Projekt

Silaa Cooling. Energieautarke klimatisierte Lebensmittellager für off-grid Gebiete

Im BMBF-geförderten Projekt "KMU-innovativ: Verbundvorhaben Klimaschutz. Entwicklung energieautarker Kühllager basierend auf Solarenergie für off-grid Gebiete der ASEAN Region" (kurz SilaaCooling) werden Algorithmen und elektronische Komponenten entwickelt, um mit einem Minimum an Energieerzeugung eine wirtschaftliche Langzeitlagerung von Lebensmitteln zu ermöglichen – und das in Gebieten, die infrastrukturell nur schwer erreich- und anschließbar sind.

Dabei kommen Methoden des Maschinellen Lernens und Photovoltaik-Technologie zum Einsatz. Entwickelt wird ein Demonstrationskühllager für die Kooperative SilaaFarms in Mae Lai (Thailand) zur klimatisierten Lagerung von Kaffeebohnen. Die klimatisierte Lagerung von Kaffee bei den Erzeugern ist eher unüblich, doch Kaffee verdirbt bei warmer und feuchter Lagerung rasch. Pilze und Bakterien befallen ihn und hinterlassen Stoffe, die selbst nach der Hitze des Röstvorganges noch giftige Wirkung haben. Kann eine sachgemäße Lagerung bis zu einem günstigen Verkaufszeitpunkt gewährleistet werden, erhöht dies das Ertragspotential für die Kleinbauern.

Die Technik beruht zwar auf inzwischen bewährten Komponenten, bedarf aber einer aufwändigen Optimierung, damit das Konzept wirtschaftlich tragfähig und somit auch in vielen anderen off-grid Regionen genutzt werden kann. Einmal entwickelt, getestet und optimiert soll das Konzept kommerziell genutzt und für potentielle Nutzer:innen vielfach profitabel exportiert werden.

Nach dem Motto High-Tech mit Low-Tech-Komponenten werden Photovoltaikmodule und Bleisäure- sowie Bleigel-Akkus verwendet, um die Klimatechnik anzutreiben, welche Temperatur und Luftfeuchte senkt. Die Technik wird im Betrieb komplett klimaneutral sein. Methoden des Maschinellen Lernens (ML) sollen dabei helfen, den Arbeitspunkt des Systems jeweils an das Optimum zu legen, u.a. basierend auf dem Monitoring der Umgebung mittels Wettersensoren.

An der Pilotanlage in der thailändischen Bergregion sollen Erfahrungen im Betrieb und in der Optimierung der ML-Algorithmen gesammelt werden, um die entwickelten Algorithmen dann anwenden zu können auf weitere Klassen von Lebensmitteln, welche härtere Bedingungen der Klimatisierung verlangen. Perspektivisch können so auch weitere klimatische Zonen bedient werden, z.B. in Afrika oder in Zentralasien.

Mehr Informationen zum Projekt SilaaCooling