Innovation für die Verpackungssortierung

Das BMBF-Forschungsvorhaben Tasteful verbindet Tracer-Based-Sorting mit Objekterkennung und Künstlicher Intelligenz (KI). Polysecure, HD Vision, KIT, Hochschule Pforzheim und Fraunhofer IGCV entwickeln den nächsten Technologieschritt beim Tracer-Based-Sorting.
Foto: Tim Reckmann; pixelio.de

Das Forschungsministerium des Bundes fördert in seinem Programm „KMU innovativ – Res- sourceneffizienz“ mittelständische Unternehmen, die mit ihren innovativen Ideen zur Umweltentlastung und Kreislaufschließung beitragen. Hierzu gehört auch die Polysecure GmbH aus Freiburg. Polysecure entwickelt fluoreszierende, anorganische Marker (im englischen Tracer genannt), die die Verpackungsverwertung revolutionieren können. Verpackungsabfälle lassen sich nach dem Stand der Technik mit Sortierverfahren unter Nutzung von Reflektionsspektroskopie im nahen Infrarot (NIR-Sorter) nur nach Kunststoffart (PP, PE, PS, PET) sortieren was einen erneuten qualitativ hochwertigen Einsatz verhindert. „Eine vollständige Kreislaufführung wird erst durch eine Differenzierung nach weiteren Kriterien, z.B. Lebensmittel-Anwendungen wie Joghurtbecher versus Nicht- Lebensmittel-Anwendungen wie Körperpflegeprodukte oder sogar nach Herstellern möglich“, so Frank Fuchs, Projektkoordinator.

„Durch unsere Tracer können Brands in Zukunft ihre eigenen Packstoffe in bekannter Qualität und Menge wieder zurück erhalten und erneut einsetzen.“ Beim Tracer-Based-Sorting erhält die Kunststoff-Verpackung durch Tracer ein zusätzliches Trennmerkmal. Hierzu werden die anorganischen Tracer-Substanzen entweder in den Packstoff eingearbeitet oder durch herkömmliche Druckverfahren auf die Verpackung oder das Etikett aufgebracht. Bei geeigneter Anregung der Tracer fluoreszieren diese richtungsunabhängig und charakteristisch. Diese optische Signatur kann selbst im Abfallstrom gut detektiert werden. Keine andere Technologie bietet derzeit ein vergleichbare Verlässlichkeit und Effizienz für die kreislaufwirtschaftliche Sortierung von Abfällen.

Ziel des Forschungsvorhabens „Tracer Based Sorting – Effizient und Flexibel“ (Tasteful) ist die weitere Erhöhung der Effizienz und Praktikabilität der TBS-Sortiertechnologie. Teilziele des Projektes sind die Verbesserung der Anregungstechnologie, die Erweiterung des Tracer- und damit Sortiercode-Portfolios sowie die Erweiterung der Sortiertechnik um Objekterkennungssysteme. Perspektivisch wird so die verlässliche Erkennung von Sortiergut durch die Kombination von Tracer-Detektion und Objekterkennung auf Basis Künstlicher Intelligenz (KI) auf das weltweit höchste und wirtschaftlichste Niveau gehoben. „Wir realisieren damit einen Innovationssprung für die Kreislaufwirtschaft, die zukünftig besser und kostengünsti- ger sortieren kann als mit den nicht ausreichenden aktuellen Sortiertechnologien“, erläutert Prof. Dr.-Ing. Jörg Woidasky von der Hochschule Pforzheim.

Polysecure verfolgt diesen Ansatz gemeinsam mit bewährten Forschungspartnern, um schnell anwendungsreife Lösungen für die Sortierung bereitzustellen. Hierzu stellt das Unternehmen HD Vision Systems aus Heidelberg optische Systeme bereit, die bisher ausschließlich für industrielle Identifikationsaufgaben der Qualitätssicherung und Robotersteuerung eingesetzt wurden. Die Bildauswertung wird durch das Fraunhofer IGCV aus Augsburg sichergestellt. Das Karlsruher Institut für Technologie (KIT) entwickelt gemeinsam mit Polysecure neue Tracer-Substanzen, und die Hochschule Pforzheim führt abfallwirtschaftliche Untersuchungen durch und unterstützt den Markteintritt der TBS-Technologie. Die Arbeitsergebnisse werden in einer Demonstrationsanlage im Technikum von Polysecure in Freiburg zusammengeführt, wo zum Abschluss des Vorhabens umfangreiche Sortierversuche zur Validierung unter Realbedingungen geplant sind. Die Arbeiten des Konsortiums begannen im Februar 2021 mit einem gemeinsamen Projekttreffen und werden voraussichtlich zwei Jahre dauern.

Kommentar schreiben

Please enter your comment!
Please enter your name here

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.