aus MIR-ATR-Spektren, welche mit einem kommerziellen FT-IR-Spektrometer

gemessen werden, selektiv Spektralbereiche für die Analyse auswählt. Dieses Vorgehen

ermöglicht es, optimale Spektralbereiche für die optischen Bandpassfilter bei einer gegebenen

Messaufgabe zu identifizieren und das Verbesserungspotenzial durch einen Filtertausch

abzuschätzen. Sowohl bei der Veresterung mit anschließender Destillation als auch bei der

Hefefermentation wurde simuliert, inwieweit der MIR-ATR-Sensor durch einen Filtertausch

verbessert werden kann. In beiden Fällen wurde eine deutliche Reduktion der Standardfehler

erreicht.

7.2 Prozessverfolgung einer Veresterung und Destillation

Die Tauglichkeit des MIR-ATR-Sensors für die chemische Prozessverfolgung wurde während

der Veresterung von Ethanol und Ameisensäure zu Ethylformiat und Wasser getestet. Diese

chemische Modellreaktion mit anschließender Destillation des Esters zeigt das Potenzial des

Sensors für die chemische Prozessanalysentechnik. Es konnten die zeitlichen Konzentrations-

verläufe sämtlicher vier Analyten aufgezeichnet werden.

Der Sensor wurde anhand von Daten aus sechs Kalibrationsläufen per multilinearer Regression

auf die Analyten kalibriert. Während des siebten vorhergesagten Laufes konnten sämtliche

vier an der Veresterung und Destillation beteiligten chemischen Substanzen simultan in

Echtzeit verfolgt werden. Die zeitlichen Verläufe der Sensorsignale sind in guter Überein-

stimmung mit den Konzentrationen, welche mit einem kommerziellen FT-MIR-Spektrometer

ermittelt wurden. Die erreichte Genauigkeit (Vorhersagefehler SEP) des mit Standardfiltern

7 Diskussion 93

ausgerüsteten MIR-ATR-Sensors ist für alle Analyten besser als 1 mol L-1 und somit aus-

reichend zur Verfolgung dieses chemischen Prozesses. Diese instabile Gleichgewichtsreaktion

hätte mit einer etablierten Analysenmethode wie HPLC nicht aufgezeichnet werden können,

weil sich die Konzentrationsverhältnisse während der Analyse verändern würden.

Bei dieser Anwendung war es mit dem Vierkanal-Sensor möglich, die maximale Anzahl von

vier verschiedenen chemischen Spezies gleichzeitig nachzuweisen. Dies ist darauf zurück zu

führen, dass die Analyten in den Messkanälen jeweils linear unabhängige Signale (keine

Kollinearitäten) hervorriefen.

Somit wurde gezeigt, dass der MIR-ATR-Sensor einen Spektrometeraufbau in einer

chemischen Prozessverfolgung ersetzen kann. Die Einbindung in eine Prozessumgebung ist

jedoch wesentlich einfacher, da der kompakte Sensor direkt am Messort angebracht wird und

ohne Lichtleiter und bewegte Teile auskommt. Durch den Verzicht auf Lichtleiter wird somit

ein wesentlicher Nachteil des MIR-Bereichs (kurze fragile Lichtleiter aus Silberhalogenid bzw.

Chalcogenid) gegenüber dem NIR-Bereich (lange Quarzlichtleiter dank hoher Transmission)

umgangen. Gleichzeitig wird durch diese neue Technologie der spezifischere und

informationsreichere MIR-Bereich für die Prozessanalytik erschlossen.

7.3 Prozessverfolgung einer Hefefermentation

Die Eignung des MIR-ATR-Sensors zur Verfolgung eines biotechnologischen Prozesses wurde

am Beispiel einer Batch-Fermentation von Bäckerhefe erprobt (SCHALK u. a., 2017). Der Sensor

wurde anhand von drei Kalibrationsläufen auf die Referenzanalytik kalibriert (offline HPLC-

Analyse gezogener Proben). Sowohl der Abbau des Substrats Glucose als auch der Aufbau des

Produkts Ethanol konnten anschließend während der vierten Fermentation online verfolgt

werden. Die mit dem Sensor ermittelten Konzentrationsverläufe stimmten gut mit der

Referenzanalytik überein. Der Vorhersagefehler betrug 6,15 g L-1 für Glucose und 1,36 g L-1 für

Ethanol (siehe Tabelle 13).

In Bezug auf die Maximalkonzentration dieser beiden Analyten liegt der relative Fehler für die

Bestimmung von Glucose bei 6% und Ethanol bei 5%. Um die erreichte Genauigkeit des

Sensors bewerten zu können, wurden die Fermentationen zusätzlich mit dem kommerziellen

MIR-ATR-Aufbau der Firma Bruker analysiert. Die während der Fermentation aufge-

nommenen IR-Spektren wurden ebenfalls mittels multilinearer Regression (MLR) in denselben

Spektralbereichen (Durchlassbereiche der im MIR-ATR-Sensor eingebauten optischen Filter)

ausgewertet. Die dabei erzielten SEP-Werte betrugen 4,34 g L-1 für Glucose und 0,61 g L-1 für

Ethanol (siehe Tabelle 15). Damit liegt der Vorhersagefehler des MIR-ATR-Sensors etwa

doppelt so hoch wie bei dem kommerziellen Spektrometer. Vergleicht man die Standardfehler

der Kalibration in beiden Tabellen, dann sind die SEC-Werte des Prototypsensors sogar nur um

den Faktor 1,3 höher.

7 Diskussion 94

Im Gegensatz zum MIR-ATR-Sensor, bei dem die Absorptionen in den vier Kanälen für die MLR-

Modellerstellung verwendet werden, kann bei FT-MIR-Spektrometern das gesamte Spektrum

für die Modellerstellung herangezogen werden. Aufgrund der vielen spektralen Datenpunkte

sind in der Regel PLS-Modelle besser als MLR-Modelle. Daher werden in den meisten

Publikationen, bei denen Fermentationen mit kommerziellen Spektrometeraufbauten

verfolgt werden, PLS-Modelle für die Spektrenauswertung eingesetzt. Zum Beispiel haben

Veale et. al (VEALE u. a., 2007) eine Ethanolfermentation mit einem kommerziellen FT-MIR-

Spektrometeraufbau verfolgt und dabei die beiden Analyten Glucose und Ethanol mittels PLS-

Modellen bestimmt. Während der Fermenationen wurden 75 g L-1 Glucose in eine Ethanol-

konzentration von ca. 30 g L-1 umgewandelt. Die dabei erhaltenen optimalen SEP-Werte für

Glucose lagen bei 1,386 g L-1 (relativer Fehler 2%) und für Ethanol bei 0,985 g L-1 (3%). Im Fall

von Glucose liefert die dort beschriebene PLS-Analyse bessere Werte und bei Ethanol etwas

schlechtere Werte als das hier verwendete MLR-Modell.

Die mit dem MIR-ATR-Sensor erreichte Genauigkeit war ausreichend, um bei den im Rahmen

dieser Arbeit durchgeführten Fermentationen den Abbau der vorgelegten 100 g L-1 Glucose

und die Bildung von 30 g L-1 Ethanol zeitlich zu verfolgen. Ob dieser Sensor auch bei

Bioprozessen mit kleineren Analytkonzentrationen erfolgreich eingesetzt werden kann, hängt

davon ab, ob sich mit den Analytkonzentrationen auch die Standardfehler (SEC, SEP)

entsprechend verringern. Im Gegensatz zur HPLC-Referenzmethode hat der Sensor den

Vorteil, dass mit ihm die Fermentationsbrühe direkt in Echtzeit und ohne Verdünnung bzw.

Abtrennung der Hefe vermessen werden kann. Somit können mit den Messdaten des Sensors

die wichtigsten Edukte und Produkte direkt gemessen und so in einem Prozess geregelt

werden.

8 Ausblick 95

8 Ausblick

Im Prototyp des MIR-ATR-Sensors wurden optische Standardfilter aus der IR-Gasanalytik

eingesetzt, da maßgefertigte Bandpässe die Herstellkosten zumindest verdoppelt hätten. Im

Detektor wird pro Kanal zwar nur ein Filter mit kleinen Abmessungen benötigt, dennoch muss

für ein spezielles Filter mindestens ein kompletter Wafer produziert und zugeschnitten

werden. Bei Fertigung eines MIR-ATR-Sensors in größerer Stückzahl ist es hingegen ohne

nennenswerte Mehrkosten möglich, spezielle (d.h. für eine bestimmte Messaufgabe optimale)

Filter einzusetzen. Es ist davon auszugehen, dass die Detektorhersteller mit steigendem

Einsatz von MIR-ATR-Sensoren zur Prozesskontrolle in der Flüssigphase auch Standardfilter für

die wichtigsten funktionellen chemischen Gruppen anbieten werden.

In einer stark abrasiven oder chemisch aggressiven Umgebung muss das ZnSe-Prisma des MIR-

ATR-Sensors geschützt werden. Unter anderem ist dies mit einem Diamantplättchen möglich

dank des gleichen Brechungsindex wie ZnSe und der guten Transmission im relevanten

Spektralbereich. Es besteht hierbei allerdings die Gefahr störender optischer Interferenzen

durch einen möglichen Luftspalt an der Kontaktfläche vom Diamantplättchen zum ZnSe-

Prisma. Dies könnte mit einer DLC-Beschichtung (DLC: Diamond Like Carbon) umgangen

werden, wie sie für Silizium- oder Germaniumlinsen bereits standardmäßig als Antireflexbe-

schichtung angeboten wird (JENOPTIK, 2008, S. 5). Für ZnSe ist eine solche Beschichtung bislang

jedoch nicht verfügbar.

Alternativ könnte bei einem Redesign des MIR-ATR-Sensors auf das ZnSe-Prisma verzichtet

und an Stelle dessen ein Diamant-ATR-Prisma mit sägezahnförmiger Ein- und Auskoppel-

struktur für das Licht verwendet werden (DIAMOND MATERIALS, 2016). Durch den Tausch des

Detektors gegen einen Typ mit internem Strahlteiler (INFRATEC, 2012) könnten in diesem Fall

auch mit der wesentlich kleineren ATR-Fläche vier photometrische Kanäle realisiert werden.

Mittelfristig ist zu erwarten, dass schmalbandige und zum Teil durchstimmbare Quanten-

kaskadenlaser (QCL) den Schwarzkörperstrahler ersetzen können. Die optischen Filter wären

dann obsolet. Die Anpassung an die Messaufgabe würde durch Tausch der Laserwellenlängen

bewerkstelligt. Aktuell gibt es erste industrielle Installationen mit dieser Technik als spezielle

Spurengasanalysatoren (OPTOPRECISION, 2016). QCL-Dioden mit einer Wellenlänge oberhalb

von 5 µm sind mit über 10 000 € (ROITHNER, 2016, S. 9) jedoch noch ca. 500 mal teurer als ein

elektrisch modulierbarer Schwarzkörperstrahler und 2-4 mal teurer als die Herstellkosten des

jetzigen Prototyps. Der Einsatz in einem preisgünstigen MIR-ATR-Sensor kommt daher aktuell

noch nicht in Frage.

Verzeichnisse 96

Verzeichnisse

Literaturverzeichnis

ABB: In-Situ Reaktionsmonitor Für Pilotanlagen und Laboratorien in Forschung und Entwicklung, ABB Automation GmbH Application Center FTIR/NIR, Frankfurt (2012)

ABB: PUV3402, PIR3502 and PFO3372 process photometers - Applications, technology and data, ABB Inc. Process Automation Analytical Measurements, Lewisburg, WV, USA (2013)

ABDI, HERVÉ: Partial least squares regression and projection on latent structure regression (PLS Regression). In: Wiley Interdisciplinary Reviews: Computational Statistics Bd. 2 (2010), Nr. 1, S. 97–106

ADAMS, MIKE J.: Chemometrics in analytical spectroscopy, RSC analytical spectroscopy monographs. 2nd ed. Aufl. Cambridge : Royal Society of Chemistry, 2004 — ISBN 978-0-85404-595-2

ANALOG DEVICES: Data Sheet AD8605/8606/8608 - Precision, Low Noise, CMOS, Rail-to-Rail Input/Output Operational Amplifiers, Analog Devices Inc., Norwood, MA, USA (2013)

ANALOG DEVICES: Data Sheet AD8628/8629/8630 - Zero-Drift, Single-Supply, Rail-to-Rail Input/Output Operational Amplifier, Analog Devices Inc., Norwood, MA, USA (2014)

ANALOG DEVICES: Data Sheet AD8551/8552/8554 - Zero-Drift, Single-Supply, Rail-to-Rail Input/Output Operational Amplifiers, Analog Devices Inc., Norwood, MA, USA (2015)

ANNEMULLER, GEROLF ; MANGER, HANS-JURGEN ; LIETZ, PETER: Die Hefe in der Brauerei: Hefemanagement, Kulturhefe - Hefereinzucht, Hefepropagation im Bierherstellungsprozess. Berlin : VLB, 2008 — ISBN 978-3-921690-57-4

ANTON PAAR: Carbo 520 Optical - The inline CO2 sensor for beverages, Anton Paar GmbH, Graz, Österreich (2013)

ART PHOTONICS: Comparison of CIR & PIR-Fibers. URL http://www.artphotonics.de/products/special-fibers-and-fiber-cables/comparison-of-cir-pir-fibers/. - abgerufen am 2016-04-29

AVERETT, LACEY A. ; GRIFFITHS, PETER R. ; NISHIKIDA, KOICHI: Effective Path Length in Attenuated Total Reflection Spectroscopy. In: Analytical Chemistry Bd. 80 (2008), Nr. 8, S. 3045–3049

AXETRIS: Infrared Source EMIRS50, Axetris AG, Kaegiswil, Schweiz (2014)

BEER, AUGUST: Bestimmung der Absorption des rothen Lichts in farbigen Flüssigkeiten. In: Annalen der Physik und Chemie Bd. 162 (1852), Nr. 5, S. 78–88

BEUERMANN, THOMAS: Skript zur Vorlesung Optische Messtechnik (OMT), Hochschule Mannheim (2016)

BEUERMANN, THOMAS ; EGLY, DOMINIK ; GEOERG, DANIEL ; KLUG, KERRIS ISOLDE ; STORHAS, WINFRIED ; METHNER, FRANK-JUERGEN: On-line carbon balance of yeast fermentations using miniaturized optical sensors. In: Journal of Bioscience and Bioengineering Bd. 113 (2012), Nr. 3, S. 399–405

BLUESENS: All gas sensors. URL http://www.bluesens.com/english/products/allgassensors.html. - abgerufen am 2016-05-23

Verzeichnisse 97

BOUGUER, P.: Essai d’optique, sur la gradation de la lumière : chez Claude Jombert, ruë S. Jacques, au coin de la ruë des Mathurins, à l’Image Notre-Dame, 1729

BRAUN, F. ; SCHALK, R. ; GEÖRG, D. ; RÄDLE, M. ; ECKARDT, H.S. ; BEUERMANN, T.: Prozess-Raman-Spektroskopie zur in-line Verfolgung einer aeroben Fermentation von Saccharomyces cerevisiae. In: GDCh-Wissenschaftsforum Chemie. Dresden, 2015a

BRAUN, F. ; SCHWOLOW, S. ; SCHALK, R. ; SELTENREICH, J. ; NACHTMANN, M. ; GEÖRG, D. ; RÖDER, T. ; BEUERMANN, T. ; GRETZ, N. ; U. A.: Prozesstaugliche Ramanspektroskopie mit hoher optischer Sammeleffizienz für die In-line-Analytik. In: 11. Kolloquium des Arbeitskreises Prozessanalytik der GDCh und DECHEMA. Wien, 2015b

BRUKER: ALPHA Benutzerhandbuch. 2. Aufl. Ettlingen : Bruker Optik GmbH, 2011a

BRUKER: OPUS V7 Benutzerhandbuch QUANT. Ettlingen : Bruker Optik GmbH, 2011b

BRUKER: Produktbroschüre Matrix-MF FT-IR Spectrometers, Bruker Optik GmbH, Ettlingen (2013)

BUNDESMINISTERIUM FÜR BILDUNG UND FORSCHUNG (BMBF): Die neue Hightech-Strategie - Innovationen für Deutschland (2014)

CAMO: The Unscrambler - Methods, CAMO Software AS, Oslo, Norwegen (2006)

CONZEN, JO RG-PETER: Multivariate Kalibration: ein praktischer Leitfaden zur Methodenentwicklung in der quantitaven Analytik. Ettlingen : Bruker Optik, 2005 — ISBN 3-929431-13-0

CORNELL, JOHN A.: Experiments with mixtures: designs, models, and the analysis of mixture data, Wiley series in probability and statistics. 3rd ed. Aufl. New York : Wiley, 2002 — ISBN 978-0-471-39367-2

CYPIONKA, HERIBERT: Grundlagen der Mikrobiologie. 4. Aufl. : Springer-Verlag Berlin Heidelberg, 2010

DEMING, STANLEY N. ; MORGAN, STEPHEN L.: Experimental design: a chemometric approach, Data handling in science and technology. 2nd rev. and expanded ed. Aufl. Amsterdam ; New York : Elsevier, 1993 — ISBN 978-0-444-89111-2

DIAMOND MATERIALS: Diamant-ATR-Einheiten. URL http://www.diamond-materials.com/DE/products/optical_components/atr_units.htm. - abgerufen am 2016-09-03

DRIXLER, DAVID: Entwicklung einer auf MIR-ATR-Spektroskopie basierenden Methode zur Biomassebestimmung bei Hefefermentationen, Hochschule Mannheim (2015)

EGLY, DOMINIK: Einsatz der IR-Spektroskopie bei der Prozessverfolgung von Hefe-Fermentationen sowie bei der Qualitätskontrolle von Getränken, Obst und Hefen. Berlin, TU Berlin, Dissertation, 2012

EGLY, DOMINIK ; GEÖRG, DANIEL ; RÄDLE, MATTHIAS ; BEUERMANN, THOMAS: A compact multi-channel fluorescence sensor with ambient light suppression. In: Measurement Science and Technology Bd. 23 (2012), Nr. 3, S. 35702

EMERSON: X-STREAM - X2XF - Field Housing Gas Analyzer, Emerson Process Management GmbH, Hasselroth (2015)

EUROPÄISCHE KOMISSION: Electronic Components & Systems: boosting Europe’s electronics design and manufacturing capabilities, Europäische Komission, Brüssel, Belgien (2014)

FAIRCHILD: FDV305N - 20V N-Channel PowerTrench® MOSFET, Fairchild Semiconductor Corp. Sunnyvale, CA, USA (2003)

Verzeichnisse 98

FALK, MICHAEL ; MILLER, ANTHONY G.: Infrared spectrum of carbon dioxide in aqueous solution. In: Vibrational Spectroscopy Bd. 4 (1992), Nr. 1, S. 105–108

FARNELL ELEMENT14 DEUTSCHLAND: IRA-E700ST0 - MURATA - PIR-Sensor, pyroelektrisch, zweifach, 2 VDC, 15 VDC, 45 °, Baureihe IRA. URL http://de.farnell.com/murata/ira-e700st0/sensor-infrarot/dp/1006209. - abgerufen am 2016-05-26

FRAUNHOFER-GESELLSCHAFT: Big Data hält komplexe Produktionsanlagen am Laufen. URL http://www.fraunhofer.de/de/presse/presseinformationen/2014/Maerz/big-data-haelt-komplexe-produktionsanlagen-am-laufen.html. - abgerufen am 2015-01-13

GEÖRG, D. ; GORNICKI, M. ; EGLY, D. ; METHNER, F.-J. ; BEUERMANN, T.: L11 - Photometrischer MIR-ATR-Sensor für die Prozessanalyse. In: 11. Dresdner Sensor-Symposium. Dresden, 2013 — ISBN 978-3-9813484-5-3, S. 439–443

GEÖRG, DANIEL ; SCHALK, ROBERT ; METHNER, FRANK-JÜRGEN ; BEUERMANN, THOMAS: MIR-ATR sensor for process monitoring. In: Measurement Science and Technology Bd. 26 (2015), Nr. 6, S. 65501

GÜNZLER, HELMUT: IR-Spektroskopie: Eine Einführung. 4. Aufl. Weinheim : Wiley-VCH, 2003 — ISBN 978-3-527-30801-9

HAALAND, DAVID M. ; THOMAS, EDWARD V.: Partial least-squares methods for spectral analyses. 1. Relation to other quantitative calibration methods and the extraction of qualitative information. In: Analytical Chemistry Bd. 60 (1988), Nr. 11, S. 1193–1202

HACH LANGE: Bier-Monitoring für Inline-Anwendungen, Hach Lange, Düsseldorf (2014)

HÄFFNER, MATTHIAS: Elaboration of Experimental Setups and Calibration Methods for MIR-ATR Monitoring of Chemical and Biotechnological Process, Hochschule Mannheim (2015)

HARRICK, N J: Internal Reflection Spectroscopy. New York : John Wiley & Sons Inc, 1967 — ISBN 978-0-470-35250-2

HEIMANN SENSOR: HSL Series IR-Lamps, Heimann Sensor GmbH, Dresden (2008a)

HEIMANN SENSOR: HTS Multichannel Sensor Thermopile Sensor for Gas Analysis, Heimann Sensor GmbH, Dresden (2008b)

HEIMANN SENSOR: Application Note NDIR-Measurement, Heimann Sensor GmbH, Dresden (2014)

HELIOWORKS: Pulsable IR Source Model EF-8530, Helioworks Inc., Santa Rosa, CA, USA (2010)

HERSCHEL ROMAN: Development of Yeast as an Experimental Organism. In: The Molecular Biology of the Yeast Saccharomyces, Cold Spring Harbor Monograph Archive. Bd. Life Cycle and Inheritance (1981), Nr. 11A

HESSE, MANFRED ; MEIER, HERBERT ; ZEEH, BERND: Spektroskopische Methoden in der organischen Chemie. 8. Aufl. Stuttgart : Thieme, 2012 — ISBN 978-3-13-576108-4

INFRATEC: LIM-054-# Pyroelectric multispectral detector, InfraTec GmbH Dresden (2012)

INFRATEC: Detector Basics, InfraTec GmbH Dresden (2013a)

INFRATEC: Typical Filter Plots, InfraTec GmbH Dresden (2013b)

INFRATEC: Infrarot-Detektoren und Infrarotfilter von InfraTec. URL http://www.infratec.de/de/sensorik/produkte.html. - abgerufen am 2016-05-25

INTERNATIONAL LIGHT TECHNOLOGIES: Visible/IR Lamps for NDIR Gas Sensors, International Light Technologies, Peabody, MA, USA (2002)

IRFLEX: MIR chalcogenide fiber and devices, IRflex Corporation, Danville, VA, USA (2015)

Verzeichnisse 99

JEDEC: Transistor Outlines Archive. URL http://www.jedec.org/standards-documents/focus/registered-outlines-jep95/transistor-outlines-archive. - abgerufen am 2016-05-25

JENOPTIK: List of Standard Coatings, JENOPTIK Optical Systems GmbH, Jena (2008)

KESSLER, RUDOLF W.: Perspectives in process analysis: Process analysis and technology. In: Journal of Chemometrics Bd. 27 (2013), Nr. 11, S. 369–378

KLUG, KERRIS ISOLDE: Charakterisierung des Zellmetabolismus bei Fermentationen und biomedizinischen Anwendungen mit Hilfe eines miniaturisierten faseroptischen Fluoreszenzmessaufbaus. Berlin, TU Berlin, Dissertation, 2009

KORTH KRISTALLE GMBH: Saphir (Al2O3) - Material Detailansicht. URL http://www.korth.de/index.php/material-detailansicht/items/5.html. - abgerufen am 2016-05-23

KÜBEL-HEISING, F. ; KUNKEL, S. ; GEÖRG, D. ; HIEN, A. ; MEDINA, I. ; SCHOLL, S. ; REPKE, J.-U. ; RÄDLE, M.: Anwendungspotenzial der Nah-Infrarot-Bildanalyse in der Fluidverfahrenstechnik. In: ProcessNet - Jahrestreffen der Fachgruppe FVT. Garmisch-Partenkirchen, 2016

KUHNERT, CHRISTIAN: Dampf-Flüssigkeits-Gleichgewichte in mehrkomponentigen formaldehydhaltigen Systemen. Aachen, TU Kaiserslautern, Dissertation, 2004

LAMBERT, J.H.: Photometria: sive de mensvra et gradibvs lvminis, colorvm et vmbrae : sumptibus vidvae E. Klett, typis C.P. Detleffsen, 1760

LASER COMPONENTS: Mercury Cadmium Telluride Detectors, Laser Components GmbH, Olching (2009)

LASER COMPONENTS: Hollow Silica Waveguide, Laser Components GmbH, Olching (2012)

LASER COMPONENTS: Overview IR Filters Northumbria Optical Coatings Ltd, Laser Components GmbH, Olching (2013)

LASER COMPONENTS: Infrared Components, Laser Components GmbH, Olching (2015)

LASER COMPONENTS: Amplifier - Device Options, Laser Components GmbH, Olching (2016)

LATSCHA, HANS PETER ; KAZMAIER, ULI ; KLEIN, HELMUT ALFONS: Organische Chemie: Chemie-Basiswissen II. Berlin : Springer, 2008 — ISBN 978-3-540-77106-7

MCDONALD, ROBERT S. ; WILKS, JR., PAUL A.: JCAMP-DX: A Standard Form for Exchange of Infrared Spectra in Computer Readable Form. In: Applied Spectroscopy Bd. 42 (1988), Nr. 1, S. 151–162

MERCK, E.: Tabellen für das chemische Labor : E. Merck, 1981

METTLER TOLEDO: ReactIR Sampling for Every Application, Mettler-Toledo AutoChem Inc., Columbia, MD, USA (2014)

MICRO-HYBRID: Detector Kit - For Micro-Hybrid IR-detectors, Micro-Hybrid Electronic GmbH, Hermsdorf (2013)

MICRO-HYBRID: INFRARED COMPONENTS AND SYSTEMS - Product Catalog 2016 / 2017, Micro-Hybrid Electronic GmbH, Hermsdorf (2016)

MICRO-HYBRID ELECTRONIC GMBH: Infrared Sources. URL http://finder.micro-hybrid.de/en/infrared-sources.html. - abgerufen am 2016-05-24

MOORE, WALTER JOHN ; PATERNO, WOLFGANG: Grundlagen der Physikalischen Chemie. Berlin : de Gruyter, 1990 — ISBN 3-11-009941-1

Verzeichnisse 100

NATIONAL INSTRUMENTS: NI 6351 Specifications, National Instruments Corp., Austin, TX, USA (2015)

NATIONAL INSTRUMENTS: NI-TDMS-Dateiformat. URL http://www.ni.com/white-paper/3727/de/. - abgerufen am 2016-06-03

NATIONAL INSTRUMENTS: TDM Excel Add-In for Microsoft Excel Download. URL http://www.ni.com/example/27944/en/. - abgerufen am 2016-06-05

NATIONAL INSTRUMENTS: X Series User Manual - NI 632x/634x/635x/636x/637x Devices, National Instruments Corp., Austin, TX, USA (2015)

NELSON, DAVID L ; COX, MICHAEL M ; LEHNINGER, ALBERT L: Lehninger principles of biochemistry. New York : W.H. Freeman, 2013 — ISBN 978-1-4292-3414-6

NORTHUMBRIA OPTICAL COATINGS LTD: Narrow Bandpass. URL http://www.noc-ltd.com/products/narrow-bandpass. - abgerufen am 2016-01-03

OPTOPRECISION: Gasanalysator zur Messung von Phosgen (GasMo-P). URL http://www.optoprecision.de/industrial-solutions/produkte-dienstleistungen/gas-analyse/. - abgerufen am 2016-09-04

OTTO, MATTHIAS: Chemometrics: statistics and computer application in analytical chemistry. Weinheim; Chichester : Wiley-VCH ; John Wiley [distributor], 2007 — ISBN 978-3-527-31418-8

PIOTROWSKI, JOZEF ; ROGALSKI, ANTONI: High-operating-temperature infrared photodetectors. Bellingham, Wash : SPIE, 2007 — ISBN 978-0-8194-6535-1

RÄDLE, MATTHIAS ; PETZOLD, SIEGFRIED ; BRAUN, FRANK ; BOPP, DOMINIK ; GEÖRG, DANIEL ; STRISCHAKOV, JOHANN ; SHULHEVIC, YURY ; ZIEGLER, ANDREAS: Messung der zukünftigen Färbeeigenschaften bei Spinnfäden. Deutschland, 2014. — Patent DE102014112323

ROITHNER: Price List 03/2016, Roithner LaserTechnik GmbH, Wien, Österreich (2016)

SCHALK, R. ; BRAUN, F. ; GEÖRG, D. ; BRUNNER, J. ; SELTENREICH, J. ; THEUER, M. ; METHNER, F.-J. ; RÄDLE, M. ; BEUERMANN, T.: On-line Raman-Spektroskopie zur Verfolgung einer aeroben Hefe-Fermentation. In: 11. Kolloquium des Arbeitskreises Prozessanalytik der GDCh und DECHEMA. Wien, 2015a

SCHALK, R. ; GEÖRG, D. ; BRAUN, F. ; METHNER, F.-J. ; RÄDLE, M. ; BEUERMANN, T.: MIR-ATR-Sensor zur Online-Überwachung von chemischen Reaktionen. In: 11. Kolloquium des Arbeitskreises Prozessanalytik der GDCh und DECHEMA. Wien, 2015b

SCHALK, ROBERT ; GEOERG, DANIEL ; STAUBACH, JENS ; RAEDLE, MATTHIAS ; METHNER, FRANK-JUERGEN ; BEUERMANN, THOMAS: Evaluation of a newly developed mid-infrared sensor for real-time monitoring of yeast fermentations. In: Journal of Bioscience and Bioengineering (2017)

SCHATZMANN, HERBERT: Anaerobes Wachstum von Saccharomyces cerevisiae, regulatorische Aspekte des glycolytischen und respirativen Stoffwechsels, ETH Zürich, Dissertation, 1975

SIEGL, JOHANN ; ZOCHER, EDGAR: Schaltungstechnik - Analog und gemischt analog/digital, Springer-Lehrbuch. Berlin, Heidelberg : Springer Berlin Heidelberg, 2014 — ISBN 978-3-642-29559-1

SPECTROGON: Datenblatt NB-8690-215, Spectrogon AB, Täby, Schweden (2011)

SPECTROGON: Narrow Bandpass Filters. URL http://www.spectrogon.com/product-services/optical-filters/spectrogon-ab/narrow-bandpass-filters. - abgerufen am 2015-05-12

Verzeichnisse 101

STAUBACH, JENS: Erprobung eines MIR-ATR-Sensors zur Verfolgung der Glucose- und Ethanolkonzentration in Bioprozessen, Hochschule Mannheim (2015)

STMICROELECTRONICS: LD1117 - Adjustable and fixed low drop positive voltage regulator, STMicroelectronics, Genf, Schweiz (2013)

TEUMER, T. ; DÖRNHOFER, P. ; GEÖRG, D. ; LERCHE, D. ; METHNER, F.-J. ; RÄDLE, M.: In-line coagulation monitoring using spectrally resolved back scattering sensors in beer. In: PARTEC 2016, International Congress on Particle Technology. Nürnberg, 2016

THEUER, MICHAEL ; HENNIG, STEFFEN ; FERSTL, WOLFGANG ; KONZ, WERNER ; LAMBRECHT, ARMIN: ATR-Photometer zur Bestimmung der Isocyanatkonzentration in Prozessanwendungen. In: tm - Technisches Messen Bd. 82 (2015), Nr. 1

TIETZE, ULRICH ; SCHENK, CHRISTOPH: Halbleiter-Schaltungstechnik. 12. Aufl. Aufl. Berlin : Springer, 2002 — ISBN 978-3-540-42849-7

TIPLER, PAUL A. ; GERLICH, D. ; JERKE, G. (Hrsg.): Physik, Spektrum Lehrbuch. 3. Aufl. Heidelberg : Spektrum Akad. Verl, 2000 — ISBN 978-3-86025-122-5

VDI: Automation 2020, VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (GMA), Düsseldorf (2013)

VDI: Tätigkeitsbericht 2013, VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (GMA), Düsseldorf (2014)

VEALE, ENNIS L. ; IRUDAYARAJ, JOSEPH ; DEMIRCI, ALI: An on-line approach to monitor ethanol fermentation using FTIR spectroscopy. In: Biotechnology Progress Bd. 23 (2007), Nr. 2, S. 494–500. — PMID: 17311406

VITALSENSORS: VS-1300P Pharma Inline Fermentation Monitor - Product Specification, VitalSensors Technologies LLC, Hudson, MA, USA (2012)

WALKER, GRAEME M.: Yeast physiology and biotechnology. Chichester ; New York : J. Wiley & Sons, 1998 — ISBN 0-471-96447-6

WEHRENS, RON: Chemometrics with R: multivariate data analysis in the natural sciences and life sciences, Use R. Berlin : Springer, 2011 — ISBN 978-3-642-17840-5

WEIßGERBER, WILFRIED: Elektrotechnik für Ingenieure - Formelsammlung. Wiesbaden : Springer Fachmedien Wiesbaden, 2015 — ISBN 978-3-658-09090-6

WELLER, WOLFGANG: Automatisierungstechnik im Wandel der Zeit - Entwicklung eines faszinierenden Fachgebiets. Berlin : epubli GmbH, 2013

HART, H. ; KINDLER, N. (Hrsg.): Organische Chemie, Bachelor. 3., vollst. überarb. und aktualisierte Aufl. Aufl. Weinheim : Wiley-VCH, 2007 — ISBN 3-527-31801-1

ŠAŠIĆ, S. ; OZAKI, Y. (Hrsg.): Raman, infrared, and near-infrared chemical imaging. Hoboken, N.J : Wiley, 2010 — ISBN 978-0-470-38204-2

SAHM, H. ; ANTRANIKIAN, G. ; STAHMANN, K.-P. ; TAKORS, R. ; TECHNISCHE UNIVERSITÄT HAMBURG-HARBURG (Hrsg.): Industrielle Mikrobiologie. Berlin : Springer Spektrum, 2013 — ISBN 978-3-8274-3040-3

Verzeichnisse 102

Vorveröffentlichungen

Peer-reviewed papers

(SCHALK u. a., 2017) SCHALK, ROBERT ; GEOERG, DANIEL ; STAUBACH, JENS ; RAEDLE, MATTHIAS ; METHNER, FRANK-JUERGEN ; BEUERMANN, THOMAS: Evaluation of a newly developed mid-infrared sensor for real-time monitoring of yeast fermentations. In: Journal of Bioscience and Bioengineering (2017)

(GEÖRG u. a., 2015) GEÖRG, DANIEL ; SCHALK, ROBERT ; METHNER, FRANK-JÜRGEN ; BEUERMANN, THOMAS: MIR-ATR sensor for process monitoring. In: Measurement Science and Technology Bd. 26 (2015), Nr. 6, S. 65501

(EGLY u. a., 2012) EGLY, DOMINIK ; GEÖRG, DANIEL ; RÄDLE, MATTHIAS ; BEUERMANN, THOMAS: A compact multi-channel fluorescence sensor with ambient light suppression. In: Measurement Science and Technology Bd. 23 (2012), Nr. 3, S. 35702

(BEUERMANN u. a., 2012) BEUERMANN, THOMAS ; EGLY, DOMINIK ; GEOERG, DANIEL ; KLUG, KERRIS ISOLDE ; STORHAS, WINFRIED ; METHNER, FRANK-JUERGEN: On-line carbon balance of yeast fermentations using miniaturized optical sensors. In: Journal of Bioscience and Bioengineering Bd. 113 (2012), Nr. 3, S. 399–405

Konferenzbeiträge

(GEÖRG u. a., 2013) GEÖRG, D. ; GORNICKI, M. ; EGLY, D. ; METHNER, F.-J. ; BEUERMANN, T.: L11 - Photometrischer MIR-ATR-Sensor für die Prozessanalyse. In: 11. Dresdner Sensor-Symposium. Dresden, 2013 — ISBN 978-3-9813484-5-3, S. 439–443

(BRAUN u. a., 2015a) BRAUN, F. ; SCHALK, R. ; GEÖRG, D. ; RÄDLE, M. ; ECKARDT, H.S. ; BEUERMANN, T.: Prozess-Raman-Spektroskopie zur in-line Verfolgung einer aeroben Fermentation von Saccharomyces cerevisiae. In: GDCh-Wissenschaftsforum Chemie. Dresden, 2015a

(BRAUN u. a., 2015b) BRAUN, F. ; SCHWOLOW, S. ; SCHALK, R. ; SELTENREICH, J. ; NACHTMANN, M. ; GEÖRG, D. ; RÖDER, T. ; BEUERMANN, T. ; GRETZ, N. ; U. A.: Prozesstaugliche Ramanspektroskopie mit hoher optischer Sammeleffizienz für die In-line-Analytik. In: 11. Kolloquium des Arbeitskreises Prozessanalytik der GDCh und DECHEMA. Wien, 2015b

(SCHALK u. a., 2015b) SCHALK, R. ; GEÖRG, D. ; BRAUN, F. ; METHNER, F.-J. ; RÄDLE, M. ; BEUERMANN, T.: MIR-ATR-Sensor zur Online-Überwachung von chemischen Reaktionen. In: 11. Kolloquium des Arbeitskreises Prozessanalytik der GDCh und DECHEMA. Wien, 2015b

(SCHALK u. a., 2015a) SCHALK, R. ; BRAUN, F. ; GEÖRG, D. ; BRUNNER, J. ; SELTENREICH, J. ; THEUER, M. ; METHNER, F.-J. ; RÄDLE, M. ; BEUERMANN, T.: On-line Raman-Spektroskopie zur Verfolgung einer aeroben Hefe-Fermentation. In: 11. Kolloquium des Arbeitskreises Prozessanalytik der GDCh und DECHEMA. Wien, 2015a

Verzeichnisse 103

Abbildungsverzeichnis

Abbildung 1: Schematischer Aufbau der Optik einer ATR-Messzelle mit drei Reflexionsstellen zwischen Probe und Prisma. .......................................................................................... 6

Abbildung 2: Aufbauschema eine FT-MIR-Spektrometers (BEUERMANN, 2016). ................................. 7

Abbildung 3: Ablaufschema zum Erstellen einer chemometrischen PCR- oder PLSR-Methode. ....... 9

Abbildung 4: Schematische Darstellung eines MIR-ATR-Sensors. .................................................... 12

Abbildung 5: Reaktionsmechanismus zur Veresterung bzw. Hydrolyse von Carbonsäureestern (LATSCHA u. a., 2008). .................................................................................................... 16

Abbildung 6: Gleichgewichtskonstante der Veresterung abhängig vom Anteil der Ameisensäure in der Vorlage nach (KUHNERT, 2004, Abb. 38). ................................................................ 18

Abbildung 7: Schematische Darstellung der Online-Messungen in der Probenschleife sowie der Sensorik und Datenerfassung bei der Veresterung. .................................................... 22

Abbildung 8: Bild des Versuchsaufbaus zur chemischen Prozessverfolgung während der Veresterung. ................................................................................................................ 23

Abbildung 9: Bild des Versuchsaufbaus zur chemischen Prozessverfolgung während der Destillation. .................................................................................................................. 24

Abbildung 10: MIR-ATR-Spektren der am chemischen Musterprozess beteiligten Analyten Wasser, Ameisensäure, Ethanol und Ethylformiat. ................................................................... 26

Abbildung 11: Schematische Darstellung der Online-Messung in der Probenschleife sowie der Sensorik, Aktorik und Datenerfassung bei der Hefefermentation .............................. 30

Abbildung 12: Foto des Fermenters mit Messsonden und Steuereinheit während der Fermentation ..................................................................................................................................... 30

Abbildung 13: Bildschirmfoto der LabVIEW-basierten Datenerfassung für die HPLC-Analyse mit Chromatogramm 1 h nach Fermentationsbeginn (Zeitformat hh:mm). ..................... 32

Abbildung 14: Kalibration der HPLC anhand jeweils einer Verdünnungsreihe zur Bestimmung der Glucose- und der Ethanolkonzentration in den Fermentationsproben. Auswertung der Chromatogramme mittels ChemStation (Agilent). ............................................... 33

Abbildung 15: Realer Bandpass der Firma Spectrogon und entsprechende Näherung für die Simulation eines MIR-ATR-Sensors. ............................................................................. 35

Abbildung 16: Datenfluss der Spektrenverarbeitung für die Sensorsimulation, ①…⑦: Reiter im Programm Spektrenanalyse.exe. ................................................................................. 36

Abbildung 17: Dateidialog des OPUS-Makros BatchConvert.mtx ....................................................... 37

Abbildung 18: Vom OPUS-Makro BatchConvert.mtx erstellte Metadatendatei BatchConvert.txt (Ausschnitt). ................................................................................................................. 38

Abbildung 19: 1. Reiter des LabVIEW-Programms Spektrenanalyse: „JCAMP-DX Daten einlesen“, Markierung: Dateiauswahl für die vom OPUS-Makro BatchConvert.mtx erstellte Textdatei. ..................................................................................................................... 39

Abbildung 20: Im 2. Reiter des LabVIEW-Programms Spektrenanalyse erstellter 3D Spektrenverlauf. ..................................................................................................................................... 40

Abbildung 21: Konfiguration der Auswertung im 3. Reiter des LabVIEW-Programms Spektrenanalyse. ......................................................................................................... 41

Abbildung 22: Sensorsimulation im 4. Reiter des LabVIEW-Programms Spektrenanalyse, Markierung: Button zum Speichern der Auswerteergebnisse als TDMS-Datei. .......... 42

Abbildung 23: Signalbeschreibung in der TDMS-Datei *_Auswert.tdms nach Import mittels Excel-Add-In (Ausschnitt). ..................................................................................................... 42

Abbildung 24: 5. Reiter „ATR Photometer“ des LabVIEW-Programms Spektrenanalyse, Markierung: Auswahl der Signalaufzeichung des MIR-ATR-Sensors. ............................................... 43

Verzeichnisse 104

Abbildung 25: Chemometrischen Analyse mittels OPUS-Funktion „Quant 2 Analyse / Dateiliste“. Hervorgehoben: Button zum Markieren der Ergebnisse. ........................................... 44

Abbildung 26: 6. Reiter „Quant 2 einlesen“ des LabVIEW-Programms Spektrenanalyse, Markierungen: Auswahl der Textdatei mit der Quant2-Analyse und Speichern der synchronisierten Informationen als TDMS. ................................................................. 45

Abbildung 27: 7. Reiter „Diagramm“ des LabVIEW-Programms Spektrenanalyse. ............................ 45

Abbildung 28: CAD-Entwurf des MIR-ATR-Sensors (EGLY, 2012). ....................................................... 47

Abbildung 29: Foto des gebauten MIR-ATR-Sensors. ......................................................................... 48

Abbildung 30: Schematischer Aufbau des MIR-ATR-Sensors und optischer Strahlengang. ............... 49

Abbildung 31: Foto der Prismen- und Elektronikhalterung im MIR-ATR-Sensor. ............................... 50

Abbildung 32: Foto der Elektronik (Oberseite) des MIR-ATR-Sensors mit Lichtquelle und Detektor. 50

Abbildung 33: Schema der Verkabelung des MIR-ATR-Sensors. ........................................................ 53

Abbildung 34: Foto der Verkabelung des MIR-ATR-Sensors am Klemmblock der USB-Datenerfassung. ........................................................................................................... 53

Abbildung 35: Schaltplan der Lichtquellenansteuerung, IC1: Lichtquelle Typ MIRL17-900 (Vertrieb durch Laser Components, Olching). ............................................................................ 55

Abbildung 36: Ersatzschaltbild und Pinbelegung des Vierkanaldetektors HTS Q21 mit internem NTC-Temperatursensor (Thermistor) (HEIMANN SENSOR, 2008b). ........................................ 56

Abbildung 37: Grundschaltung eines Transimpedanzverstärkers. ..................................................... 58

Abbildung 38: Transimpedanzverstärker mit sternförmigem Rückkoppelnetzwerk (links) und dazu äquivalente Dreieckschaltung (rechts). ....................................................................... 59

Abbildung 39: Beispielschaltung eines Verstärkers für einen Thermosäulendetektor mit 1001-facher Vorverstärkung und 11-facher Nachverstärkung des Wechselanteils (ANALOG DEVICES, 2014, S. 18). ................................................................................................................. 60

Abbildung 40: Bildschirmfoto des LabVIEW-Programms ATR_Photometer. ...................................... 62

Abbildung 41: Signale des MIR-ATR-Sensors und zugehörige Simulation auf Basis der MIR-ATR-Spektren während Lauf 7 der Veresterung und Destillation. ...................................... 64

Abbildung 42: Signalverläufe des Kanals 3 des MIR-ATR-Sensors während der Veresterung und Destillation. .................................................................................................................. 66

Abbildung 43: Simuliertes Ansprechverhalten der vier Kanäle des MIR-ATR-Sensors bzgl. Ethanol (oben) und Glucose (unten), Extinktionsänderung bezogen auf Wasser in Abhängigkeit der Analytkonzentration. ....................................................................... 68

Abbildung 44: Temperatur des Reaktionsgemisches während der Veresterung und Destillation bei den Läufen 3, 4, 5, 6 und 7. ......................................................................................... 70

Abbildung 45: Veränderung der MIR-ATR-Spektren während der Veresterung (oben) und der Destillation (unten), exemplarisch für Lauf 7 dargestellt. ........................................... 73

Abbildung 46: Referenzanalytik während Lauf 5 der Veresterung und Destillation. Auswahl der Kalibrationspunkte. ...................................................................................................... 75

Abbildung 47: Konzentrationsverläufe der Edukte Ethanol und Ameisensäure (oben) und der Produkte Ethylformiat und Wasser (unten) während der Veresterung (0-1,7 h) und Destillation (1,7-2,3 h) in Lauf 7. Referenz (FT-Spektrometer) kalibriert mittels PLS-Regression auf eingewogene Proben und MIR-ATR-Sensor kalibriert mittels MLR-Modell anhand der Läufe 1-6. ..................................................................................... 77

Abbildung 48: 3D-Plot der MIR-ATR-Spektren von 3600-1100 cm-1 (links) und 1100-600 cm-1 (rechts) während Lauf 7 der Veresterung (0-1,7 h) und Destillation (1,7-2,3 h). ..................... 78

Verzeichnisse 105

Abbildung 49: Ausschnitt der MIR-ATR-Spektren von 1100-600 cm-1 der reinen Analyten Wasser, Ameisensäure, Ethanol und Ethylformiat und Transmissionsbereiche der simulierten analytspezifischen Filter S1-S4 zur Optimierung des Sensors. .................................... 79

Abbildung 50: Konzentrationsverläufe der Edukte Ethanol und Ameisensäure (oben) und der Produkte Ethylformiat und Wasser (unten) während der Veresterung (0-1,7 h) und Destillation (1,7-2,3 h) in Lauf 7. Referenz (FT-Spektrometer) kalibriert mittels PLS-Regression auf eingewogene Proben und zwei simulierte MIR-ATR-Sensoren (mit Standardfiltern F1-F4 sowie mit analytspezifischen Filtern S1-S4) kalibriert mittels MLR-Modell anhand der Läufe 1-6. ............................................................................. 82

Abbildung 51: Konzentrationsverläufe von Glucose und Ethanol während der vier Fermentationen. Ermittelt anhand von Proben der Fermentationsbrühe per offline-HPLC (Referenzanalytik). ....................................................................................................... 83

Abbildung 52: Veränderung der MIR-ATR-Spektren während der Hefefermentation (exemplarisch für Fermentation 4 dargestellt). .................................................................................. 84

Abbildung 53: Veränderung der MIR-ATR-Spektren während der Hefefermentation nach Abzug des Wasser-Spektrums (exemplarisch für Fermentation 4 dargestellt). ........................... 85

Abbildung 54: Konzentrationsverläufe von Glucose und Ethanol während der 4. Hefefermentation. Messung per HPLC (Referenz) und MIR-ATR-Sensor. Der MIR-ATR-Sensor wurde mittels MLR-Modell anhand der Fermentationen 1-3 kalibriert. ................................ 87

Abbildung 55: Ausschnitt der MIR-ATR-Spektren von 1600-900 cm-1 von Glucose und Ethanol in wässriger Verdünnung sowie der Matrix der Fermentationsbrühe. Ebenso die Transmissionsbereiche der simulierten Filter des optimierten Sensors F2, F4, S5, S6. ..................................................................................................................................... 88

Abbildung 56: Konzentrationsverläufe von Glucose und Ethanol während der 4. Hefefermentation. Referenz (HPLC) jeweils kalibriert per einfacher Regression auf eine eingewogene Verdünnungsreihe und zwei simulierte MIR-ATR-Sensoren (mit Standardfiltern F1-F4 sowie mit analytspezifischen Filtern F2 F4 S5 S6) kalibriert mittels MLR-Modell anhand der Fermentationen 1-3. ................................................................................ 90

Abbildung 57: AC-Simulation der Verstärkschaltung Version 5 (Transimpedanzverstärker) mit LTspice IV. .................................................................................................................. 111

Abbildung 58: Schaltplan Version 5 mit Lichtquelle, Detektor und Vorverstärker ........................... 112

Abbildung 59: Layout Version 5 mit Lichtquelle, Detektor und Vorverstärker, Ø 54 mm. ............... 113

Abbildung 60: Layout Version 5 der Halteplatinen für Prisma und Strahlführungsrohre, Ø 54 mm.113

Abbildung 61: AC-Simulation der Verstärkerschaltung Version 6 (Spannungsverstärker) mit LTspice IV. ............................................................................................................................... 114

Abbildung 62: Schaltplan Lichtquelle Version 6 ................................................................................ 115

Abbildung 63: Schaltplan Versorgung Version 6 ............................................................................... 116

Abbildung 64: Schaltplan Detektor und Vorverstärker Version 6 ..................................................... 117

Abbildung 65: Layouts Version 6 der Versorgung (oben, 60x60 mm), Lichtquelle (mitte, 50x50 mm) und Detektor mit Vorverstärker (unten, 50x50 mm) ................................................ 118

Abbildung 66: Signalverläufe der Kanäle 1 und 3 des MIR-ATR-Sensors während der Veresterung und Destillation. ......................................................................................................... 125

Abbildung 67: Signalverläufe der Kanäle 2 und 4 des MIR-ATR-Sensors während der Veresterung und Destillation. ......................................................................................................... 126

Abbildung 68: Konzentrationsverläufe der Edukte Ethanol und Ameisensäure während der Veresterung und Destillation. Analyse mittels chemometrischer Auswertung von MIR-ATR-Spektren. ............................................................................................................ 127

Verzeichnisse 106

Abbildung 69: Konzentrationsverläufe der Produkte Wasser und Ethylformtiat während der Veresterung und Destillation. Analyse mittels chemometrischer Auswertung von MIR-ATR-Spektren. ............................................................................................................ 128

Tabellenverzeichnis

Tabelle 1: Vergleich von MIR-Detektoren nach Prinzip und Spektralbereich. Aufsteigend sortiert nach spezifischer Detektivität. .................................................................................... 14

Tabelle 2: Zusammenfassung der Veratmung und Vergärung von Glucose durch Hefe und deren theoretische Energieausbeuten (ANNEMULLER u. a., 2008). ......................................... 20

Tabelle 3: Veresterung: Zusammensetzung der Vorlage bestehend aus 100 mL Ethanol 96 % V/V und 124 mL Ameisensäure 99 % m/m. ........................................................................ 25

Tabelle 4: Korrelation (Bestimmtheitsmaß R²) der Komponenten in den Kalibrationsproben der Chemometrie zur Veresterung. ................................................................................... 28

Tabelle 5: Qualitätsparameter R² und RMSECV des chemometrischen Modells zur Analyse der Veresterungsreaktion für die Analyten W, ET, AS und EF in Abhängigkeit des Ranges. ..................................................................................................................................... 29

Tabelle 6: Transmissionsbereiche der im vierkanaligen Thermosäulendetektor Heimann Sensor HTS Q21 eingesetzten optischen Bandpässe. .............................................................. 51

Tabelle 7: Messeffekt der vier Kanäle des MIR-ATR-Sensors bezüglich Glucose in Mikroextinktionen pro g L-1. ........................................................................................ 68

Tabelle 8: Bis zum Gleichgewicht umgesetzter Anteil von W, ET, AS und EF nach der chemometrischen Analyse der MIR-ATR-Spektren beim Veresterungsversuch. Aufgeführt sind die Mittelwerte und Standardabweichung anhand der 7 Läufe. ...... 72

Tabelle 9: Ergebnis der Kalibration (4D-MLR) und der Validierung des MIR-ATR-Sensors, ausgestattet mit den Standardfiltern F1, F2, F3 und F4 für die Prozessverfolgung der Veresterung und Destillation. ...................................................................................... 76

Tabelle 10: Spezifische Analytbanden im „Fingerprint“-Bereich und Technische Daten der analytspezifischen Filter S1-S4 im simulierten MIR-ATR-Sensor für die Veresterung und anschließende Destillation. .................................................................................. 79

Tabelle 11: Ergebnis der Kalibration (4D-MLR) und der Validierung des simulierten MIR-ATR-Sensors, ausgestattet mit den hochspezifischen Filtern S1, S2, S3 und S4 für die Prozessverfolgung der Veresterung und Destillation. ................................................. 80

Tabelle 12: Ergebnis der Kalibration (4D-MLR) und der Validierung des simulierten MIR-ATR-Sensors, ausgestattet mit den Standardfiltern F1, F2, F3 und F4 für die Prozessverfolgung der Veresterung und Destillation. ................................................. 81

Tabelle 13: Ergebnis der Kalibration (4D-MLR) und der Validierung des MIR-ATR-Sensors, ausgestattet mit den Standardfiltern F1, F2, F3 und F4 für die Prozessverfolgung der Fermentation. .............................................................................................................. 86

Tabelle 14: Ergebnis der Kalibration (4D-MLR) und der Validierung des simulierten MIR-ATR-Sensors, ausgestattet mit den analytspezifischen Filtern F2, F4, S5 und S6 für die Prozessverfolgung der Fermentation. ......................................................................... 89

Tabelle 15: Ergebnis der Kalibration (4D-MLR) und der Validierung des simulierten MIR-ATR-Sensors, ausgestattet mit den Standardfiltern F1, F2, F3 und F4 für die Prozessverfolgung der Fermentation. ......................................................................... 89

Tabelle 16: Belegung der Signalverkabelung in Version 5 des MIR-ATR-Sensors. ....................... 110

Tabelle 17: Daten der für die Veresterung eingesetzten Chemikalien. ....................................... 119

Verzeichnisse 107

Tabelle 18: Stammlösungen aus zwei Komponenten für die Kalibration der chemometrischen Analyse von MIR-ATR-Spektren aus dem Veresterungsversuch (HÄFFNER, 2015). .... 119

Tabelle 19: Kalibrationsproben für die chemometrische Analyse der MIR-ATR-Spektren aus dem Veresterungsversuch, gemischt aus zwei Stammlösungen nach Tabelle 18 (HÄFFNER, 2015). ......................................................................................................................... 120

Tabelle 20: Konzentration der 4 Analyten W, ET, AS und EF im Gleichgewicht der Veresterung. Analyse mittels chemometrischer Auswertung von MIR-ATR-Spektren (Referenzanalytik). ..................................................................................................... 121

Tabelle 21: Referenzanalytik zu 5 ausgewählten Zeitpunkten aus den Läufen 1-6 der Veresterung und Destillation zur Kalibration des MIR-ATR-Sensors (Sensorsignale siehe Tabelle 22). ............................................................................................................................. 121

Tabelle 22: Sensorsignale des MIR-ATR-Sensors zu 5 ausgewählten Zeitpunkten aus den Läufen 1-6 zur Kalibration des Sensors (Referenzanalytik siehe Tabelle 21). .......................... 122

Tabelle 23: Signale des simulierten MIR-ATR-Sensors mit den Filtern F1-F4 zu 5 ausgewählten Zeitpunkten aus den Läufen 1-6 zur Kalibration der Simulation (Referenzanalytik siehe Tabelle 21). ....................................................................................................... 123

Tabelle 24: Signale des simulierten MIR-ATR-Sensors mit den Filtern S1-S4 zu 5 ausgewählten Zeitpunkten aus den Läufen 1-6 zur Kalibration der Simulation (Referenzanalytik siehe Tabelle 21). ....................................................................................................... 124

Tabelle 25: Vollsynthetisches Fermentationsmedium für aerobe Hefezucht, nach (SCHATZMANN, HERBERT, 1975). .......................................................................................................... 129

Tabelle 26: Referenzanalytik (HPLC) und korrigierte Sensorsignale ............................................ 129

Tabelle 27: Signale der simulierten Sensoren (F1 F2 F3 F4 und F2 F4 S5 S6) .............................. 131

Anhang 108

Anhang

A Anhang zur Sensorsimulation

OPUS-Makro BatchConvert.mtx

VARIABLES SECTION

STRING <File List> = '';

STRING <Path> = '?';

STRING <Path_Destination> = '?';

STRING <Name> = '*.0*';

STRING <FileName> = '';

NUMERIC <Count> = 0;

NUMERIC <Index> = 0;

FILE <$ResultFile> = Spec;

STRING <LineToWrite> = '';

STRING <Date> = '';

STRING <Time> = '';

PROGRAM SECTION

UserDialog ('Load multiple files', STANDARD, EDIT:'<Path>', EDIT:'<Name>',

EDIT:'<Path_Destination>', BLANK, BLANK, BLANK, BLANK, BLANK, BLANK, BLANK, BLANK,

BLANK, BLANK, BLANK);

<File List> = ScanPath ('<Path>\<Name>');

<Count> = GetArrayCount (<File List>);

TextToFile ('<Path_Destination>', 'BatchConvert.txt', 'SpekNr. Date Time File', REPLACE_TEXT);

StartLoop (<Count>, 0);

<FileName> = '<File List>[<Index>]';

<$ResultFile> = Load (0, {DAP='<Path>', DAF='<FileName>'});

<Date> = GetParameter ([<$ResultFile>:Spec], DAT);

H2Ocomp ([<$ResultFile>:Spec], [<$ResultFile>:Spec], {H2O=7});

<Time> = GetParameter ([<$ResultFile>:Spec], TIM);

<LineToWrite> = '<Index> <Date> <Time> <FileName>.dx';

TextToFile ('<Path_Destination>', 'BatchConvert.txt', '<LineToWrite>', APPEND_TEXT);

<Index> = <Index> + 1;

SaveAs ([<$ResultFile>:Spec], {DAP='<Path_Destination>', OEX='0', SAN='<FileName>.dx', COF=32,

INP='C:\OPUS_7.0.129\METHODS', IFP='C:\OPUS_7.0.129\METHODS', INM='DEFAULT',

IFN='DEFAULT'});

Unload ([<$ResultFile>:Spec], {});

EndLoop (0);

PARAMETER SECTION

SEP=,;

DPO=5;

DPA=5;

COF=64;

INP=C:\OPUS_7.0.129\METHODS;

IFP=C:\OPUS_7.0.129\METHODS;

INM=DEFAULT;

IFN=DEFAULT;

Anhang 109

Beispiel zur Konfigurationsdatei Spektrenanalyse_Auswertung.ini (gekürzt)

[Meta]

Autor = Daniel Geörg

Datum = 13.06.2014

Version = 0000

Versuch = Test

;

; Konfigurationsdatei für die Spektrenauswertung

; ----------------------------------------------

;

; Aufbau der Datei:

; -----------------

; - Es gibt den Abschnitt [Meta] mit den Text-Schlüsseln Autor, Datum, Version und Versuch

; - Alle weiteren Abschnitte werden als Bandenauswertung aufgefasst und müssen die

; entsprechenden Informationen enthalten.

; Beispiel: Neben [Meta] existieren 3 weitere Abschnitte, die gültige Auswerteparameter

; enthalten --> Es werden 3 Signale bei der Auswertung erstellt.

;

; Für eine Auswertung muss eine Methode gewählt und die zugehörigen Parameter gesetzt werden.

; Methode = Bereich ohne Bezug

; Bereich mit Bereich als Bezug

; Punkt ohne Bezug

; Punkt mit Punkt als Bezug

; Punkt mit Basislinie

;

; Beispiel:

; [Photometer 1550]


; von = 1600

; bis = 1500

; Es wird ein Signal mit dem Namen "Photometer 1550" erstellt,

; das die mittlere Extinktion des Bereichs von 1600 cm^-1 bis 1500 cm^-1 enthält.

;

; Angabe numerischer Parameter

; ----------------------------

; Alle numerischen Parameter sind Wellenzahlen mit der Einheit cm^-1.

; Die Einheit wird bei den Parametern weggelassen.

; "von"-Parameter beschreiben die Grenze mit der höheren Wellenzahl,

; "bis"-Parameter die Grenze mit der kleineren Wellenzahl.

; Nicht ganze Zahlen werden mit Komma geschrieben. Beispiel: 1234,5

;

; Beschreibung der verschiedenen Methoden:

; ----------------------------------------


; von = x

; bis = y

; Es wird die mittlere Extinktion im Wellenzahlbereich von x bis y ermittelt.

; --> Photometerkanal im angegebenen Bereich

;

; Methode = Bereich mit Bereich als Bezug

; Mess von = x

; Mess bis = y

; Bezug von = u

; Bezug bis = v

; Es wird die mittlere Extinktion im Bereich von x bis y ermittelt und von dieser

; die mittlere Extinktion im Bereich von u bis v subtrahiert.

; --> photometrische Messung mit Mess- und Bezugskanal

;

; Methode = Punkt ohne Bezug

; bei = x

; Es wird die Extinktion bei der angegebenen Wellenzahl ermittelt.

; --> spektrometrische Absorptionsmessung ohne Bezug

;

; Methode = Punkt mit Punkt als Bezug

; Mess = x

; Bezug = y

; Von der Extinktion bei x wird die Extinktion bei y subtrahiert.

; --> spektrometrische Absorptionsmessung mit Bezug bei einer benachbarten Wellenzahl

;

; Methode = Punkt mit Basislinie

; Mess = x

; Basis von = u

; Basis bis = v

; Von der Extinktion bei x wird der Wert einer Basislinie (ebenfalls bei x) subtrahiert.

; Die Basislinie ist eine lineare Funktion zwischen den Punkten bei u und v.

Anhang 110

; --> spektrometrische Absorptionsmessung mit Basislinie zwischen den Fußpunkten.

;

[SIM K1 Ref EtOH 3910nm 90nm]

Methode = Bereich ohne Bezug

von = 2587,3

bis = 2528,4

[SIM K2 Ref Zucker 8170nm 250nm]


von = 1243

bis = 1205,5

[SIM K3 Mess EtOH 3372nm 40nm]


von = 2983,3

bis = 2948,1

[SIM K4 Mess Zucker 8690nm 215nm]


von = 1165,2

bis = 1136,7

…

B Anhang zur Sensorentwicklung

Tabelle 16: Belegung der Signalverkabelung in Version 5 des MIR-ATR-Sensors.

Signal Platine V5

Pin Gehäuse-

stecker

Ader Steuer-leitung

Klemmblock NI USB-6351

Pin Name Pin Name

+12 V (Netzteil) Versorgung Lichtquelle

1 PWR+ 1 Schwarz

NTC+ Detektor 2 TH 2 Weiß

Modulation Lichtquelle 3 MOD 3 Grau 89 PFI 12

0 V (Platine/Ader) 4 V- 4 Violett * GND

Signal Kanal 1 5 CH1 5 Blau 1 ** AI 0+

Signal Kanal 2 6 CH2 6 Grün 4 ** AI 1+

Signal Kanal 3 7 CH3 7 Gelb 7 ** AI 2+

Signal Kanal 4 8 CH4 8 Orange 10 ** AI 3+

Gleichtaktspannung Detektor und Verstärker,

NTC- Detektor 9 UCM 9 Rot 15 AO 0

+5 V Versorgung Verstärker

10 V+ 10 Braun 96 +5V

NTC+ Probe 11 Türkis

NTC- Probe 12 Rosa

0 V (Gehäuse/Schirm) Schirm * GND

* Auf dem Klemmblock der Datenerfassung werden die 0V-Potenziale zusammengeführt.

Folgende Pins sind untereinander und mit dem Gehäuse der Datenerfassung verbunden: 3,

6, 9, 12, 14, 19, 22, 25, 28, 30 (AI GND), 13 (AI SENSE), 16, 32 (AO GND), 82, 84, 86, 88, 90,

92, 94, (D GND), 2 (AI 0-), 5 (AI 1-), 8 (AI 2-), 11 (AI 3-).

** An den positiven Analogeingängen ist jeweils ein 47 kΩ-Widerstand gegen GND ange-

schlossen, um den Eingangswiderstand der Datenerfassung zu senken.

Anhang 111

Simulation, Schaltplan und Layout Version 5

Abbildung 57: AC-Simulation der Verstärkschaltung Version 5 (Transimpedanzverstärker) mit LTspice IV.

Anhang 112

Abbildung 58: Schaltplan Version 5 mit Lichtquelle, Detektor und Vorverstärker

Anhang 113

Abbildung 59: Layout Version 5 mit Lichtquelle, Detektor und Vorverstärker, Ø 54 mm.

Abbildung 60: Layout Version 5 der Halteplatinen für Prisma und Strahlführungsrohre, Ø 54 mm.

Anhang 114

Simulation, Schaltplan und Layout Version 6

Abbildung 61: AC-Simulation der Verstärkerschaltung Version 6 (Spannungsverstärker) mit LTspice IV.

Anhang 115

Abbildung 62: Schaltplan Lichtquelle Version 6

Anhang 116

Abbildung 63: Schaltplan Versorgung Version 6

Anhang 117

Abbildung 64: Schaltplan Detektor und Vorverstärker Version 6

Anhang 118

Abbildung 65: Layouts Version 6 der Versorgung (oben, 60x60 mm), Lichtquelle (mitte, 50x50 mm) und

Detektor mit Vorverstärker (unten, 50x50 mm)

Anhang 119

C Anhang zur Veresterung und Destillation

Tabelle 17: Daten der für die Veresterung eingesetzten Chemikalien.

Chemikalie Reinheit Hersteller, Artikel- &

Batchnummer

Dichte g cm-3

Für Reinstoffe

Dichte g cm-3

Molekulargewicht g mol-1

Ethanol

96,3 % V/V ≙ 94 % m/m (MERCK, 1981) Rest Wasser

VWR 20905.365 14F12025

0,808 0,789 46,07

Ameisensäure 98,6 % m/m Rest Wasser

AppliChem A0748,1000 4D011132

k.A. 1,22 46,03

Vollentsalztes Wasser

100 % Hochschule Mannheim

1 1 18,02

Ethylformiat 99,4 % m/m Rest Ethanol

Merck 8.00891.1000 S6772791

0,922 0,921 74,08

Schwefelsäure 25 % m/m Rest Wasser

Carl Roth 0967.1

1,18

Tabelle 18: Stammlösungen aus zwei Komponenten für die Kalibration der chemometrischen Analyse von MIR-ATR-Spektren aus dem Veresterungsversuch (HÄFFNER, 2015).

Die Unreinheiten der Chemikalien nach Tabelle 17 wurde berücksichtigt.

Nr. Wasser mol L-1

Ethanol mol L-1

Ameisensäure mol L-1

Ethylformiat mol L-1

1 18,60 11,52 0,00 0,00

2 8,03 14,89 0,00 0,00

3 44,94 3,25 0,00 0,00

4 0,22 0,13 8,61 8,16

5 0,06 0,18 2,17 11,21

6 0,50 0,05 19,36 3,13

Anhang 120

Tabelle 19: Kalibrationsproben für die chemometrische Analyse der MIR-ATR-Spektren aus dem Veresterungsversuch, gemischt aus zwei Stammlösungen nach Tabelle 18 (HÄFFNER, 2015).

Die Kalibrationsproben 1-6 sind die Stammlösungen 1-6 aus Tabelle 18.

Nr. Gemischte Stammlösungen

Misch-verhältnis

Wasser mol L-1

Ethanol mol L-1



7 1 2

1:1

13,31 13,21 0,00 0,00

8 1 3 31,77 7,39 0,00 0,00

9 1 4 9,41 5,83 4,31 4,08

10 1 5 9,33 5,85 1,08 5,61

11 1 6 9,55 5,79 9,68 1,57

12 2 3 26,49 9,07 0,00 0,00

13 2 4 4,13 7,51 4,31 4,08

14 2 5 4,04 7,54 1,08 5,61

15 2 6 4,27 7,47 9,68 1,57

16 3 4 22,58 1,69 4,31 4,08

17 3 5 22,50 1,72 1,08 5,61

18 3 6 22,72 1,65 9,68 1,57

19 4 5 0,14 0,16 5,39 9,69

20 4 6 0,36 0,09 13,99 5,65

21 5 6 0,28 0,12 10,77 7,17

22 1 2

1:2

11,52 13,78 0,00 0,00

23 1 3 36,25 5,98 0,00 0,00

24 1 4 6,29 3,89 5,77 5,47

25 1 5 6,17 3,93 1,45 7,51

26 1 6 6,47 3,84 12,97 2,10

27 2 3 32,76 7,09 0,00 0,00

28 2 4 2,80 5,00 5,77 5,47

29 2 5 2,69 5,04 1,45 7,51

30 2 6 2,98 4,95 12,97 2,10

31 3 4 14,98 1,16 5,77 5,47

32 3 5 14,87 1,19 1,45 7,51

33 3 6 15,17 1,11 12,97 2,10

34 4 5 0,11 0,17 4,29 10,21

35 4 6 0,41 0,08 15,82 4,79

36 5 6 0,35 0,09 13,69 5,80

37 1 2

2:1

15,11 12,64 0,00 0,00

38 1 3 27,29 8,79 0,00 0,00

39 1 4 12,53 7,77 2,84 2,69

40 1 5 12,48 7,78 0,72 3,70

41 1 6 12,63 7,74 6,39 1,03

42 2 3 20,21 11,05 0,00 0,00

43 2 4 5,45 10,02 2,84 2,69

44 2 5 5,40 10,04 0,72 3,70

45 2 6 5,55 9,99 6,39 1,03

46 3 4 30,19 2,22 2,84 2,69

47 3 5 30,13 2,24 0,72 3,70

48 3 6 30,28 2,19 6,39 1,03

49 4 5 0,17 0,15 6,49 9,17

50 4 6 0,31 0,11 12,16 6,50

51 5 6 0,20 0,14 7,84 8,55

Anhang 121

Tabelle 20: Konzentration der 4 Analyten W, ET, AS und EF im Gleichgewicht der Veresterung. Analyse mittels chemometrischer Auswertung von MIR-ATR-Spektren (Referenzanalytik).

Lauf Zeit (Gleichgewicht)

h Wasser mol L-1

Ethanol mol L-1



1 1,39 7,27 0,94 8,91 5,98

2 2,11 6,98 1,19 8,19 6,20

3 1,56 6,35 1,56 8,42 5,98

4 2,31 6,69 1,31 8,46 6,07

5 1,42 6,48 1,50 8,94 5,74

6 1,93 6,65 1,35 8,65 5,95

7 1,63 6,48 1,50 8,72 5,84

Mittelwert 6,70 1,33 8,61 5,97

Standardabweichung 0,24 0,16 0,22 0,10

Tabelle 21: Referenzanalytik zu 5 ausgewählten Zeitpunkten aus den Läufen 1-6 der Veresterung und Destillation zur Kalibration des MIR-ATR-Sensors (Sensorsignale siehe Tabelle 22).

Lauf Zeitpunkt Zeit

h Wasser mol L-1

Ethanol mol L-1



1 Start 0,03 2,93 5,73 13,48 1,23

1 halbe Veresterung 0,17 5,51 2,90 10,61 4,13

1 Gleichgewicht 1,28 6,92 1,07 8,60 6,11

1 halbe Destillation 1,56 10,39 0,90 12,02 3,80

1 Ende 1,75 14,34 0,40 15,14 1,71

2 Start 0,06 3,26 5,81 13,48 1,09


2 Gleichgewicht 2,11 9,11 0,81 9,51 5,36


2 Ende 2,78 16,30 0,12 15,45 1,35

3 Start 0,05 3,29 5,77 12,79 1,46


3 Gleichgewicht 1,64 7,65 1,27 9,11 5,56


3 Ende 2,08 14,55 0,40 14,75 1,88

4 Start 0,04 2,95 6,30 13,59 0,76


4 Gleichgewicht 2,31 9,90 0,76 10,43 4,79


4 Ende 2,88 16,45 0,11 15,93 1,08

5 Start 0,05 2,82 6,05 13,30 1,11


5 Gleichgewicht 1,30 5,53 1,79 8,43 5,98


5 Ende 1,97 13,06 0,69 14,23 2,24

6 Start 0,03 2,88 6,17 13,66 0,83


6 Gleichgewicht 1,97 6,53 1,39 8,47 6,02


6 Ende 2,52 14,05 0,52 14,63 1,95

Anhang 122

Tabelle 22: Sensorsignale des MIR-ATR-Sensors zu 5 ausgewählten Zeitpunkten aus den Läufen 1-6 zur Kalibration des Sensors (Referenzanalytik siehe Tabelle 21).

Lauf Zeitpunkt Zeit

h Extinktion

Kanal 1 Extinktion

Kanal 2 Extinktion

Kanal 3 Extinktion

Kanal 4

1 Start 0,03 0,070 0,191 0,093 0,201


1 Gleichgewicht 1,28 0,051 0,196 0,070 0,222


1 Ende 1,75 0,082 0,221 0,098 0,217

2 Start 0,06 0,072 0,182 0,094 0,179


2 Gleichgewicht 2,11 0,055 0,199 0,072 0,219


2 Ende 2,78 0,082 0,221 0,097 0,213

3 Start 0,05 0,066 0,184 0,090 0,188


3 Gleichgewicht 1,64 0,048 0,190 0,068 0,211


3 Ende 2,08 0,073 0,213 0,092 0,207

4 Start 0,04 0,066 0,178 0,090 0,185


4 Gleichgewicht 2,31 0,047 0,187 0,066 0,210


4 Ende 2,88 0,074 0,210 0,090 0,205

5 Start 0,05 0,075 0,192 0,096 0,199


5 Gleichgewicht 1,30 0,056 0,197 0,074 0,220


5 Ende 1,97 0,081 0,220 0,097 0,216

6 Start 0,03 0,066 0,179 0,092 0,183


6 Gleichgewicht 1,97 0,046 0,189 0,066 0,211


6 Ende 2,52 0,074 0,212 0,092 0,207

Anhang 123

Tabelle 23: Signale des simulierten MIR-ATR-Sensors mit den Filtern F1-F4 zu 5 ausgewählten Zeitpunkten aus den Läufen 1-6 zur Kalibration der Simulation (Referenzanalytik siehe Tabelle 21).

Lauf Zeitpunkt Zeit h

Extinktion Kanal 1

Extinktion Kanal 2

Extinktion Kanal 3

Extinktion Kanal 4

1 Start 0,03 0,064 0,225 0,106 0,275


1 Gleichgewicht 1,28 0,042 0,243 0,076 0,315


1 Ende 1,75 0,077 0,263 0,111 0,293

2 Start 0,06 0,065 0,221 0,106 0,275


2 Gleichgewicht 2,11 0,049 0,243 0,080 0,315


2 Ende 2,78 0,081 0,265 0,113 0,295

3 Start 0,05 0,062 0,218 0,104 0,272


3 Gleichgewicht 1,64 0,044 0,238 0,079 0,313


3 Ende 2,08 0,075 0,260 0,109 0,296

4 Start 0,04 0,066 0,218 0,109 0,267


4 Gleichgewicht 2,31 0,055 0,249 0,089 0,323


4 Ende 2,88 0,084 0,268 0,118 0,300

5 Start 0,05 0,064 0,219 0,106 0,270


5 Gleichgewicht 1,30 0,039 0,234 0,074 0,307


5 Ende 1,97 0,071 0,257 0,105 0,289

6 Start 0,03 0,066 0,219 0,108 0,270


6 Gleichgewicht 1,97 0,040 0,237 0,075 0,309


6 Ende 2,52 0,074 0,259 0,108 0,289

Anhang 124

Tabelle 24: Signale des simulierten MIR-ATR-Sensors mit den Filtern S1-S4 zu 5 ausgewählten Zeitpunkten aus den Läufen 1-6 zur Kalibration der Simulation (Referenzanalytik siehe Tabelle 21).

Lauf Zeitpunkt Zeit h

Extinktion Kanal 1

Extinktion Kanal 2

Extinktion Kanal 3

Extinktion Kanal 4

1 Start 0,03 0,252 0,141 0,225 0,125


1 Gleichgewicht 1,28 0,093 0,132 0,179 0,137


1 Ende 1,75 0,101 0,163 0,296 0,240

2 Start 0,06 0,254 0,140 0,226 0,126


2 Gleichgewicht 2,11 0,104 0,137 0,185 0,149


2 Ende 2,78 0,112 0,166 0,291 0,242

3 Start 0,05 0,248 0,136 0,217 0,123


3 Gleichgewicht 1,64 0,107 0,133 0,179 0,139


3 Ende 2,08 0,105 0,161 0,285 0,230

4 Start 0,04 0,269 0,138 0,225 0,123


4 Gleichgewicht 2,31 0,112 0,141 0,189 0,149


4 Ende 2,88 0,112 0,168 0,297 0,244

5 Start 0,05 0,259 0,138 0,223 0,123


5 Gleichgewicht 1,30 0,106 0,127 0,175 0,128


5 Ende 1,97 0,097 0,157 0,286 0,228

6 Start 0,03 0,265 0,140 0,226 0,123


6 Gleichgewicht 1,97 0,099 0,129 0,175 0,134


6 Ende 2,52 0,100 0,159 0,289 0,234

Anhang 125

Abbildung 66: Signalverläufe der Kanäle 1 und 3 des MIR-ATR-Sensors während der Veresterung und

Destillation.

0,00

0,02

0,04

0,06

0,08

-0,1 0,4 0,9 1,4 1,9 2,4 2,9

Sen

sor

Exti

nkt

ion

Kan

al 1

Versuchsdauer / h

Kanal 1 Lauf 1

Kanal 1 Lauf 2

Kanal 1 Lauf 3

Kanal 1 Lauf 4

Kanal 1 Lauf 5

Kanal 1 Lauf 6

Kanal 1 Lauf 7

0,00

0,02

0,04

0,06

0,08

0,10

-0,1 0,4 0,9 1,4 1,9 2,4 2,9

Sen

sor

Exti

nkt

ion

Kan

al 3

Versuchsdauer / h

Kanal 3 Lauf 1

Kanal 3 Lauf 2

Kanal 3 Lauf 3

Kanal 3 Lauf 4

Kanal 3 Lauf 5

Kanal 3 Lauf 6

Kanal 3 Lauf 7

Anhang 126

Abbildung 67: Signalverläufe der Kanäle 2 und 4 des MIR-ATR-Sensors während der Veresterung und

Destillation.

0,00

0,05

0,10

0,15

0,20

-0,1 0,4 0,9 1,4 1,9 2,4 2,9

Sen

sor

Exti

nkt

ion

Kan

al 2

Versuchsdauer / h

Kanal 2 Lauf 1

Kanal 2 Lauf 2

Kanal 2 Lauf 3

Kanal 2 Lauf 4

Kanal 2 Lauf 5

Kanal 2 Lauf 6

Kanal 2 Lauf 7

0,00

0,05

0,10

0,15

0,20

-0,1 0,4 0,9 1,4 1,9 2,4 2,9

Sen

sor

Exti

nkt

ion

Kan

al 4

Versuchsdauer / h

Kanal 4 Lauf 1

Kanal 4 Lauf 2

Kanal 4 Lauf 3

Kanal 4 Lauf 4

Kanal 4 Lauf 5

Kanal 4 Lauf 6

Kanal 4 Lauf 7

Anhang 127

Abbildung 68: Konzentrationsverläufe der Edukte Ethanol und Ameisensäure während der Veresterung und

Destillation. Analyse mittels chemometrischer Auswertung von MIR-ATR-Spektren.

0

3

6

9

12

15

0,0 0,5 1,0 1,5 2,0 2,5 3,0

Kon

zen

trat

ion

Eth

ano

l / m

ol L

-1

Versuchsdauer / h

c(ET) Lauf 1

c(ET) Lauf 2

c(ET) Lauf 3

c(ET) Lauf 4

c(ET) Lauf 5

c(ET) Lauf 6

c(ET) Lauf 7

0

3

6

9

12

15

0,0 0,5 1,0 1,5 2,0 2,5 3,0

Kon

zen

trat

ion

Am

eis

ensä

ure

/ m

ol L

-1

Versuchsdauer / h

c(AS) Lauf 1

c(AS) Lauf 2

c(AS) Lauf 3

c(AS) Lauf 4

c(AS) Lauf 5

c(AS) Lauf 6

c(AS) Lauf 7

Anhang 128

Abbildung 69: Konzentrationsverläufe der Produkte Wasser und Ethylformtiat während der Veresterung und

Destillation. Analyse mittels chemometrischer Auswertung von MIR-ATR-Spektren.

0

3

6

9

12

15

0,0 0,5 1,0 1,5 2,0 2,5 3,0

Ko

nze

ntr

atio

n W

asse

r /

mo

l L-1

Versuchsdauer / h

c(W) Lauf 1

c(W) Lauf 2

c(W) Lauf 3

c(W) Lauf 4

c(W) Lauf 5

c(W) Lauf 6

c(W) Lauf 7

0

3

6

9

12

15

0,0 0,5 1,0 1,5 2,0 2,5 3,0

Kon

zen

trat

ion

Eth

ylfo

rmia

t /

mo

l L-1

Versuchsdauer / h

c(EF) Lauf 1

c(EF) Lauf 2

c(EF) Lauf 3

c(EF) Lauf 4

c(EF) Lauf 5

c(EF) Lauf 6

c(EF) Lauf 7

Anhang 129

D Anhang zur Hefefermentation

Tabelle 25: Vollsynthetisches Fermentationsmedium für aerobe Hefezucht, nach (SCHATZMANN, HERBERT, 1975).

Schatzmann Vorliegende Arbeit

Stoff Konzentration mg g-1 Glucose

Stoff Konzentration mg g-1 Glucose

Glucose 1000 Glucosemonohydrat 1100

(NH4)2SO4 200 NH4Cl 162

(NH4)2HPO4 64

Wie Schatzmann KCl 30

MgSO4.7H2O 15

CaCl.4H2O 10 CaCl.2H2O 8

FeCl.6H2O 0,5

Wie Schatzmann

ZnSO4.7H2O 0,3

MnSO4.2H2O 0,6

CuSO4.5H2O 0,08

m-Inosit 2

Ca-Pentothenat 1

Vitamin B1 0,2 Entfällt

Vitamin B6 0,05 Entfällt

Biotin 0,001 Wie Schatzmann

Tabelle 26: Referenzanalytik (HPLC) und korrigierte Sensorsignale

Fermentation Nr., Datum

Dauer h

HPLC MIR-ATR-Sensor (Wasser als Bezug)

Glucose g L-1

Ethanol g L-1 F1 F2 F3 F4

- 1 -

02.10.2015

0,0 97,7 0,8 0,02203 0,05575 0,04987 0,04717

0,5 94,6 2,3 0,02187 0,05510 0,04933 0,04665

1,0 88,1 4,2 0,02183 0,05532 0,04915 0,04618

1,5 79,2 5,7 0,02172 0,05485 0,04871 0,04593

2,0 71,3 7,6 0,02174 0,05485 0,04842 0,04572

2,5 64,4 10,8 0,02159 0,05449 0,04869 0,04520

3,0 54,7 14,0 0,02151 0,05411 0,04826 0,04473

3,5 46,6 16,8 0,02135 0,05368 0,04755 0,04401

4,0 34,9 20,5 0,02110 0,05327 0,04739 0,04339

4,5 21,2 24,0 0,02103 0,05300 0,04634 0,04252

5,0 8,8 29,7 0,02078 0,05270 0,04580 0,04157

5,5 3,5 31,6 0,02072 0,05209 0,04560 0,04112

6,0 2,4 30,1 0,02068 0,05218 0,04551 0,04121

6,5 2,1 28,6 0,02063 0,05218 0,04572 0,04111

- 2 -

08.10.2015

0,0 96,1 0,9 0,02197 0,05525 0,05011 0,04592

0,5 88,6 2,4 0,02189 0,05531 0,04882 0,04544

1,0 80,3 3,9 0,02184 0,05496 0,04918 0,04522

1,5 74,1 5,8 0,02168 0,05457 0,04874 0,04480

2,0 69,4 8,7 0,02158 0,05455 0,04852 0,04477

2,5 61,9 11,8 0,02161 0,05402 0,04804 0,04396

Anhang 130

3,0 54,1 15,4 0,02145 0,05391 0,04788 0,04315

3,5 41,0 18,5 0,02118 0,05340 0,04713 0,04265

4,0 28,9 22,4 0,02097 0,05280 0,04652 0,04185

4,5 16,9 26,7 0,02077 0,05247 0,04645 0,04100

5,0 5,6 29,1 0,02062 0,05204 0,04585 0,04037

5,5 2,5 29,4 0,02056 0,05182 0,04565 0,04016

6,0 2,3 28,6 0,02046 0,05155 0,04546 0,03985

6,5 2,2 27,4 0,02046 0,05183 0,04572 0,03984

- 3 -

13.10.2015

0,0 102,9 0,3 0,02206 0,05534 0,05082 0,04614

0,5 93,4 2,3 0,02196 0,05524 0,05028 0,04602

1,0 84,6 4,5 0,02179 0,05500 0,05008 0,04572

1,5 75,8 5,8 0,02161 0,05456 0,04957 0,04570

2,0 67,3 8,0 0,02167 0,05449 0,04928 0,04504

2,5 60,2 11,1 0,02154 0,05438 0,04850 0,04458

3,0 51,6 13,7 0,02144 0,05379 0,04860 0,04386

3,5 42,3 18,0 0,02132 0,05331 0,04851 0,04362

4,0 27,8 21,8 0,02116 0,05288 0,04769 0,04284

4,5 14,3 25,8 0,02095 0,05237 0,04706 0,04191

5,0 3,1 28,8 0,02086 0,05194 0,04636 0,04120

5,5 2,6 29,4 0,02073 0,05183 0,04646 0,04115

6,0 2,2 28,9 0,02079 0,05185 0,04632 0,04144

6,5 2,0 27,9 0,02075 0,05194 0,04638 0,04102

- 4 -

15.10.2015

0,0 99,7 0,6 0,02189 0,05544 0,04930 0,04631

0,5 94,0 2,5 0,02170 0,05517 0,04884 0,04576

1,0 85,9 4,3 0,02158 0,05527 0,04849 0,04567

1,5 81,9 6,5 0,02155 0,05479 0,04868 0,04503

2,0 72,3 8,5 0,02126 0,05445 0,04838 0,04508

2,5 65,6 12,3 0,02122 0,05430 0,04755 0,04460

3,0 54,4 15,3 0,02108 0,05406 0,04755 0,04395

3,5 40,9 17,6 0,02111 0,05351 0,04710 0,04341

4,0 30,5 21,7 0,02089 0,05324 0,04637 0,04265

4,5 15,2 25,4 0,02074 0,05269 0,04589 0,04194

5,0 4,2 29,1 0,02064 0,05222 0,04519 0,04120

5,5 2,7 30,1 0,02053 0,05209 0,04518 0,04092

6,0 2,3 29,2 0,02059 0,05236 0,04526 0,04119

6,5 2,0 28,5 0,02053 0,05221 0,04533 0,04091

Anhang 131

Tabelle 27: Signale der simulierten Sensoren (F1 F2 F3 F4 und F2 F4 S5 S6)

Fermentation Dauer

h

Simulierter MIR-ATR-Sensor (Wasser als Bezug)

F1 F2 F3 F4 S5 S6

- 1 -

02.10.2015

0,0 0,00550 0,04793 0,05140 0,05481 0,08224 0,07597

0,5 0,00487 0,04753 0,05092 0,05411 0,08146 0,07494

1,0 0,00468 0,04732 0,05072 0,05365 0,08067 0,07374

1,5 0,00466 0,04704 0,05044 0,05308 0,07952 0,07228

2,0 0,00464 0,04698 0,05014 0,05255 0,07838 0,07064

2,5 0,00497 0,04707 0,05009 0,05219 0,07704 0,06898

3,0 0,00438 0,04626 0,04909 0,05092 0,07488 0,06626

3,5 0,00439 0,04519 0,04858 0,04975 0,07428 0,06554

4,0 0,00410 0,04499 0,04767 0,04824 0,06928 0,05985

4,5 0,00402 0,04442 0,04726 0,04716 0,06704 0,05738

5,0 0,00399 0,04405 0,04658 0,04599 0,06387 0,05386

5,5 0,00380 0,04407 0,04612 0,04549 0,06224 0,05163

6,0 0,00400 0,04431 0,04628 0,04580 0,06246 0,05198

6,5 0,00391 0,04421 0,04616 0,04559 0,06188 0,05164

- 2 -

08.10.2015

0,0 0,00467 0,04746 0,05078 0,05430 0,08206 0,07606

0,5 0,00480 0,04758 0,05083 0,05418 0,08181 0,07554

1,0 0,00485 0,04756 0,05074 0,05387 0,08128 0,07462

1,5 0,00469 0,04748 0,05047 0,05340 0,08088 0,07394

2,0 0,00478 0,04722 0,05031 0,05284 0,07958 0,07215

2,5 0,00463 0,04682 0,04985 0,05195 0,07813 0,07026

3,0 0,00468 0,04680 0,04955 0,05143 0,07692 0,06859

3,5 0,00457 0,04629 0,04905 0,05027 0,07452 0,06572

4,0 0,00436 0,04575 0,04845 0,04905 0,07180 0,06262

4,5 0,00434 0,04533 0,04798 0,04794 0,06907 0,05936

5,0 0,00413 0,04477 0,04725 0,04660 0,06616 0,05596

5,5 0,00417 0,04460 0,04722 0,04634 0,06531 0,05518

6,0 0,00413 0,04462 0,04733 0,04621 0,06449 0,05466

6,5 0,00393 0,04444 0,04717 0,04601 0,06406 0,05421

- 3 -

13.10.2015

0,0 0,00488 0,04793 0,05150 0,05492 0,08283 0,07690

0,5 0,00601 0,04897 0,05241 0,05573 0,08334 0,07700

1,0 0,00509 0,04797 0,05130 0,05428 0,08150 0,07475

1,5 0,00516 0,04789 0,05122 0,05402 0,08056 0,07352

2,0 0,00490 0,04752 0,05067 0,05304 0,07932 0,07169

2,5 0,00471 0,04709 0,05014 0,05221 0,07761 0,06968

3,0 0,00447 0,04651 0,04956 0,05108 0,07559 0,06733

3,5 0,00439 0,04610 0,04896 0,05007 0,07334 0,06439

4,0 0,00462 0,04616 0,04900 0,04953 0,07147 0,06221

4,5 0,00434 0,04553 0,04833 0,04810 0,06890 0,05909

5,0 0,00429 0,04509 0,04775 0,04717 0,06661 0,05643

5,5 0,00421 0,04487 0,04757 0,04669 0,06508 0,05488

6,0 0,00422 0,04508 0,04739 0,04672 0,06492 0,05500

6,5 0,00418 0,04498 0,04738 0,04645 0,06393 0,05418

- 4 - 0,0 0,00487 0,04812 0,05151 0,05503 0,08279 0,07658

Anhang 132

15.10.2015

0,5 0,00496 0,04837 0,05150 0,05486 0,08218 0,07590

1,0 0,00488 0,04807 0,05118 0,05429 0,08120 0,07461

1,5 0,00492 0,04790 0,05098 0,05372 0,08039 0,07341

2,0 0,00496 0,04772 0,05072 0,05318 0,07920 0,07186

2,5 0,00488 0,04741 0,05043 0,05239 0,07787 0,07003

3,0 0,00488 0,04716 0,05005 0,05165 0,07610 0,06776

3,5 0,00476 0,04687 0,04962 0,05070 0,07416 0,06539

4,0 0,00469 0,04637 0,04910 0,04955 0,07172 0,06248

4,5 0,00454 0,04583 0,04855 0,04837 0,06896 0,05914

5,0 0,00443 0,04546 0,04798 0,04723 0,06622 0,05609

5,5 0,00428 0,04525 0,04775 0,04689 0,06548 0,05541

6,0 0,00424 0,04508 0,04773 0,04679 0,06512 0,05522

6,5 0,00427 0,04524 0,04773 0,04680 0,06483 0,05513

Documents

Entwicklung eines MIR-ATR-Sensors zur Prozesskontrolle · PDF fileEntwicklung eines MIR-ATR-Sensors zur Prozesskontrolle in der chemischen Industrie und Biotechnologie vorgelegt von