Forschungsbericht des 2 Projektjahres
Einblicke in das 2. Forschungsjahr: KI für bessere Sortierung, greifbare Prototypen und der Weg zur digitalen Recyclingplattform
Im 2. Forschungsjahr wurden drei Bereiche besonders vorangetrieben: die intelligente Sortierung von Schrott („Smart Sort“), digitale Abbildungen von Prozessen als Entscheidungswerkzeug („Smart Twin“) und die Nutzung digitaler Produktpässe für eine bessere Verwertung („Smart Waste“) – alles eingebettet in eine gemeinsame, softwarebasierte Plattform - der „Intelligent Recycling Platform“ (IRP).
Smart Sort: Vom Labor- zum Tonnenmaßstab
- Ein Prototyp für die Sortierung wurde erfolgreich aufgebaut. Die Anlage erkennt Kupferhältige Shredderteile auf dem Förderband, entscheidet über das Ausschleusen und lässt sich über eine eigens aufgebaute, benutzerfreundliche Oberfläche fein einstellen – inklusive Live-Bildern, Parametern und Ventilsteuerung. Das System erreicht sehr kurze Rechenzeiten pro Bild und ist kompakt genug für unterschiedliche Anlagenkonstellationen.
- Für robuste Echtzeit-Anwendungen wurde das KI-Modell gezielt „abgespeckt“: Der Rechenaufwand sank deutlich – ein wichtiger Schritt Richtung industrielles Deployment. Die Ergebnisse wurden wissenschaftlich validiert und veröffentlicht.
- Ein neu entwickelter Ansatz zum „Pruning“ (gezieltes Ausdünnen von Modellen) sowie die Aufbereitung und Annotierung umfangreicher Bilddaten aus dem 1. Forschungsjahr festigten die Modellqualität. Zudem wurde das Modell mit Datensätzen inklusive rostigem Schrott getestet, um der realen Vielfalt des Materials gerecht zu werden.
- Unter realitätsnäheren Bedingungen mit automatischer Beschickung zeigte der Prototyp bereits sehr hohe Genauigkeiten: 92,10% der Teile wurden korrekt ausgebracht. Optimierungspotenzial liegt vor allem in der Austragung von zylindrischen oder kugelförmigen Teilen.
- Für die anstehende Demonstration im 3. Forschungsjahr wurde das Ziel für besonders hochwertigen Stahlschrott (E40+) klar definiert und die Grenzwerte für den Kupfergehalt wurden spezifiziert.
- Ein weiterer Meilenstein ist eine umfassende Schrottpartikel-Datenbank (rund 5000 Teile), die vollständig per Handheld-XRF chemisch charakterisiert und mit visuellen/morphologischen Merkmalen angereichert wurde. Damit lassen sich Zusammenhänge zwischen Aussehen und Elementgehalten untersuchen – etwa, Partikel mit besonders hohen Gehalten bestimmter Elemente visuell zu erkennen und gezielt auszusortieren.
Smart Waste: Knowledge Base und DPP für effizientes Recycling
- Für Smart Waste wurde eine Wissensbasis samt digitalem Produktpass (DPP) entworfen und als lauffähige Softwareumgebung umgesetzt. Technisch basiert die Lösung auf standardisierten DPP-Modellen der Automobilindustrie, Webservices und einer Graph-Datenbank. Als Testdatensatz dienen Designdaten eines Konzeptfahrzeugs („Steel e‑Motive“). Damit lassen sich Demontageschritte und Sortiervorschläge generieren.
Parallel laufen Vorbereitungen für die Versuchsreihen mit echten „Fahrzeugen der Zukunft“. Diese E-Fahrzeuge und Hybridfahrzeuge müssen zukünftig in den Großshreddern zerkleinert werden und im Regelfall weisen diese eine etwas andere Zusammensetzung als Verbrenner auf. Als Vorbereitung auf die Demontage-Versuchsreihen im 3. Forschungsjahr wurde ein Demontage-Kriterienkatalog erstellt.
Smart Twin: Digitale Zwillinge als Entscheidungshilfe
- Ziel des Smart Twins ist eine Modellierungs- und Optimierungsumgebung, die komplexe Recyclingprozesse als digitale Zwillinge abbildet – inklusive Handlungsempfehlungen für Prozesse mit Nichteisenmetallen wie z.B. Kupfer.
- In der Toolbox wurde ein mehrstufiger Kupferrecyclingprozess modelliert und mit Expertenwissen kalibriert und ein mehrstufiger Referenzprozess genutzt, um die Toolbox-Funktionalität zu testen.
Parallel wurden reale Schritte für die anstehenden Demonstrationsversuche vorbereitet (Zerkleinerungsversuche, XRF-Sortier-Vorversuche), um in der nächsten Projektphase Daten für die Validierung zu gewinnen.
Physischer Prozess (Physical Twin)
Ausgangspunkt ist das EoL-Produkt, das vom Sammler entgegengenommen, in der IRP registriert und gescannt wird („Sammeln der EoL-Produkte und Scan“). Anschließend wird das Produkt in Produktteile zerlegt („Disassembling in Produktteile“), und die Produktteilewerden sortiert. Gleichartige Teile werden zu einem „Bulk aus Produktteilen“ zusammengefasst. In der Phase „Aufbereiten und Sortieren“ werden mehrere Bulks gemischt in die Anlage aufgegeben („Gemischte Bulks“), dort aufbereitet und sortiert; es entstehen „Bulksaus Material-Outputfraktionen“, die abschließend der Verwertung zugeführt werden.
Digitaler Prozess – SMART-WASTE
Parallel zur physischen Sammlung wird der digitale Zwilling aufgebaut: Beim „Import Smart Waste“ entsteht aus vorhandenen Produktinformationen (z.B. einem Produktpass) das digitale Asset „Smart Waste Produkt“ (vgl. GOAL-WASTE-1). Das „Assessment“ bewertet dieKomponenten nach ökonomischen und ökologischen Gesichtspunkten und liefert eine „Ausbauliste“ sowie die „Smart Waste Produktteile“ (GOAL-WASTE-2). Die „Bulk-Optimierung“ stellt aus den Produktteilen unter Vorgabe von Zielfraktionen einen „Optimierungsvorschlagfür Bulk“ bzw. das digitale Asset „Smart Waste Bulk“ zusammen (GOAL-WASTE-3, vgl. Szenario SW-SZ3).
Digitaler Prozess – SMART-TWIN
Das „Smart Waste Bulk“ bildet die Schnittstelle zwischen den beiden Use Cases: Es ist zugleich Ergebnis von SMART-WASTE und Eingangsgröße von SMART-TWIN (vgl. Kapitel „Schnittstellen zu SMART-TWIN“). Der Smart Twin umfasst die beiden Anwendungsfälle Vorhersage (Prediction) und Optimierung (Optimization). Bei der Vorhersage der Material-Outputfraktionen werden für einen gegebenen Prozess samt Prozessparametern die zu erwartenden Output-Fraktionen berechnet und als „Materialpass“ (Zusammensetzung der Material-Outputfraktionen) ausgegeben (GOAL-TWIN-1, Szenario ST-SZ1). Bei der Prozess-Optimierung wird umgekehrt aus einer Prozessliste, Prozessparameterlisten, Prozesskosten und Materialverkaufspreisen die optimale Prozessführung – der optimale Prozess samt Prozessparametern – ermittelt (GOAL-TWIN-2, Szenario ST-SZ2).
Zusammenspiel der Ebenen
Die durchgehende Kette von der Produktregistrierung bis zur Verwertung verdeutlicht, dass jeder physische Prozessschritt ein digitales Abbild besitzt und dass digitale Empfehlungen (Ausbauliste, Bulk- und Prozessvorschläge, Materialpass) unmittelbar in den physischen Prozess zurückwirken. Die beiden Smart-Twin-Anwendungsfälle sind in der Abbildung als „Variante 1“ (Vorhersage der Material-Outputfraktionen, GOAL-TWIN-1) und „Variante 2“ (Vorschlag des Prozesses, GOAL-TWIN-2) bezeichnet.
Die vernetzende Plattform - Unsere Intelligent Recycling Platform (IRP)
- Der IRP-Hub ist nun als „Drehscheibe“ verfügbar und verknüpft die verschiedenen Anwendungen (z. B. Smart Sort, Smart Twin). Ein zentrales Ziel ist, Daten aus Smart Waste z.B. nahtlos in Smart Twin zu nutzen.
- Für die prototypische Bereitstellung der IRP setzen wir auf eine abgesicherte Infrastruktur und eine flexibel modulare Architektur, die nach Evaluierung ausgewählt wurde, um Erreichbarkeit, Sicherheit und die Integration der Use Cases bestmöglich zu unterstützen.
- In der Visualisierung wurde die 3D-Simulation weiter verfeinert, insbesondere bei der Demontage, um realistische Prozessschritte und Zeitabläufe abbilden zu können – die Grundlage, um alternative Szenarien durchzuspielen und hinsichtlich Ressourceneffizienz zu bewertet
Die Abbildung „Digitaler Zwilling der Intelligenten Recycling-Plattform in der Materialflusssimulation“ zeigt einen Screenshot, des Simulationsmodells der Intelligenten Recycling-Plattform, das im Rahmen von KIRAMET in der Software Visual Components aufgebaut wird. Ziel ist es, die Recyclingprozesse mit einer Materialfluss- und Anlagensimulation zu verknüpfen und damit als digitalen Zwilling erlebbar zu machen.
Im Modell sind zwei Altfahrzeuge als Datensätze abgebildet — mit 267 beziehungsweise 268 Einzelteilen, die jeweils Werkstoff- und Bauteilinformationen tragen. Über die Steuerungselemente links lassen sich Hauptabfallströme, untergeordnete Abfallfraktionen und die hinterlegten Randbedingungen ein- und ausblenden sowie Sammelbehälter anfordern. Rechts sind die chemischen Zusammensetzungsgrenzen der Zielwerkstoffe aufgelistet, beispielsweise maximale Anteile an Kupfer, Silizium oder Mangan. Diese Grenzwerte entscheiden darüber, welche Bauteile gemeinsam in eine Fraktion sortiert werden dürfen, damit die daraus erzeugten Sekundärrohstoffe die geforderten Legierungsspezifikationen einhalten.
Nachhaltigkeit und Bewertung
- Ein umfassender Evaluierungsplan liegt mittlerweile vor. Ziel ist die holistische Bewertung unserer entwickelten KI-Lösungen in Bezug auf Umwelt, Effizienz und Umsetzbarkeit.
- Besonders herausfordernd ist die ökologische Bewertung realitätsnaher Veränderungen durch die bessere Schrottqualitäten. Mittlerweile wurden jedoch bereits eine gute Bewertungsmethode und ein solide Datengrundlagen aufgebaut.
Gegenüberstellung der beiden Szenarien (Gaphik)
Im Ausgangsszenario ohne KI-gestützte Sortierung wird beim händischen Sortieren ein geringerer Kupferanteil ausgeschleust. Die Stahlschrott-Fraktion E40 weist dadurch einen höheren Kupfergehalt auf, was im nachgelagerten Stahlrecyclingprozess zu Qualitätseinbußen führt. Anders formuliert: Um die gleiche Qualität von Stahl A zu erreichen, muss in größerem Umfang hochwertiges Primär- bzw. Zusatzmaterial beigemengt werden – beispielsweise HBI (Hot Briquetted Iron).
Gelingt es hingegen, durch den Einsatz von KI den Kupferanteil in der Schrottfraktion zu senken, reduziert sich der Bedarf an ökologisch belastenderem HBI entsprechend. Hinzu kommt, dass ein größerer Anteil des Kupfers als Wertstoff zurückgewonnen werden kann. Gleichzeitig ist jedoch mit einer Verringerung der Menge des recycelbaren Stahlschrotts zu rechnen.
Das Zusammenspiel dieser gegenläufigen Effekte wird derzeit im Rahmen der ökologischen Bewertung quantifiziert.
Dissemination
- Die Aktivitäten zur Projektdissemination wurden in diesem Projektjahr deutlich verstärkt und sind unter „Publikationen“ ersichtlich.
- Publikationen aus 2024
- Publikationen aus 2025
Ausblick
- Mit den Aktivitäten im 2. Forschungsjahr wurden sämtliche Voraussetzungen für die Demonstration von Smart Sort, Smart Twin und Smart Waste wie geplant umzusetzen und wir freuen uns schon auf viele großtechnische Versuchsreihen, die die Brücke von der Forschung in die industrielle Praxis weiter schlagen.
- Erste Publikationen aus 2026 liegen bereits vor.