Forschungsbericht des ersten Forschungsjahres

besuch_Bernegger
Die gute Zusammenarbeit von Forschungspartnern und Unternehmenspartnen wird in KIRAMET gelebt. (Unternehmensbesuch bei Bernegger) @KIRAMET Konsortium

 

Das KIRAMET-Konsortium ist erfreut, erste Ergebnisse aus dem Leitprojekt der Ausschreibungsschiene „KI für Recycling 2022“ mit der Community zu teilen. Im ersten Forschungsjahr wurde erfolgreich der Grundstein für die erfolgreiche Umsetzung der drei Use Cases und die Demonstration der im Rahmen des Projektes entwickelten Technologien gelegt.

 

Unsere bisherigen Erfahrungenim Bereich „KI für Recycling“ zeigen, dass es aufgrund der vielfältigen Herausforderungen noch viel zu tun gibt: 

  • KI steckt im Recyclingbereich noch in den Kinderschuhen, selbst wenn bereits vielversprechende Lösungen für die Praxis präsentiert wurden. Es prallen sehr unterschiedliche Welten und Disziplinen aufeinander. Es bedarf der Entwicklung einer gemeinsamen „Sprache“ als gemeinsame Basis und ein gegenseitiges Verständnis, was realistischerweise umgesetzt werden kann.
  • Der Digitalisierungsgrad ist in der Recyclingbranche wenig fortgeschritten. Es gibt einige wenige Ausnahmen, die allerdings zumeist Insellösungen darstellen. Eine digitale Vernetzung ist eine notwendige Basis für die volle Potentialentfaltung von KI.
  • Es sind keine oder nur wenige Daten für KI-Modelle für konkreten Anwendungsfälle vorhanden. Die vorhandenen Daten sind in der Praxis oft ungeeignet, da Objekte „Supermarktqualität“ aufweisen und in der Realität für das Training der KI-Modelle nicht anwendbar sind. Die Schaffung einer verwendbaren Datenbasis ist unabdingbar.
  • Die für die KI-Modelle notwendige Datenakquise für das Training ist sehr zeitaufwändig, ebenso die Annotierung (Labeln) der Datensätze. Zudem muss einem bewusst sein: In der Recyclingbranche ändern sich Prozesse ständig und die KI-Modelle sind mit entsprechendem Aufwand laufend anzupassen.
  • Daten befinden sich oft im Besitz bestimmter Stakeholder (z.B. Hersteller von Produkten), der Zugang für die Recyclingbranche eingeschränkt. Ein Datenaustausch entlang des Wertschöpfungskreislaufes ist notwendig, um als Recyclingbranche KI in der Praxis nutzen zu können.
  • Es gibt einen großen Gap zwischen der „Recycling-“ und der „KI-Welt“. Das bestehende Equipment der Recyclingbranche ist oft nicht kompatibel mit der theoretischen Leistungsfähigkeit der KI-Modelle. Hier braucht es sehr kreative Lösungen für die Umsetzung von Schnittstellen, die Adaptierung und die Nachrüstung.
  • Abfälle sind und bleiben extrem inhomogene Stoffe, selbst innerhalb von kontinuierlichen Abfallströmen bestehen große Unterschiede in der Qualität. Dieser Umstand erschwert die Trainings der KI-Modelle und erfordert besonders große Sorgfalt bei der Datenakquise.
  • Eine praxistaugliche Anwendung verlangt eine solide Robustheit der KI-Modelle. Sie müssen unter realen Bedingungen funktionieren. In Recyclinganlagen sind die Bedingungen oft harsch und nicht ideal (z.B. Staub, schmutzige Förderbänder, Vibration der Anlagen, schwankende Durchsätze und Bandbelegungen). Erst die Einbindung aller Faktoren zeigt die realistische Anwendbarkeit von entwickelten KI-Modellen.