KI macht Kunststoffabfälle fit für industrietaugliche Rezyklate

fTeilen

In dem Projekt »K3I-Cycling« entwickelt das Fraunhofer-Institut für
Betriebsfestigkeit und Systemzuverlässigkeit LBF gemeinsam mit 16 Partnern
KI-gestützte Methoden für die Kunststoffsortierung von Post-Consumer-
Kunststoffen, beispielsweise aus dem Gelben Sack. Die Forschenden aus
Darmstadt leiten das Arbeitspaket »Recycling und Rezyklat-Herstellung« und
bauen eine Toolbox zur Bewertung und Nachstabilisierung von Rezyklaten
auf. Verpackungshersteller, Recycler, Markenartikler und Kommunen
profitieren von belastbaren Kennwerten. Gefördert wird das Vorhaben vom
Bundesministerium für Forschung, Technologie und Raumfahrt BMFTR.

Gemischte Leichtverpackungsabfälle (LVP) sind eine anspruchsvolle
Rohstoffquelle. Ihre Zusammensetzung schwankt. Verunreinigungen und
Alterungszustände beeinflussen die Qualität der daraus gewonnenen
Rezyklate. Genau hier setzt das Projekt »K3I-Cycling« an.

Von gemischtem Verpackungsabfall zu belastbaren Materialqualitäten

In dem durch das BMFTR geförderten Projekt bringt das Fraunhofer LBF im
Arbeitspaket »Recycling und Rezyklat-Herstellung« und seine Kompetenz in
Werkstoffbewertung, Systemzuverlässigkeit, Digitalisierung und
Kreislauffähigkeit ein. Die Forschenden entwickeln neue Methoden, um aus
gemischten Leichtverpackungsabfällen hochwertige Kunststoffrezyklate
herzustellen. Im Mittelpunkt stehen die praktische Rezyklat-Herstellung im
Labor- und Pilotmaßstab, die Bewertung der Materialeigenschaften sowie die
Entwicklung von Additivpaketen. Dazu zählen auch biobasierte
Stabilisatoren, mit denen sich die Eigenschaften der Rezyklate gezielt
verbessern lassen.

Das Fraunhofer LBF verbindet reale Werkstoffanalytik mit Machine Learning.
Polyolefin-Rezyklate werden nach Alterungszustand und Verunreinigungen
klassifiziert und in Qualitätscluster eingeteilt. So entstehen belastbare
Materialqualitätslevel. Sie können in neue Normen und digitale
Produktpässe einfließen. Damit machen die Forschenden technische
Komplexität beherrschbar und tragen dazu bei, Kreislauffähigkeit
zuverlässig abzusichern.

Kennwerte schaffen Sicherheit für anspruchsvolle Anwendungen

Die Arbeiten liefern umfangreiche und belastbare Kennwerte für hochwertige
Kunststoffrezyklate in anspruchsvollen Produkten. Das ist wichtig für
Verpackungshersteller, Recycler und Markenartikler. Sie können Rezyklate
gezielter bewerten und für Anwendungen einsetzen, die hohe Anforderungen
an Materialqualität und Zuverlässigkeit stellen. Dazu zählen auch
Verpackungen für Lebensmittelkontakt.

Um diese Ansprüche zu erfüllen, wurde im Projekt der Artificial Neural
Twin (ANT) entwickelt. Er bildet die gesamte Sortierkette von der Sammlung
bis zum Endabnehmer des Rezyklats ab und erlaubt die gezielte Optimierung
einzelner Parameter (z.B. Reinheit, kurze Logistik, niedriger Preis) über
die gesamte Wertschöpfungskette. KI wird auch eingesetzt, um
Sortieranlagen zu schützen: Der DangerSort kann Lithium-Batterien sicher
erkennen und ausschleusen, bevor sie Brände verursachen. Industrie und
Kommunen profitieren von verlässlicheren Entscheidungsgrundlagen und
ausfallsicheren Anlagen. Sie können Recyclingquoten wirtschaftlich
erfüllen, CO₂-Emissionen messbar senken und die Versorgung mit
Sekundärrohstoffen sichern. Das stärkt eine resiliente europäische
Kreislaufwirtschaft und verbindet virtuelle Entwicklung mit realer
Validierung.

Stichworte: KI-gestütztes Kunststoffrecycling; Artificial Neural Twin;
hochwertige Kunststoffrezyklate, Sortiersystem