27.08.2026
www.plasticker.de
Fraunhofer LBF: KI soll Qualität von Kunststoffrezyklaten gezielt verbessern
Im Forschungsprojekt "K3I-Cycling" entwickelt das Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF gemeinsam mit 16 Partnern KI-gestützte Methoden für die Sortierung und Aufbereitung von Post-Consumer-Kunststoffen. Das vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) geförderte Vorhaben soll insbesondere die Qualität von Rezyklaten aus gemischten Leichtverpackungsabfällen (LVP) besser bewertbar machen.
Das Fraunhofer LBF verantwortet das Arbeitspaket "Recycling und Rezyklat-Herstellung". Die Forschenden stellen Rezyklate im Labor- und Pilotmaßstab her, analysieren deren Materialeigenschaften und entwickeln Additivpakete zur Nachstabilisierung. Untersucht werden dabei auch biobasierte Stabilisatoren. Hintergrund sind die schwankende Zusammensetzung von LVP-Abfällen sowie unterschiedliche Verunreinigungs- und Alterungsgrade, die die Eigenschaften der gewonnenen Sekundärkunststoffe beeinflussen.
Für die Qualitätsbewertung verbindet das Institut Werkstoffanalytik mit Machine Learning. Polyolefin-Rezyklate werden anhand von Alterungszustand und Verunreinigungen klassifiziert und Qualitätsclustern zugeordnet. Die daraus abgeleiteten Materialqualitätslevel könnten künftig auch in Normen und digitale Produktpässe einfließen. Die ermittelten Kennwerte sollen Verpackungsherstellern, Recyclern und Markenartiklern eine gezieltere Auswahl von Rezyklaten ermöglichen, auch für Anwendungen mit hohen Anforderungen an Materialqualität und Zuverlässigkeit.
Zur Optimierung der Recyclingkette wurde im Projekt außerdem der "Artificial Neural Twin" (ANT) entwickelt. Das digitale Modell bildet die Sortierkette von der Sammlung bis zum Abnehmer des Rezyklats ab. Parameter wie Reinheit, Logistikaufwand und Kosten lassen sich damit entlang der Wertschöpfungskette untersuchen und optimieren.
Mit "DangerSort" kommt KI zudem zur Absicherung von Sortieranlagen zum Einsatz. Das System soll Lithium-Batterien im Abfallstrom erkennen und ausschleusen, bevor diese Brände verursachen können. "K3I-Cycling" verbindet damit die KI-gestützte Steuerung von Stoffströmen mit der werkstofftechnischen Bewertung und Nachstabilisierung der erzeugten Rezyklate.
Weitere News im plasticker
Das Fraunhofer LBF verantwortet das Arbeitspaket "Recycling und Rezyklat-Herstellung". Die Forschenden stellen Rezyklate im Labor- und Pilotmaßstab her, analysieren deren Materialeigenschaften und entwickeln Additivpakete zur Nachstabilisierung. Untersucht werden dabei auch biobasierte Stabilisatoren. Hintergrund sind die schwankende Zusammensetzung von LVP-Abfällen sowie unterschiedliche Verunreinigungs- und Alterungsgrade, die die Eigenschaften der gewonnenen Sekundärkunststoffe beeinflussen.
Für die Qualitätsbewertung verbindet das Institut Werkstoffanalytik mit Machine Learning. Polyolefin-Rezyklate werden anhand von Alterungszustand und Verunreinigungen klassifiziert und Qualitätsclustern zugeordnet. Die daraus abgeleiteten Materialqualitätslevel könnten künftig auch in Normen und digitale Produktpässe einfließen. Die ermittelten Kennwerte sollen Verpackungsherstellern, Recyclern und Markenartiklern eine gezieltere Auswahl von Rezyklaten ermöglichen, auch für Anwendungen mit hohen Anforderungen an Materialqualität und Zuverlässigkeit.
Zur Optimierung der Recyclingkette wurde im Projekt außerdem der "Artificial Neural Twin" (ANT) entwickelt. Das digitale Modell bildet die Sortierkette von der Sammlung bis zum Abnehmer des Rezyklats ab. Parameter wie Reinheit, Logistikaufwand und Kosten lassen sich damit entlang der Wertschöpfungskette untersuchen und optimieren.
Mit "DangerSort" kommt KI zudem zur Absicherung von Sortieranlagen zum Einsatz. Das System soll Lithium-Batterien im Abfallstrom erkennen und ausschleusen, bevor diese Brände verursachen können. "K3I-Cycling" verbindet damit die KI-gestützte Steuerung von Stoffströmen mit der werkstofftechnischen Bewertung und Nachstabilisierung der erzeugten Rezyklate.
Weitere News im plasticker