Die Prozessindustrie als energieintensivste Branche der produzierenden Industrie ist angesichts steigender Energiepreise und begrenzten Rohstoff-Verfügbarkeiten verstärkt gefordert, wertschöpfende Prozesse zu optimieren. Die Anwendung von Verfahren des maschinellen Lernens (ML) bieten zwar neue Potentiale der Produkt- und Prozessoptimierung in Bereichen, in denen konventionelle Vorgehensweisen aufgrund komplexer, multivariater Zusammenhänge an ihre Grenzen geraten, stellt jedoch Anwender vor große Herausforderungen, erforderliche ML-Architekturen umzusetzen. Die vorliegende Arbeit fasst daher die Konzeption einer Referenzarchitektur für ML in der Prozessindustrie zusammen, um die Transparenz über erforderliche Komponenten zu steigern und eine Gestaltungshilfe zur Umsetzung eigener Architekturen bereitzustellen. Abschließend werden Validierungsbeispiele in der Getränkeindustrie vorgestellt.
