Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB 
Kreislaufführung von Kunststoffverpackungen
Im Rahmen der BMBF-Fördermaßnahme »KI-Anwendungshub Kunststoffverpackungen – nachhaltige Kreislaufwirtschaft durch Künstliche Intelligenz« werden Methoden der Künstlichen Intelligenz (KI) dazu genutzt, die Nachhaltigkeit von Kunststoffverpackungen zu verbessern – entlang der gesamten Wertschöpfungskette vom Verpackungsdesign bis zum erneuten Eintreten in den Kreislauf. Das Projekt K3I-Cycling fokussiert speziell darauf, die mithilfe von KI die Kreislaufführung zu steigern, damit mehr Rezyklate als Sekundärrohstoff wiederverwendet werden.
Digitaler Produktpass für Leichtverpackungen
Ziel von K3I-Cycling ist die quantitative und qualitative Verbesserung des werkstofflichen Recyclings von Post-Consumer Kunststoffverpackungsabfällen. Zu diesem Zweck entwickelt K3I-Cycling mittels eines Artificial Neural Twin eine neue, offene und standardisierbare KI-Schnittstelle zur sektorübergreifenden Sammlung relevanter Informationen im Sinne eines Leichtverpackungs-Produktpasses. Dadurch wird erstmals die digitale Vernetzung aller Stakeholder entlang der Wertschöpfungskette ermöglicht.
Unser Beitrag
Das Fraunhofer IOSB erforscht Verfahren des Hyperspectral Imaging (HSI) für die sensorgestützte Sortierung von Kunststoffverpackungen. Hierzu werden neben bereits heute für die Kunststoffsortierung eingesetzten Hyperspektralkameras im kurzwelligen Infrarotbereich ebenfalls Sensoren im sichtbaren bis nahen Infrarotbereich sowie mittleren Infrarotbereich für die verschiedenen Sortierfragestellungen untersucht.
Ein Fokus liegt auf der KI-gestützten, problemspezifischen Wellenlängenselektion. Für konkrete Sortieraufgaben (Entfernung von Störstoffen, Sortierung von Kunststoffarten etc.) werden somit effiziente und wirtschaftlich attraktive Lösungen identifiziert. Für die Auswertung der Spektraldaten werden ebenfalls neuste Verfahren des maschinellen Lernens eingesetzt und für den Einsatzzweck optimiert. Hierbei spielt insbesondere die Sicherstellung kurzer Inferenzzeiten eine tragende Rolle, da dies für die Einhaltung der in der sensorgestützten Sortierung vorherrschenden Echtzeitbedingung notwendig ist.
Ein weiterer Schwerpunkt des Teilprojekts liegt in der Erforschung von Ansätzen zur Modellübertragung. Ziel ist es hierbei, Verfahren zu entwickeln, welche den Einsatz zuvor gelernter Klassifikations- und Regressionsmodelle auch unter geänderten Randbedingungen (anderer Kameratyp, Änderung in der Beleuchtung etc.) ermöglichen.
