Zum Hauptinhalt Zur Navigation

Kunststoff im Kreislauf: Sortieranlage soll Müll bewerten

Um Kunststoffabfälle in eine Kreislaufwirtschaft zu führen, setzen Forscher auf Maschinelles Lernen und dynamische Bewertungsmodelle.
/ Matthias Wellendorf
6 Kommentare News folgen (öffnet im neuen Fenster)
Viel Plastikmüll wird immer noch verbrannt. (Bild: Ralph auf Pixabay)
Viel Plastikmüll wird immer noch verbrannt. Bild: Ralph auf Pixabay

Beim Recycling von Kunststoffen werden mehr als 50 Prozent thermisch verwertet, also verbrannt. Das gilt insbesondere für die Reststoffe aus Haushalten, den sogenannten schwarzen Kunststoff. Damit gehen allerdings wertvolle Rohstoffe unwiederbringlich verloren. Im Rahmen des Waste4Future(öffnet im neuen Fenster) -Projekts entsteht nun eine neuartige Sortieranlage,(öffnet im neuen Fenster) mit der bereits bei der automatisierten Trennung der Kunststoffabfälle neue Wege beschritten werden.

Mithilfe eines komplexen Sensoriksystems, das Infrarot- und Terahertz-Sensoriken kombiniert, erfolgt eine ganzheitliche Betrachtung der Kunststoffabfälle. Diese werden im Anschluss mit eigens entwickelten Druckluftdüsen nicht nur nach ihrer stofflichen Art – etwa Polyethylen, Polypropylen oder Polystyrol – getrennt, auch das Alter der Reststoffe sowie Verunreinigungen durch beigemischte Stoffe werden in diesem Prozess einbezogen. Durch die komplexe Analyse sollen die jeweils vorsortierten Reststoffe einem mechanischen oder auch einem chemischen Recycling zugeführt werden.

Das Ziel der Forscher von insgesamt acht Fraunhofer-Einrichtungen unter Führung des Fraunhofer-Instituts für Wertstoffkreisläufe und Ressourcenstrategie IWKS liegt darin, auf eine Verbrennung von Reststoffen zu verzichten. Mithilfe der Anlagen sollen sämtliche Kohlenstoffverbindungen eine Wiederverwendung erfahren.

Komplexe Kunststoffanalyse

Eine große Herausforderung dabei ist schon die Verarbeitung der anfallenden Datenmengen. Hierzu setzen die Forscher auf digitale Zwillinge, mit denen die Sortierergebnisse abgeglichen und auf ihre Kerndaten reduziert werden.

Um dabei eine möglichst hohe Effizienz zu erreichen, wird auf Maschinelles Lernen gesetzt. Im Rahmen des Prozesses wird dynamisch ein Bewertungsmodell erzeugt, in dem selbst die benötigte Energie im Vergleich für die Erzeugung einer Tonne neuen Kunststoffs prognostiziert wird.


Relevante Themen