KI in der Abfallwirtschaft

Künstliche Intelligenz automatisiert in zahlreichen Bereichen aufwendige manuelle Tätigkeiten und Prozesse – was heißt das für die Abfallwirtschaft? (Bild: vegafox.com – Adobe Stock; Bild ist KI-generiert)
Künstliche Intelligenz automatisiert in zahlreichen Bereichen aufwendige manuelle Tätigkeiten und Prozesse – was heißt das für die Abfallwirtschaft? (Bild: vegafox.com – Adobe Stock; Bild ist KI-generiert)

Künstliche Intelligenz automatisiert in zahlreichen Bereichen aufwendige manuelle Tätigkeiten und Prozesse – und trägt so dazu bei, diese zu erleichtern, zu beschleunigen und zu verbessern. Auch in der Abfallwirtschaft kommen immer mehr KI-gestützte Tools zum Einsatz oder werden getestet.

In medizinischen Einrichtungen fallen täglich große Mengen an Abfällen verschiedener Fraktionen an – von spitzen und scharfen Gegenständen bis zu infektiösen Abfällen. Sammlung, Lagerung, Monitoring, Dokumentation – all diese Tätigkeiten erfordern die Expertise der Beteiligten sowie zeitliche und personelle Ressourcen. Gleiches gilt auch für die Entsorgerseite. Abfälle müssen richtig erfasst, sortiert und ihrer bestimmungsgemäßen Entsorgung zugeführt werden; Störstoffe sind zu identifizieren und auszuschleusen, Stoffströme nachzuvollziehen und zu dokumentieren. Viele dieser Schritte erfolgen klassischerweise noch „per Hand“. Zahlreiche Forschungsprojekte und Unternehmen arbeiten daran, zukünftig verstärkt auf KI zu setzen.

Daten als Schlüssel für ein optimiertes Abfallmanagement

Im Zentrum der Nutzbarmachung von KI für die Abfallwirtschaft stehen stets Daten. Sie sind einerseits Grundlage für das Training und korrekte Funktionieren von KI-Systemen, andererseits ist die Technologie sehr genau bei der Erhebung und Auswertung der Daten. Die meisten KI-Anwendungsfälle fallen derzeit in diesen Bereich.

Automatisierte Abfall- und Störstofferkennung

Praxisbeispiele für den Einsatz Künstlicher Intelligenz in der Abfallwirtschaft findet man beispielsweise bei REMONDIS Digital. Hier setzt u. a. das System CORTEXIA auf die Technologie. Das Tool wurde für die automatisierte Messung der Stadtsauberkeit entwickelt. An Fahrzeuge der Stadtreinigung montiert, erkennt CORTEXIA über eine Kamera mittels Computer Vision Abfälle im Straßenbild und wertet die gesammelten Daten anschließend aus. Dadurch lassen sich unter anderem Verschmutzungs-Hotspots identifizieren und Reinigungsintervalle entsprechend optimieren.

Dieselbe Technologie soll künftig auch bei der Erkennung und Kategorisierung von Störstoffen im Bioabfall zum Einsatz kommen. Die automatisierte Erfassung in Anlagen kann den Aufwand für manuelle Kontrollen reduzieren. In Sammelfahrzeugen können dank der KI-gestützten Datenerhebung wiederum Hotspots auf den Sammeltouren identifiziert und Gegenmaßnahmen ergriffen werden. Über einen längeren Zeitraum lässt sich zudem die Wirkung dieser Maßnahmen messen. Ein ähnliches System wird vom französischen Anbieter Lixo betrieben.

Diverse Forschungsprojekte der Montanuniversität Leoben nutzen ebenfalls kamerabasierte KI-Systeme zur Identifizierung unterschiedlicher Abfälle in Sortieranlagen. So widmet sich das Projekt StraTex etwa der automatisierten Sortierung und Aufbereitung von Alttextilien. Im Projekt KIRAMET wurde die KI-gestützte Aussortierung kupferhaltiger Partikel aus Schredderschrott untersucht.

Automatisierte Sortierung von Abfällen

Das personalgebundene Erkennen von Stör- und Schadstoffen ist aufwendig – das manuelle Sortieren von Abfällen jedoch noch aufwendiger. Auch hier forscht die Montanuniversität Leoben an KI-Lösungen. So wurde im Projekt recAIcle gemeinsam mit Siemens und Pro2Future ein System entwickelt, das falsch entsorgte Fraktionen auf dem Förderband erkennt und sie für menschliche Sortiermitarbeitende farblich hervorhebt. Diese können dann anhand ihrer Erfahrung beurteilen, wie sie mit dem Abfall verfahren sollen. Gleichzeitig lernt die KI anhand dieser Entscheidungen weiter. Im Forschungsprojekt DeB-AT wurden Batterien in gemischten Abfallströmen KI-gestützt detektiert und anschließend mittels Druckluft ausgeschleust.

Auch das Fraunhofer IWKS hat eine KI-gestützte modulare Sortieranlage entwickelt, die so verschiedene Abfallfraktionen wie Elektroschrott, Metalle und gemischte Kunststoffe erkennen und sortieren kann. Das Londoner Unternehmen Recycleye verbindet wiederum KI, Computer Vision und Robotik für eine automatisierte Sortierung. Dabei erkennt das KI-gestützte Computer-Vision-System die Abfälle, während Robotersysteme die erkannten Objekte automatisch aussortieren.

Kleine mobile Systeme für intelligente Abfallbehälter und mehr

Während die erwähnten Beispiele hohe Rechenleistungen benötigen, gibt es mittlerweile auch weniger ressourcenintensive Anwendungen auf dem Markt. So hat der US-Anbieter D.Waste etwa KI-Modelle für Smartphones entwickelt, die mit wenig Strom auskommen und ohne Internetverbindung arbeiten können. So wird der Einsatz günstiger und mobiler Anwendungen möglich, beispielsweise in Form von intelligenten Abfallbehältern, die erkennen, was in ihnen entsorgt wird. Damit lassen sich Fehlwürfe erkennen und Stoffströme besser nachvollziehen.

Auswirkungen von KI auf das Abfallmanagement in Kliniken

Je nach spezifischem Einsatzbereich können KI-Systeme unmittelbare oder indirekte Auswirkungen auf das Abfallmanagement in Krankenhäusern haben. Mess- und Detektionssysteme von Störstoffen in bestimmten Abfallarten wirken sich eher indirekt aus: Über ein ständiges Monitoring der übernommenen Abfälle können sie zu präziseren, lückenloseren Daten zu Fehlwürfen beitragen. Kleine mobile Anwendungen wie D.Waste bieten hingegen die Möglichkeit, das Abfallmanagement unmittelbar zu verbessern, beispielsweise durch intelligente Abfallbehälter.

Alle Angaben ohne Gewähr und Anspruch auf Vollständigkeit.