K3I-Cycling – Kreislaufschließung

Das Ziel von K3I-Cycling [sprich: kiː] ist es, das werkstoffliche Recycling von post-consumer Kunststoffverpackungsabfällen in quantitativer und qualitativer Hinsicht deutlich zu verbessern. Zu diesem Zweck entwickelt K3I-Cycling mithilfe eines sogenannten Artificial Neural Twins (ANT) eine neue, offene und standardisierbare KI-Schnittstelle, welche verteilte Prozessschritte miteinander kommunizieren lässt, und dabei sowohl die Aufgaben der Prozessüberwachung als auch der Prozessoptimierung dezentral umsetzt. Der Datenaustausch zwischen den Prozessschritten bezieht sich dabei immer nur auf die ausgetauschten Materialströme, wodurch die Hoheit über interne Daten garantiert ist. Somit wird es erstmals möglich, alle Stakeholder entlang der Wertschöpfungskette digital zu vernetzen.

Der Artificial Neural Twin (ANT) kombiniert dabei Ansätze aus der Datenfusion, der modelprädiktiven Regelung und dem Deep-Learning: Jeder Prozessschritt oder ANT-Knoten wird als ein Neuron im neuronalen Prozessnetz verstanden, und, ähnlich wie bei der aus dem Deep-Learning bekannten Backpropagation-Methode, tauschen die Neuronen Trainingsstimuli (Gradienten) aus. Im Projekt wird der technologische Ansatz an unterschiedlichen Stellen entwickelt, realisiert und erprobt. So wird beispielsweise bei einem Projektpartner die Verbindung und Regelung von zwei Anlagenkomponenten über den ANT als Machbarkeitsnachweis realisiert. Das Konzept wird zunächst an einem, in Unity simulierten, virtuellen Maschinenpark demonstriert, der aus Schüttgutprozessen in der Verpackungssortierung besteht. Nachfolgend werden die ersten ANT-Knoten bei der Firma Lobbe in Iserlohn installiert und in die Prozessüberwachung integriert. Anhand des vom ANT überwachten Prozesszustands werden automatisch dezentral Prozessoptimierungsmaßnahmen zwischen den Knoten ausgehandelt und als Handlungsempfehlungen an das Personal weitergegeben. In einer späteren Ausbaustufe sollen diese in einer vollautomatischen Prozesssteuerung münden.

Im Projekt wird zudem eine multimodale Sensorstraße in Betrieb genommen. Mittels dieser und unterschiedlichster Sensorik (Optik, NIR, Röntgentechnik, Terahertz, und Thermographie) sollen repräsentative Proben aus dem Leichtverpackungsabfall gemessen werden.

Die einzelnen Objekte werden dabei aufbereitet, gelabelt und als kompletter Datensatz der Öffentlichkeit zur Verfügung gestellt, um unter anderem Analysen des Verpackungsmaterials wie PP, PET, HDPE etc. zu ermöglichen. Dabei steht auch die Allgemeingültigkeit und Übertragbarkeit des Datensatzes im Vordergrund. Insgesamt soll die Sensorstraße im Projektverlauf ca. 100.000 Objekte analysieren. Somit wird, auch im Anschluss an das Projekt, die Forschung im Bereich der KI-Auswertung ermöglicht. Der Datensatz kann hierbei als Referenzdatensatz eingesetzt werden und schafft die Vergleichbarkeit von Methoden und Systemen. Er soll es zudem ermöglichen, neue Sortierfraktionen zu erschließen oder höhere Sortiergüten zu erzielen. Am Datensatz sowie an der Sensorstraße wirken u.a. die Fraunhofer Institute IOSB, IIS, IZFP und FHR mit.