Recycleye: Roboter und Bilderkennung unterstützen bei der Müllsortierung

Der Gang zur Mülltonne ist meistens das Ende unserer „Beziehung“ zum Müll. Was damit weiter passiert liegt nun in der Verantwortung von anderen und ist - wenn der Müll nicht ordnungsgemäß entsorgt wurde - auch deren Problem.

Autor Mark Newton:

Übersetzung Sarah-Indra Jungblut, 06.06.22

Die Mülltrennung ist für die Entwicklung eines funktionierenden und effizienten Recyclingsystems und die Minimierung der Belastung unserer Umwelt von entscheidender Bedeutung. Wird der Müll ordentlich getrennt, lässt sich das Material wiederverwenden und der Druck auf die Mülldeponien verringert sich. Das ist nicht nur besser für die Umwelt, sondern auch die Wirtschaft kann davon profitieren, wenn Müll als wertvolle Ressource betrachtet wird.

Idealerweise sollte die Mülltrennung bei den Verbraucher*innen ansetzen, aber es ist leider eine Tatsache, dass sich vielen Menschen der Sinn der Mülltrennung noch nicht erschlossen hat. In den USA beispielsweise sind 25 Prozent des Mülls, der im Recycling landet, sogenannte „Schadstoffe“ -also etwas, das nicht recycelt werden kann-, während 75 Prozent des recycelbaren Kunststoffs auf der Mülldeponie landet. Die Trennung dieses Mülls ist oft eine zeitraubende, gefährliche und teure Arbeit.

Recycleye, ein Startup aus London, hat eine neue Mülltrennungs-Technologie entwickelt, die sehr unterschiedliche Müllarten genau identifizieren und sogar automatisch trennen kann.

Recycleye Vision ist ein fortschrittlicher Computer mit Kamera und Bilderkennungssoftware, der über einem Förderband in einer Wertstoffrückgewinnungsanlage positioniert werden kann. Von hier aus scannt er jedes einzelne Abfallstück über 100 Mal. Anhand einer umfangreichen Datenbank mit Referenzbildern kann die Kamera jedes Abfallstück anhand seines Materials, seiner Farbe und seiner Form identifizieren und feststellen, ob es sich um Lebensmittel oder Verpackungsmaterial besteht. Recycleye ist sogar in der Lage, zwischen verschiedenen Marken zu unterscheiden.

Der intelligente Computer kann problemlos in eine bereits bestehende Infrastruktur eingebaut werden, ist aber auch für die Kombination mit dem maßgeschneiderten Roboterarm von Recycleye konzipiert. Nach Angaben von Recycleye kann der Arm mit seinen sechs Bewegungsachsen in einer einzigen 10-Stunden-Schicht rund 33.000 Gegenstände aufnehmen.

All diese Technologien werden von WasteNet unterstützt, einem umfangreichen Archiv, das von Recycleye und kooperierenden Universitäten entwickelt wurde. WasteNet besteht aus über 3 Millionen Referenzbildern und liefert den Algorithmen des maschinellen Lernens die Daten, auf deren Basis sie trainiert werden. Darüber hinaus dient WasteNet auch als Grundlage für akademische Forschungsarbeiten und Diskussionen über die Zukunft der Abfallwirtschaft, zum Beispiel über die Entwicklung vollautomatischer Recycling-Mikrofabriken.

Mit Hilfe der Recycleye-Tools könnte eine Anlage zur Materialrückgewinnung theoretisch vollständig automatisiert werden. Das könnte Betriebskosten in Millionenhöhe einsparen und außerdem die Abfalltrennung sicherer machen. Derzeit ist die Mülltrennung eine gefährliche Arbeit, selbst in Ländern des globalen Nordens. Die Maschinen werden regelmäßig durch Abfälle wie Plastiktüten verstopft, so dass die Arbeitenden in gefährliche Mechanismen eingreifen müssen. Recycling-Förderbänder sind nicht nur generell unhygienisch, sondern können auch Glasscherben, Spritzen und Metallschrott enthalten. Um wirklich effektiv zu sein, müssen automatisierte Systeme jedoch nicht nur schnell und effizient sein, sondern auch zuverlässig. Eines der Hauptprobleme der Recyclingzentren sind die regelmäßigen Ausfälle der Anlagen, die zum Stillstand und Geldverlusten führen.

Die Automatisierung von Arbeitsplätzen ist in der Regel keine gute Nachricht für die Arbeitenden, die diese Tätigkeiten bisher ausgeübt haben. Denn wenn Unternehmen von finanziellen Einsparungen durch die Automatisierung sprechen, meinen sie immer eine Reduzierung der Lohnkosten. Allerdings: Obwohl die Entwicklung der Automatisierung wahrscheinlich zu kurzfristigen Arbeitsplatzverlusten führen wird, gibt es Hinweise darauf, dass die Verfeinerung des Recyclingsektors tatsächlich neue Arbeitsplätze schaffen könnte.

Wenn Abfallprodukte zu einer günstigen und zuverlässigen Materialquelle werden, könnte dies völlig neue Industrien anregen und einen großen Beitrag zu bereits bestehenden Industrien leisten. Eine Studie des Tellus-Instituts in Zusammenarbeit mit Sound Resource Management ergab, dass durch verbesserte Recyclingprogramme bis 2030 bis zu 2,3 Millionen Arbeitsplätze geschaffen werden könnten, das sind etwa 2,7 Mal mehr Arbeitsplätze als 2008 in der Branche existierten.

ARC: Luftblasen und KI-Roboter befreien verschmutzte Flüsse von Plastik

Eine von Student*innen geleitete Initiative in Zürich will die Plastikverschmutzung in Flüssen mit einem Roboterschiff bekämpfen, das Abfälle sammeln, sortieren und analysieren kann.

InNoPlastic: Mit Apps, Automatisierung und Archimedes gegen Plastik im Meer

Angesichts der zunehmenden Plastikverschmutzung der Meere sind innovative Lösungen aus allen Bereichen gefragt.

Drahtlose AI-Sensoren können frühzeitig vor Waldbränden warnen

Wenn Waldbrände frühzeitig erkannt werden, sind sie viel leichter zu bekämpfen. Vernetzte KI-Sensoren verschaffen der Feuerwehr einen Vorsprung.

Virtuelle Kraftwerke: Stromerzeuger*innen und -verbraucher*innen werden zu Energiegemeinschaften

Mithilfe Virtueller Kraftwerke (VPP) entstehen neue, dezentrale Energiegemeinschaften, die mit 100 Prozent Erneuerbaren Energien die Energiewende vorantreiben.

KI-Technologie führt zu Durchbruch in der Entwicklung plastikfressender Enzyme

Könnten speziell entwickelte Enzyme schon bald zum Abbau unserer Plastikmüllberge eingesetzt werden?

Für mehr Transparenz und gegen gelernte Vorurteile – neues Open-Source-Sprachmodell

Bisher lag die Entwicklung KI-basierter Technologien zum Erkennen von Text und Sprache in der Hand großer Technologieunternehmen. Mit BLOOM soll das transparenter gestaltet werden.

EIBA
EIBA – Eine KI unterstützt bei der Kreislaufwirtschaft

Im Projekt EIBA wird eine KI entwickelt, die Altteile identifiziert und so dabei hilft, Produkte wiederzuverwerten.

Neue KI- und Bilderkennungssoftware kann erkennen, wie sich Tiere fühlen

Maschinelles Lernen kann riesige Datenmengen in kürzester Zeit analysieren – und ist damit zu einem unverzichtbaren Werkzeugen für die Naturschutzforschung geworden.