INTRAL verfolgt das Ziel, die erforderlichen Ressourcen für die Entwicklung, Instandhaltung und Adaptierung daten-getriebener und hybrider (Prozess-) Modelle durch Entwicklung und Einsatz neuartiger Transfer Learning (TL) Ansätze zu minimieren. Dabei liegt das Hauptaugenmerk auf der Entwicklung interpretierbarer TL Methoden, welche die Einbettung von Experten Wissen (Interaktivität) erlaubt. Dies soll zum einen den Einsatz von TL Ansätzen in stark regulierten Bereichen wie der (bio-) pharmazeutischen Industrie ermöglichen und zum anderen die Stabilität und Verlässlichkeit von TL Modellen im Allgemeinen erhöhen. Das Ergebnis des Projekts wird ein Software-Framework sein, das Algorithmen, Workflows und Schnittstellen für die Erstellung, Interpretation und Validierung von TL Modellen für Anwendungen im Bereich der Prozess Analytischen Technologien (PAT) bündelt.
