---
res:
  bibo_abstract:
  - "Modellbasierte Konzepte und Simulationstechniken in Kombination mit digitalen
    Werkzeugen erweisen sich als Schlüssel, um das volle Potenzial biopharmazeutischer
    Produktionsprozesse zu erschließen, die mehrere herausfordernde Entwicklungs-
    und Prozessschritte enthalten. Einer dieser Schritte ist der zeit- und kostenintensive
    Zellproliferationsprozess (auch als Seed Train bezeichnet), um die Zellzahl vom
    Auftauen der Zellen bis zum Produktionsmaßstab zu erhöhen. Herausforderungen wie
    komplexer Zellstoffwechsel, Chargen-zu-Chargen-Variationen, Variabilitäten im
    Zellverhalten und Einflüsse von Änderungen der Kultivierungsbedingungen erfordern
    adäquate digitale Lösungen, um Informationen über den aktuellen und zukünftigen
    Prozesszustand bereitzustellen und korrekte Prozessentscheidungen abzuleiten.\r\n\r\nZu
    diesem Zweck haben sich digitale Seed Train Zwillinge als effizient erwiesen,
    die das zeitabhängige Verhalten wichtiger Prozessvariablen basierend auf mathematischen
    Modellen, Strategien und Anpassungsverfahren digital darstellen.\r\n\r\nDieses
    Kapitel skizziert die Notwendigkeit der Digitalisierung von Seed Trains, den Aufbau
    eines digitalen Seed Train Zwillings, die Rolle der Parameterschätzung und verschiedene
    statistische Methoden in diesem Zusammenhang, die auf mehrere Probleme im Bereich
    der Bioprozessierung anwendbar sind. Die Ergebnisse einer Fallstudie werden vorgestellt,
    um einen Bayes’schen Ansatz zur Parameterschätzung und Vorhersage eines industriellen
    Zellkultur-Seed Trains für die Seed Train Digitalisierung zu veranschaulichen.@eng"
  bibo_authorlist:
  - foaf_Person:
      foaf_givenName: Tanja
      foaf_name: Hernández Rodriguez, Tanja
      foaf_surname: Hernández Rodriguez
      foaf_workInfoHomepage: http://www.librecat.org/personId=52466
  - foaf_Person:
      foaf_givenName: Björn
      foaf_name: Frahm, Björn
      foaf_surname: Frahm
      foaf_workInfoHomepage: http://www.librecat.org/personId=45666
  bibo_doi: https://doi.org/10.1007/978-3-031-75698-6_5
  dct_date: 2025^xs_gYear
  dct_isPartOf:
  - http://id.crossref.org/issn/978-3-031-75697-9
  dct_language: ger
  dct_publisher: Springer @
  dct_subject:
  - Bayes
  - Digitaler Zwilling
  - Parameterabschätzung
  - Seed-Train
  - Unsicherheit
  dct_title: Digitale Seed Train Zwillinge und statistische Methoden@
...