In Recyclinganlagen wird der Abfall aus Platzgründen auf schmalen Förderbändern mit rund 80 cm Breite transportiert und dann auf bis zu 3 m breite Sortierbänder überführt. „Fällt der Abfall von einem schmalen Band auf ein breites, liegt das Material dort meistens angehäuft in der Mitte des Bandes“, erklärt Bernhard Westbrock, Geschäftsführer des Fördertechnikherstellers Westeria. Sortierstationen erzielen aber das beste Ergebnis, wenn der Müll möglichst gleichmäßig verteilt ist und die Objekte auf dem Förderband nur nebeneinander und nicht aufeinander liegen.
In den Anlagen von Westeria kam deshalb bislang eine starr montierte, rotierende Scheibe zum Einsatz, die dort angebracht ist, wo der Müll vom Zuführband herunterfällt. Eine fest eingestellte Scheibe könne aber nur für eine bestimmte Zusammensetzung des Mülls ein optimales Ergebnis liefern, wie Prof. Dr. Patrick Tichelmann, Leiter des Labors für Angewandte Künstliche Intelligenz an der TH Köln, weiß. „Ändert sich diese, muss manuell nachjustiert werden. Diesen Prozess haben wir durch eine selbstlernende Künstliche Intelligenz ersetzt.“
Verteilung durch bewegliche Scheibe optimiert
In seiner Bachelorarbeit im Studiengang Maschinenbau konnte Mario Hobsch nachweisen, dass sich die Müllverteilung deutlich optimieren lässt, wenn die Positionierung und Neigung der Scheibe anhand von sechs Parametern verändert wird. Darauf aufbauend entwickelten die Projektpartner ein mechanisches System, das diese Parameter im laufenden Betrieb anpassen kann. Wichtig war dabei, dass das System kompakt, wartungsarm und robust gegenüber unvermeidlichen Verschmutzungen ist.
Zudem installierten die Forscher ein kameragestütztes System über dem Sortierband. „Unsere Technik prüft permanent die Verteilung des Mülls auf dem Band und gibt der KI eine Rückmeldung. Diese regelt dann die Position vom Disc Spreader“, erklärt Tichelmann.
Ändert sich die Müllzusammensetzung stark, wird dies erkannt, und die Künstliche Intelligenz beginnt eine sogenannte Lernphase. „Dadurch lernt das Programm, den neuen Müll optimal zu verteilen, was die universelle Einsatzfähigkeit des Systems ermöglicht“, sagt Tichelmann. Verwendet wurde hier ein Deep-q-learning-Ansatz aus dem Bereich des maschinellen Lernens.
Ausbeute von Sortieranlagen deutlich gesteigert
Im Technikum von Westeria führten Westbrock und sein Team diverse Testreihen mit verschiedenen Müllzusammensetzungen durch. „Die neue Verteilscheibe und die Künstliche Intelligenz laufen inzwischen stabil und schaffen es, die Müllverteilung auf dem Band bei Abweichungen sehr schnell wieder in den Toleranzbereich zu bringen“, berichtet Westbrock. Laut dem Forscher können die Sortieranlagen so im Idealfall eine bis zu 30 Prozent höhere Ausbeute erreichen.
Das Forschungs- und Entwicklungsprojekt „Disc Spreader“ der TH Köln und Westeria wurde gefördert durch das Zentrale Innovationsprogramm Mittelstand (ZIM) des Bundesministeriums für Wirtschaft und Energie.
