Die Bayes'sche Optimierung ist ein leistungsstarker statistischer Ansatz, der die Entwicklung von Molekülen, Formulierungen, Produkten, Verpackungen und Prozessen beschleunigt, indem er sequentielle Experimente effizient steuert. Dadurch eignet er sich ideal für kostenintensive oder zeitaufwändige Studien. Diese Präsentation demonstriert die Anwendung der JMP Bayes'schen Optimierung zur Optimierung von Produkt- und Formulierungsdesign. Wir stellen eine komplexe Fallstudie mit über 100 Formulierungsbestandteilen und zahlreichen Kategorien von Inhaltsstoffen mit Einschränkungen sowohl auf Kategorie- als auch auf Inhaltsstoffebene vor. Durch die Generierung eines Kandidatensatzes von Formulierungen, der diese komplexen Formulierungsbeschränkungen erfüllt, und die anschließende Anwendung der JMP Bayes'schen Optimierung konnten wir verbesserte Formulierungskandidaten erfolgreich identifizieren und experimentell bestätigen.
