Eine kurze Geschichte der KI im Recycling
Eine vollständig kreislauforientierte Wirtschaft basiert auf durchwegs hochwertig rückgewonnenen Materialien – etwas, das mit den heutigen Verfahren noch nicht erreicht wird und viele recycelte Stoffe werden nach wie vor in minderwertigere Produkte umgewandelt. Um dem entgegenzuwirken, muss der Sortierprozess noch präziser erfolgen. Genau hier erweist sich der Einsatz von KI als bahnbrechend.
KI, (k)ein neuer Trend
Die Unterscheidung zwischen KI und Deep Learning ist entscheidend, denn viele glauben fälschlicherweise, dass KI ein neues Phänomen sei. Tatsächlich ist KI schon seit Jahrzehnten fester Bestandteil unserer Branche, da sie als umfassender Begriff für die Entwicklung intelligenter Maschinen gilt. Er umfasst sämtliche Techniken, die es Computern ermöglichen, menschliches Denken mithilfe von Logik, Wenn-Dann-Regeln und maschinellem Lernen nachzuahmen.
Maschinelles Lernen ist seit Jahrzehnten ein fester Bestandteil unserer AUTOSORT™-Maschinen. Unsere ersten Systeme, die bereits vor rund 30 Jahren zum Einsatz kamen, setzten grundlegende KI-Prinzipien ein – schon damals konnten sie eigenständig entscheiden, welche Materialien aussortiert und welche akzeptiert werden sollten. Diese Fähigkeit, das menschliche Urteilsvermögen zu imitieren, ist im wesentlichen, was KI ausmacht.
So wird KI zwar schon seit Jahren im globalen Recycling eingesetzt, doch Deep Learning stellt den neuesten Fortschritt dar, der der Künstlichen Intelligenz heute neuen Aufschwung verleiht. Deep Learning ist ein Ansatz innerhalb des maschinellen Lernens und konzentriert sich auf eine bestimmte Art von Algorithmus, auf die künstlichen neuronalen Netzwerke. Diese Netzwerke werden mit enormen Mengen an Rohdaten trainiert, um komplexe Muster zu erkennen und zu speichern, die anschließend auf neue Daten angewendet werden können.
Wie funktionieren KI-Algorithmen im Recycling?
Wie TOMRA die Chancen von Deep Learning nutzt
Mit unserer Leidenschaft für technologischen Fortschritt haben wir das Potenzial von Deep Learning in den vergangenen Jahren intensiv erforscht. Unser Team von KI-Experten speist das Netzwerk mit Tausenden bis Millionen von Bildern als Trainingsmaterial, bis es lernt, bestimmte visuelle Merkmale – etwa spezielle Flaschendeckel oder Verpackungsformen – zu unterscheiden.
Dieses Wissen wird anschließend auf neue Bilder der Sensoren des Sortiersystems angewendet. So lassen sich einige der komplexesten Sortieraufgaben lösen, die mit herkömmlichen optischen Sortiersystemen derzeit unmöglich zu lösen sind. Zudem können die TOMRA-Sortiersysteme die Reinheit der Ausgabeströme kontinuierlich steigern, indem Echtzeitdaten aus mehreren sensorbasierten Technologien simultan integriert werden.
Hier einige der Vorteile, die Kunden an unseren Deep Learning-Lösungen schätzen:
- Flexibilität: Die Zusammensetzung von Abfällen ändert sich ständig, so dass sich Sortiersysteme kontinuierlich an neue Marktanforderungen anpassen müssen. Anstelle des Austauschs von Hardwarekomponenten oder gar ganzen Maschinen können moderne Deep-Learning-Technologien, sobald Experten sie trainiert haben, per Software-Update nachgerüstet werden. So können wir noch schneller auf Kundenbedürfnisse reagieren.
- Erschließung neuer Materialströme: KI-gestütztes Deep Learning ermöglicht es den Betreibern, nicht nur die Sortiergenauigkeit zu erhöhen, sondern auch völlig neue Materialströme und Märkte mit höherwertigen Produkten zu erschließen.
- Verbesserte Sortierung: Durch die Kombination bestehender optischer Sortiersysteme, etwa basierend auf Nahinfrarot (NIR) und visuellen Sensoren (VIS), mit Deep-Learning-Technologien können wir die aktuell höchstmögliche Sortierpräzision erreichen. Dadurch ist es uns möglich, nicht nur nach Materialtyp und Farbe, sondern dank Deep Learning auch nach Form, Größe, Abmessungen und weiteren Details zu sortieren.
- Anlagenautomatisierung: Der Mehrwert von Deep Learning liegt in der Objekterkennung mittels Vollfarbkameras. Mit anderen Worten: Systeme wie unser GAINnext™ erfassen, was das menschliche Auge sieht. So können wir Sortieraufgaben automatisieren, die bisher manuell erledigt werden mussten, und verarbeiten größere Mengen recycelbarer Materialien schnell und effizient.
- Prozessoptimierung: KI-gestützte Sortiersysteme generieren enorme Datenmengen über Materialzusammensetzung, Sortiereffizienz und Anlagenleistung. Durch die Analyse dieser Daten können Betreiber Optimierungspotenziale erkennen, Abläufe straffen und fundierte Entscheidungen treffen, um den gesamten Recyclingprozess zu verbessern. Darüber hinaus reichen die Einsatzmöglichkeiten weit über die Sortierung hinaus: Kameras auf Deep-Learning-Basis können an Schlüsselpunkten im Sortierkreislauf installiert werden, um den gesamten Materialfluss zu überwachen. Eine KI-basierte Abfallstromanalyse ermöglicht es, kontinuierlich die Qualität der sortierten Ströme, Materialverluste und sogar die Einhaltung von Vorschriften im Bereich der Lebensmittelverwertung zu kontrollieren.
- Lösung bisher unmöglicher Sortieraufgaben: Deep Learning erlaubt es, Aufgaben zu bewältigen, die bisher als unlösbar galten – wie wir im Folgenden näher erläutern werden.
TOMRAs wegweisende Deep Learning-Anwendungen im Zeitverlauf
2019: Einführung des branchenweit ersten Deep-Learning-Sortiersystems GAIN (heute: GAINnext™)
-Entfernung von PE-Silikon-Kartuschen aus Polyethylen (PE)-Strömen
2022: Erste Anwendung von Deep Learning im Holzbereich
-Trennung von Naturholz von verarbeitetem Holz
2023: TOMRAs Deep Learning-Ökosystem wächst weiter
-Deinking/Paper Cleaner Anwendung für optimierte Papierströme
-PET Cleaner Anwendung für noch reinere PET-Flaschenströme
-Entfernung von mitteldichten Faserplatten (MDF)
2024: Einführung mehrerer bahnbrechender Anwendungen, darunter die weltweit erste Lösung zur Sortierung von Lebensmittel- und Nicht-Lebensmittel-Verpackungen; Umbenennung in GAINnext™
-Lebensmittel- vs. Nicht-Lebensmittel-PET
-Lebensmittel- vs. Nicht-Lebensmittel-PP
Lebensmittel- vs. Nicht-Lebensmittel-HDPE
-Gebrauchte Aluminium-Getränkedosen (UBC)
2025: Weitere Anwendungen sind in Planung!
KI: Ein Katalysator für den grünen Wandel
Künstliche Intelligenz steht kurz davor, die Rückgewinnung von Ressourcen grundlegend zu revolutionieren und sich als unverzichtbares Werkzeug im grünen Wandel zu etablieren. Angesichts strengerer Vorschriften und sich stetig entwickelnder Verbraucheransprüche befindet sich unsere Branche an einem entscheidenden Wendepunkt. Deep Learning bietet eine leistungsstarke Lösung, um die Kreislaufwirtschaft voranzubringen.
Bei TOMRA rechnen wir zudem damit, dass fortschrittliche KI- und Cloud-Technologien vermehrt für die Abfallanalyse eingesetzt werden – was die Transparenz nicht nur an den Sortieranlagen, sondern im gesamten Sortierprozess verbessert. Aus diesem Grund haben wir kontinuierlich cloudbasierte Überwachungstools wie TOMRA Insight entwickelt und in PolyPerception mit seinen KI-gestützten Abfallanalytik-Plattformen investiert.
Indem wir das Potenzial der KI erschließen, können wir neue Märkte für höherwertige Produkte schaffen und so zusätzlich Wachstum und Nachhaltigkeit fördern.
