Wissenschaftlicher Mitarbeiter und Doktorand
Nico Geisler, M. Sc.
Wissenschaftlicher Mitarbeiter und Doktorand
Tel.: +49 (0) 9421 187-439
E-Mail: nico.geisler@tum.de
TUM Campus Straubing
Uferstraße 53
94315 Straubing
Uferstraße 53, Raum: 02.3505.110
Vita
Beruflicher Werdegang
- Seit 09/2022
- Doktorand & Wissenschaftlicher Mitarbeiter, Professur für Bioverfahrenstechnik, Technische Universität München, Campus Straubing für Biotechnologie und Nachhaltigkeit
- 06/2022 – 08/2022
- Wissenschaftliche Hilfskraft, Institut für Bioverfahrenstechnik, Technische Universität Braunschweig
- 01/2020 – 03/2021
- Studentische Hilfskraft, Institut für Bioverfahrenstechnik, Technische Universität Braunschweig
- 01/2019 – 06/2019
- Studentische Hilfskraft, Institut für Fahrzeugtechnik, Technische Universität Braunschweig
- 05/2018 – 07/2018
- Studentische Hilfskraft, Institut für Genetik, Technische Universität Braunschweig
Ausbildung
- 10/2019 – 05/2022
- Master of Science in Biotechnologie, Technische Universität Braunschweig
Thesis: „Sustainable production and structural analysis of bacterial cellulose and its application in fabric reinforced hybrid materials“ - 09/2019 – 12/2019
- Master of Science in Biotechnologie, Auslandssemester, University of Waterloo, Kanada
- 10/2016 – 09/2019
- Bachelor of Science in Biotechnologie, Technische Universität Braunschweig
Thesis: „Metabolischer Crosstalk zwischen verschiedenen Clostridioides difficile Stämmen und einer humanen Darmkrebs-Zelllinie“
Forschungsprojekt
Die Forschung konzentriert sich auf die optimale Steuerung industrieller Fermentationsprozesse, die von Chargenschwankungen beeinflusst werden, wenn Hydrolysate aus landwirtschaftlichen Reststoffen verwendet werden. Das Hauptziel ist es, das volle Potenzial von Bioprozessdaten zu erschließen, eine schnellere Fehlersuche zu ermöglichen, die Prozessautomatisierung zu verbessern und den Bedarf an zeitaufwändigen und kostspieligen Offline-Messungen durch die Entwicklung kontinuierlich trainierter, validierter und verbesserter hybrider modellbasierter Softsensoren zu reduzieren. Die Prozesssteuerung umfasst die Kombination von Echtzeitdaten von Hardwaresensoren mit speziell entwickelten Modellen, um nicht messbare Parameter online vorherzusagen.