In der chemischen Industrie verlaufen zwar die Reaktionen ähnlich wie man sie aus dem Chemieunterricht kennt. Jedoch ist die industrielle Produktionstechnik nicht unbedingt mit diesen filigranen chemischen Apparaturen vergleichbar - hier bestimmen eher große Reaktoren und dicke Leitungen das Bild. Sicherheit und Verfügbarkeit der Produktionsanlagen, die beispielsweise Kunststoffe herstellen, haben einen hohen Stellenwert. Um eben die notwendige Verfügbarkeit und Sicherheit zu gewährleisten, gibt es Automatisierungssysteme, die anhand der Werte von Messgeräten die Prozesse über Armaturen wie Ventile und Pumpen hochpräzise steuern und überwachen. Hierfür benötigt man genaue Informationen über Zu- und Abflüsse und die Zustandsgrößen der Stoffe in den Reaktoren, also Energie, Dichte oder auch Volumina bei den chemischen Reaktionen. Wenn solche Zustandsgrößen durch chemisch-physikalische Rechnungen gewonnen werden, dann kommt es besonders auf Qualität und Zuverlässigkeit der Messgrößen an.

Mehrfaches Messen an verschiedenen Stellen von chemisch-physikalischen Größen wie des pH-Werts oder der Temperatur ist eine bewährte Methode, um Zuverlässigkeit und Sicherheit zu erhöhen. Manchmal sind redundant gewonnene Informationen aber nicht direkt vergleichbar. Dabei kommen folgende Fragen auf: Wie können Fehler in den Messketten diagnostiziert werden, wie kann die maximal mögliche Diagnoseinformation aus den Signalen gewonnen werden?

Diese Anwendung ist ein typisches Beispiel, wie Innovation an der Grenze von Disziplinen wie etwa Chemie und Signalverarbeitung entsteht: Das vom ungarischen Mathematiker Rudolf Emil Kalman entwickelte und nach ihm benannte Filter, das durch den Einsatz bei den Apollo-Flüge bekannt geworden war, ist zwar bereits über ein halbes Jahrhundert alt und gehört zum Standard-Repertoire der Informationsverarbeitung. Sein Einsatz zur Diagnose von Messsystemen in der chemischen Industrie ist aber neu. Das Projekt hat gezeigt, dass auch bei stark gestörten Messsignalen eine Auswertung der Daten möglich ist und eine zuverlässige Diagnose eventueller Sensorfehler erfolgen kann. Durch den Einsatz des Kalman-Filters passt das Auswertesystem sich selbständig an veränderte Signaleigenschaften an und ermöglicht damit einen Einsatz in der Produktionstechnik, wo Robustheit eine wichtige Eigenschaft ist.