Katalysatoren in Fahrzeugen helfen, die Schadstoffe in den Abgasen zu reduzieren. Um die katalytischen Filter so weiterzuentwickeln, dass sie noch effizienter arbeiten, baut die Industrie auf innovative mathematische Methoden und Maschinelles Lernen: Im jetzt gestarteten Verbundprojekt »ML-MORE« (Maschinelles Lernen und Modellordnungsreduktion zur Vorhersage der Effizienz katalytischer Filter) kooperieren Forschende des Exzellenzclusters Mathematik Münster der Westfälischen Wilhelms-Universität Münster (WWU) mit dem Fraunhofer ITWM (im Rahmen des Leistungszentrums Simulations- und Software-basierte Innovation), der Universität Stuttgart, der Technischen Universität Darmstadt und der Umicore AG & Co. KG, einem Materialtechnologie- und Recyclingkonzern. Das Bundesministerium für Bildung und Forschung fördert das Projekt im Rahmen des Programms »Mathematik für Innovationen als Beitrag zur Methodenentwicklung im Umgang mit großen Datenmengen« über eine Laufzeit von drei Jahren mit insgesamt rund einer Million Euro.