Bisher wird künstliche Intelligenz (KI) vor allem zur Sortierung von Haushaltsabfällen genutzt. Jetzt gaben der Recycler SWEEEP Kuusakoski und das Technologieunternehmen Recycleye die erste erfolgreiche kommerzielle KI-Anwendung bei der Erkennung und Sortierung von zerkleinerten Elektro- und Elektronik-Altgeräten (WEEE) bekannt.
Die beiden britischen Unternehmen haben gemeinsam ein optisches Sortiersystem mit KI und maschinellem Lernen verknüpft, um die Trennung von E-Schrott und Metallen zu automatisieren. Die KI identifiziere Objekte anhand einer Reihe visueller Merkmale und nicht durch rein farb- und lichtbasierte Sensoren, berichtet Recycleye.
Das ermögliche die Identifikation von edelmetallhaltigen Leiterplatten im Vergleich zu anderen Metall- und Kunststoffteilen, selbst bei Zerlegung in kleine Teilstücke. Dies habe bislang eine Schwierigkeit für optische Sortiergeräte dargestellt.
Außerdem habe die KI das Potenzial, Batterien zu erkennen und auswerfen zu lassen. Bisher seien diese oft manuell aussortiert worden, weil sie mit NIR-Sensoren schwierig zu erkennen seien. „Diese Innovation wird nicht nur den Wert unseres Endmaterials erhöhen, sondern auch unsere Mitarbeiter und Anlagen schützen, da die KI-Vision rund um die Uhr arbeitet, um Batterien zu erkennen“, sagte Barry Walker, Geschäftsführer bei SWEEEP Kuusakoski.
Das KI-gesteuerte Sortiersystem von Recycleye wurde am SWEEEP-Standort in Sittingbourne am Ende der Anlage installiert. Es trenne nun effizient höherwertige Materialien wie Kupfer, Leiterplatten, Kabel und Messing von Stoffen mit geringerem Wert wie Aluminium, Stahl, Kunststoff und Batterien. Walker zeigte sich zuversichtlich, dass sein Unternehmen durch die verbesserte Reinheit der Materialströme die Menge an Rohstoffen weiter steigern könne, die in die Kreislaufwirtschaft zurückgeführt würden.
Matthias Golomb, Technical Sales Manager (Deutschland) bei Recycleye, spricht von einem „Meilenstein“: Die erfolgreiche Anwendung im Bereich der Elektro- und Elektronikaltgeräte zeige, „dass die KI-gestützte Sortierautomatisierung aufgrund der Flexibilität, maschinelle Lernmodelle an verschiedene Materialströme anzupassen, für immer mehr Materialkategorien eingesetzt werden kann“.
