Künstliche Intelligenz und Robotik für eine nachhaltige Kreislaufwirtschaft
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.

Hochschule Bremen
www.hs-bremen.de

Anzeige

Anzeige

Das könnte Sie auch Interessieren

Bild: Abat AG
Bild: Abat AG
Forschungskooperation verlängert

Forschungskooperation verlängert

Bild: Abat AG Voneinander und miteinander lernen, gemeinsam an innovativen Ideen für den Markt innerhalb von Forschungskooperationen tätig sein - seit mehreren Jahren schon besteht eine enge Zusammenarbeit zwischen der Bremer Abat AG und der Uni Oldenburg (Abteilung...

Image: Xilinx Inc.
Image: Xilinx Inc.
Adaptive AI Vision

Adaptive AI Vision

Image: Xilinx Inc. Die Kria SOMs ermöglichen den schnellen Einsatz durch Bereitstellung einer End-to-End Lösung auf Board-Ebene mit vorkonfiguriertem Software Stack. Das Kria K26 SOM basiert auf der Zynq UltraScale+ MPSoC Architektur, die einen Quad-Core Arm Cortex...