KI macht Kunststoffabfälle fit für industrietaugliche Rezyklate
In dem Projekt K3I-Cycling entwickelt das Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF gemeinsam mit 16 Partnern KI-gestützte Methoden für die Kunststoffsortierung von Post-Consumer-Kunststoffen, beispielsweise aus dem Gelben Sack.
Die Forschenden aus Darmstadt leiten das Arbeitspaket „Recycling und Rezyklat-Herstellung“ und bauen eine Toolbox zur Bewertung und Nachstabilisierung von Rezyklaten auf. Verpackungshersteller, Recycler, Markenartikler und Kommunen können von belastbaren Kennwerten profitieren.
Gemischte Leichtverpackungsabfälle (LVP) sind eine anspruchsvolle Rohstoffquelle. Ihre Zusammensetzung schwankt. Verunreinigungen und Alterungszustände beeinflussen die Qualität der daraus gewonnenen Rezyklate. Genau hier setzt das vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) geförderte Projekt K3I-Cycling an. Entwickelt werden neue Methoden, um aus gemischten Leichtverpackungsabfällen hochwertige Kunststoffrezyklate herzustellen. Im Mittelpunkt stehen die praktische Rezyklat-Herstellung im Labor- und Pilotmaßstab, die Bewertung der Materialeigenschaften sowie die Entwicklung von Additivpaketen. Dazu zählen auch biobasierte Stabilisatoren, mit denen sich die Eigenschaften der Rezyklate gezielt verbessern lassen.
Hohe Anforderungen gezielter bewerten
Das Fraunhofer LBF verbindet reale Werkstoffanalytik mit Machine Learning. Polyolefin-Rezyklate werden nach Alterungszustand und Verunreinigungen klassifiziert und in Qualitätscluster eingeteilt. So entstehen belastbare Qualitätslevel für das Material. Sie können in neue Normen und digitale Produktpässe einfließen. Damit machen die Forschenden technische Komplexität beherrschbar und tragen dazu bei, Kreislauffähigkeit zuverlässig abzusichern.
Die Arbeiten liefern umfangreiche und belastbare Kennwerte für hochwertige Kunststoffrezyklate in anspruchsvollen Produkten. Das ist wichtig für Verpackungshersteller, Recycler und Markenartikler. Sie können Rezyklate gezielter bewerten und für Anwendungen einsetzen, die hohe Anforderungen an Materialqualität und Zuverlässigkeit stellen. Dazu zählen auch Verpackungen für Lebensmittelkontakt. Um diese Ansprüche zu erfüllen, wurde im Projekt der „Artificial Neural Twin“ (ANT) entwickelt. Er bildet die gesamte Sortierkette von der Sammlung bis zum Endabnehmer des Rezyklats ab und erlaubt die gezielte Optimierung einzelner Parameter (z. B. Reinheit, kurze Logistik, niedriger Preis) über die gesamte Wertschöpfungskette. KI wird auch eingesetzt, um Sortieranlagen zu schützen: Der „DangerSort“ kann Lithium-Batterien sicher erkennen und ausschleusen, bevor sie Brände verursachen.
Industrie und Kommunen können von verlässlicheren Entscheidungsgrundlagen und ausfallsicheren Anlagen profitieren, Recyclingquoten wirtschaftlich erfüllen, CO₂-Emissionen messbar senken und die Versorgung mit Sekundärrohstoffen sichern. Das stärkt eine resiliente europäische Kreislaufwirtschaft und verbindet virtuelle Entwicklung mit realer Validierung.
(Erschienen im EU-Recycling Magazin 10/2026, Seite 15, Foto: Lobbe GmbH & Co. KG )
