- Anzeige -
- Anzeige -
Lesedauer: 4min
Künstliche Intelligenz und Robotik für eine nachhaltige Kreislaufwirtschaft

Okt 1, 2020 | Technologie

Was können künstliche Intelligenz (KI) und Robotik zu einer Verbesserung der Recyclingquote bei großstückigen Abfällen beitragen? Dies ist die zentrale Fragestellung im Kooperationsprojekt 'Smart Recycling' des federführenden Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) und dem Institut für Energie und Kreislaufwirtschaft (IEKrW) an der Hochschule Bremen. Noch bis Mitte Dezember wollen die Projektpartner entsprechende Konzepte entwickeln. Dabei werden sowohl technische als auch ökonomische Herausforderungen berücksichtigt.
Bild: Hochschule Bremen

Die Lösungen sind zwar primär für die Kreislaufwirtschaft gedacht, sollen aber auch in anderen Bereichen angewendet werden können. Beispiele: Katastrophenschutz, Naturschutz durch automatisierte Abfallsammlung, nachhaltige Landwirtschaft, ökologisch verträglicher Bergbau, Wartung und Pflege von Infrastrukturen oder die Industrie 4.0. Beteiligt an dem bis zum 15. Dezember 2020 laufenden Projekt sind – neben dem DFKI und dem IEKrW – die Hochschule für Angewandte Wissenschaften Hamburg und Nehlsen Stoffstrom. Gefördert wird das Projekt ‚Smart Recycling‘ innerhalb des Förderschwerpunktes KI-Leuchttürme für Umwelt, Klima, Natur und Ressourcen vom Bundesumweltministerium.

Das Projekt ‚Smart Recycling“‘ unterstützt mit seiner effizienten Kl- und Robotik-basierten Lösung u.a. die im Deutschen Ressourcen-Effizienzprogramm festgelegten Ziele zur Steigerung der Recyclingrate bei Siedlungsabfällen auf über 65 Prozent, des Recyclinganteils von Kunststoffabfällen und des Einsatzes von Recycling-Baustoffen.

Bild: Hochschule Bremen

Vom effizienteren Recycling großstückiger Abfälle, vor allem im Bereich der Bauwirtschaft, wird ein signifikanter ökologischer Nutzen erwartet: Von den rund 412 Millionen Tonnen Abfall in Deutschland sind 220 Millionen Tonnen Bau- und Abbruchabfälle (Daten aus 2017, Statistisches Bundesamt). Dabei spielt die Sortierung der Abfälle für die Erhöhung der Ressourceneffizienz eine entscheidende Rolle. Hier setzt das Vorhaben Smart Recycling an: Durch den Einsatz moderner Sensorik, Kl-Methoden und Robotik soll die Sortierung von Abfällen verbessert und damit die Ressourceneffizienz erhöht werden. Das Vorhaben wird den Einsatz der genannten Techniken eruieren und entsprechende Ansätze zur Steigerung der Effizienz vorschlagen.

Bild: Hochschule Bremen

Hintergrund:

Bei der Kreislaufwirtschaft geht es darum, Produkte und Rohstoffe möglichst lange zu nutzen. Wenn das nicht mehr möglich ist, werden Rohstoffe in ihre Ausgangsstoffe zerlegt und wiederverwertet. Eine automatisierte Trennung dieser Stoffe ist besonders effizient und damit umweltschonend. Allerdings ist diese Trennung derzeit nur bei kleinstückigen oder bereits geschredderten Abfällen, sogenannten Flakes, möglich. Abfälle die großstückig sind, wie etwa Bauschutt oder Sperrabfall, müssen für die automatisierte Sortierung zunächst zerkleinert werden. Dies erfolgt meist manuell oder mit manuell bedienter Technik und ist daher langsam und kostenintensiv. Entsprechend gering ist die Recyclingquote, sodass viele wertvolle Rohstoffe zusammen mit Restabfällen entsorgt oder bestenfalls geringwertig verwertet werden. Aus gut erhaltenen Ziegelsteinen wird dann Schotter.

Autor:
Firma: Hochschule Bremen
www.hs-bremen.de

News

- Anzeige -

Weitere Beiträge

Das könnte Sie auch interessieren

KI per Smartphone

Die KI-Software AI.See von Elunic wird häufig zur Prüfung von Oberflächen aus Metall und Kunststoff eingesetzt. Mit einem Starterkit und einem Smartphone können Anwender selbst einen ersten Eindruck einer KI-basierten Qualitätsprüfung gewinnen.

mehr lesen

Künstliche Intelligenz analysiert wertvolle Inhaltsstoffe

Kunststoffmüll ist ein Problem. Weltweit. Der Grund: Kunststoff ist meist verbaut und Teil eines komplexen Produktes: Auto, Kühlschrank, Lederschuh oder Smartphone. Materialanalyse, -trennung und Recycling wären ein Lösungsansatz. Hier setzt das Projekt ‚Digital Lifecycle Record for the Circular Economy‘ – kurz ReCircE – an. Es will mithilfe von künstlicher Intelligenz ein umfassendes Recyclingverfahren entwickeln. Teil des Projektes ist ein digitaler Produktpass. Er soll Transparenz über die gesamte Wertstoffkette schaffen, um die Verwertung von Kunststoffen aus hochentwickelten Produkten zu erleichtern.

mehr lesen

Unternehmen reagieren bei ethischen KI-Fragen zögerlich

Das Bewusstsein für ethische Fragestellungen beim Einsatz von künstlicher Intelligenz ist in Unternehmen und Verwaltungen gestiegen. Dennoch fällt ihre diesjährige Handlungsbilanz gemischt aus, da nur in Teilbereichen Verbesserungen erzielt wurden. Zu diesen und weiteren Erkenntnissen kommt eine Studie von Capgemin für die 2.900 Konsumenten sowie 900 Führungskräfte befragt wurden.

mehr lesen

Künstliche Intelligenz trifft Embedded

An künstlicher Intelligenz (KI) und maschinellem Lernen führt kein Weg vorbei. Die Automobilindustrie, die industrielle Automation, die Landwirtschaft – kaum ein Sektor, der nicht vor tiefgreifenden Veränderungen steht. Mit KI-fähigen Embedded-Systemen steht künstliche Intelligenz zunehmend direkt at the Edge zur Verfügung.

mehr lesen

Schutz der Privatsphäre und KI in Kommunikationssystemen

Alle zwei Jahre vergeben der VDE, die Deutsche Telekom sowie die Städte Friedrichsdorf und Gelnhausen den mit 10.000 Euro dotierten Johann-Philipp-Reis-Preis an einen Nachwuchswissenschaftler. Dieses Jahr geht er an Prof. Dr.-Ing. Delphine Reinhardt von der Georg-August-Universität Göttingen und an Dr.-Ing. Jakob Hoydis von den Nokia Bell Labs in Nozay, Frankreich. Die beiden Preisträger teilen sich die Auszeichnung und damit das Preisgeld.

Infor bringt Infor Coleman AI auf den Markt

Infor, Anbieter von branchenspezifischer Business-Software für die Cloud, hat bekanntgegeben, dass die Plattform Infor Coleman AI für Embedded-Machine-Learning-Modelle ab sofort verfügbar ist. Sie bietet die Geschwindigkeit, Wiederholbarkeit und Personalisierung, die Unternehmen benötigen, um KI vollständig zu operationalisieren.