La información en tiempo real sobre variables estatales clave durante la fermentación es crucial para la optimización y control efectivos de los bioprocesos. Los sensores especializados para el monitoreo en línea o en línea de estas variables suelen estar asociados con costos elevados, especialmente durante la optimización del proceso en etapas tempranas. En este estudio, se llevaron a cabo procesos de alimentación por lotes de un proceso de producción de L-fenilalanina (L-phe) utilizando una cepa recombinante bajo concentraciones de inductor variables. Las variables del proceso en línea disponibles del proceso de producción de L-phe se utilizaron para estimar las variables estatales biomasa, glicerol, L-phe, acetato y L-tirosina (L-tyr) a través de regresión de mínimos cuadrados parciales (PLSR). Estas predicciones se incorporaron como mediciones en un filtro de Kalman insípido (UKF). El filtro utiliza un modelo de grano grueso como estimador de estado, que, además de variables extracelulares, también proporciona información sobre estados intracelulares. Los resultados de PLSR mostraron una muy buena precisión de predicción para L-phe, precisión moderada para glicerol, biomasa y L-tyr y un rendimiento deficiente para las concentraciones de acetato. En combinación con el UKF, la estimación de las concentraciones de L-phe se mejoró considerablemente en comparación con el CGM, mientras que aún se necesita una mejora adicional para las variables estatales restantes.