Die effektive Rückgewinnung von Holz aus Sperrmüll stellt eine bedeutende Herausforderung dar und gleichzeitig eine wertvolle Ressource für die Kreislaufwirtschaft. Jährlich fallen in Deutschland über zwei Millionen Tonnen Sperrmüll an, von denen schätzungsweise 25 Prozent aus wiederverwertbarem Holz bestehen. Trotz dieser hohen Menge erfolgt die Sortierung von Altholz in der Regel noch manuell, während andere Abfallströme, wie Altglas oder Verpackungsmaterialien, bereits weitgehend automatisiert werden. Dies führt nicht nur zu einem ineffizienten Ressourcenaustausch, sondern trägt auch zum Problem des Fachkräftemangels in der Branche bei.
In diesem Kontext wurde das innovative Projekt ASKIVIT initiiert, das unter der Leitung des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB) steht. Ziel des Projekts war die Entwicklung eines neuartigen, multimodalen Sortierverfahrens, das auf der Kombination verschiedener Sensortechnologien und künstlicher Intelligenz (KI) basiert. In umfangreichen Tests konnte das System eine beeindruckende Sortiergenauigkeit von über 95 Prozent erreichen.
Das Verfahren setzt auf eine integrative Nutzung von vier verschiedenen Sensortypen, darunter RGB-Kameras, Nahinfrarot-Hyperspektralkameras sowie Thermografie- und Terahertz-Sensoren. Letztere werden in der industriellen Abfallsortierung bislang kaum eingesetzt, jedoch bieten sie wertvolle Informationen zur Materialzusammensetzung. Da Sperrmüll aus einer Vielzahl von unterschiedlichen Materialien besteht und durch Verschmutzungen oder Alterungsprozesse eine präzise Erkennung erschwert wird, ist die Kombination dieser Technologien besonders vielversprechend.
Die Forscher des ASKIVIT-Projekts erfassten mit den verschiedenen Sensoren reale Sperrmüllproben und klassifizierten diese als Trainingsmaterial für die KI-gestützten Systeme. Die umfassenden Bilddatensätze, die sie dabei generierten, bilden eine einzigartige Datenbasis für die Klassifikation von Sperrmüll. Teile dieser Daten stehen anderen Forschenden über die Forschungsdatenplattform Fordatis der Fraunhofer-Gesellschaft sowie in einem Open-Access-Artikel in der Fachzeitschrift Nature Scientific Data zur Verfügung.
Ein besonders effektiver Ansatz, der im Rahmen der Tests verfolgt wurde, basierte auf einem „Late-Fusion“-Modell. Hierbei erfolgen die Auswertungen der einzelnen Sensoren zunächst getrennt, bevor sie am Ende in einer gemeinsamen Entscheidungsfindung zusammengeführt werden. Dieser Ansatz erwies sich als sehr erfolgreich, wobei insbesondere der Terahertz-Sensor durch seine hohe Empfindlichkeit für metallische Materialien herausstach. Die Gesamtgenauigkeit der Sortierung lag bei 95,6 Prozent.
Zusätzlich wurde das Multisensorsystem in einem Feldtest mit einer Sortiermaschine kombiniert. In dieser Maschine wird der Sperrmüll stark zerkleinert und über ein Förderband transportiert. In unmittelbarem Anschluss an die Sensorlinie wurden Druckluftdüsen installiert, die in Echtzeit durch das KI-Modell angesteuert werden, um gezielt Objekte auszusortieren. Bei einer Bandgeschwindigkeit von drei Metern pro Sekunde hatte das System nach der Bildauswertung lediglich 30 Millisekunden Zeit für eine Sortierentscheidung. Die Ergebnisse zeigten, dass trotz der hohen Geschwindigkeit eine bemerkenswerte Reinheit der sortierten Materialien erreicht wurde, wobei falsch sortierte Teile überwiegend mechanisch bedingt und nicht auf Fehler des KI-Modells zurückzuführen waren.
Die vielversprechenden Ergebnisse des Projekts verdeutlichen das Potenzial dieser Technologie, nicht nur die Effizienz der Holzsortierung erheblich zu steigern, sondern auch signifikante Kosteneinsparungen zu ermöglichen. Dr. Robin Gruna vom Fraunhofer IOSB hebt hervor, dass sich hier große Marktchancen, insbesondere im Bereich der Recyclingindustrie und zur Inline-Inspektion in der Produktion, eröffnen.
Das ASKIVIT-Projekt wird vom Bundesministerium für Landwirtschaft, Ernährung und Heimat (BMLEH) gefördert, und die Ergebnisse bieten eine vielversprechende Perspektive für die zukünftige Automatisierung der Sperrmüllsortierung. Die Integration solcher Technologien könnte entscheidend dazu beitragen, die Kreislaufwirtschaft zu stärken und den verantwortungsvollen Umgang mit Ressourcen zu fördern.
