Beim Spurenstoff-Tracker handelt es sich um eine cloudbasierte Lösung, mit der Labore in die Lage versetzt werden, Rohdaten von Non-Target Analysengeräten laborintern bzw. laborübergreifend auszuwerten. Der Cloud-Workflow mit maschinellem Lernen aus den Non-Target Daten liefert einen Mehrwert bei der Identifikation von Spurenstoffen sowie bei der Rückverfolgung von deren Herkunft und führt nicht zuletzt zu einer Zeitersparnis im Laborablauf.
Oberflächengewässer sind direkt oder indirekt über das flussbegleitende Grundwasser eine wichtige Ressource für Trinkwasser. Gleichzeitig sind Oberflächengewässer permanent einer Vielzahl von Einträgen von Spurenstoffen und Mikroorganismen ausgesetzt. Von den gesamten Einträgen kann derzeit nur ein Bruchteil identifiziert werden. Emittenten bleiben somit oft unentdeckt.
Die in den letzten Jahren stattgefundene Entwicklung zum Non-Target Screening für die Analytik von organischen Spurenstoffen erlaubt es, bisher nicht bekannte oder nicht beachtete Substanzen zu detektieren. Dadurch werden selbst geringste Veränderungen an einer Wasserprobe erfasst, was die Grundlage zur Initiierung von Recherchen und gegebenenfalls Gegenmaßnahmen legt. Für das Non-Target Screening werden zunächst komplexe analytische Verfahren einschließlich chromatographische Trennmethoden gekoppelt mit hochauflösender Massenspektrometrie (LC-HRMS) benötigt. Zudem stehen der breiten Anwendung des Non-Target Screening in der Praxis die anfallenden Datenmengen in der Größenordnung von 1 bis 2 GB pro Probe bzw. deren Interpretation entgegen.
Ergebnis des K2I-Projektes ist ein cloudbasierter Demonstrator zur laborinternen und laborübergreifenden Auswertung von Non-Target Analysendaten. Der Demonstrator besteht aus mehreren Modulen, die nacheinander manuell durch eine eingewiesene Fachperson zu bedienen sind. Das Proof of Concept wurde auf Basis von 4.800 Analysen unter Praxisbedingungen durchgeführt. Der Entwicklungsstand des Demonstrators befindet sich hinsichtlich der Bedienbarkeit durch Nutzer auf dem Technology Readiness Level (TRL) 5 und hinsichtlich der Auswertung durch künstliche Intelligenz auf TRL 3 bis 4.
Die im K2I-Projekt erhaltenen Ergebnisse mit dem Demonstrator lassen einen Ausbau zu einem in der Praxis nutzbaren Softwarepaket wünschenswert und aussichtsreich erscheinen.
