Recycling KI macht Kunststoffabfälle fit für industrietaugliche Rezyklate

Von Fraunhofer LBF 2 min Lesedauer

Anbieter zum Thema

In dem Projekt „K3I-Cycling“ haben Forscher des Fraunhofer LBF gemeinsam mit 16 Partnern KI-gestützte Methoden für die Kunststoffsortierung von Post-Consumer-Kunststoffen  entwickelt, beispielsweise aus dem Gelben Sack. Im Fokus stehen die praktische Herstellung und Bewertung von Rezyklaten im Labor- und Pilotmaßstab sowie die Entwicklung von Additivpaketen.

Im Projekt K3I-Cycling entwickeln die Projektbeteiligten neue Methoden, um aus gemischten Leichtverpackungsabfällen hochwertige Kunststoffrezyklate zu gewinnen.(Bild:  Kay Herschelmann)
Im Projekt K3I-Cycling entwickeln die Projektbeteiligten neue Methoden, um aus gemischten Leichtverpackungsabfällen hochwertige Kunststoffrezyklate zu gewinnen.
(Bild: Kay Herschelmann)

Gemischte Leichtverpackungsabfälle (LVP) sind eine anspruchsvolle Rohstoffquelle, denn ihre Zusammensetzung schwankt. Verunreinigungen und Alterungszustände beeinflussen die Qualität der daraus gewonnenen Rezyklate. Genau hier setzt das Projekt „K3I-Cycling“ an. In dem durch das BMFTR geförderten Projekt bringt das Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit 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.
Hierfür verbindet das Fraunhofer LBF 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.

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.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung