Holz macht rund ein Viertel der jährlich in Deutschland anfallenden, mehr als zwei Millionen Tonnen Sperrmüll aus und stellt damit einen wichtigen Rohstoff für das Recycling dar. Während viele andere Abfallströme bereits automatisiert sortiert werden, erfolgt die Trennung von Altholz aus Sperrmüll bislang überwiegend manuell.

Im Forschungsprojekt ASKIVIT entwickelte ein Verbund unter Leitung des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB) deshalb ein Verfahren, das Holz mithilfe Künstlicher Intelligenz und moderner Sensorik automatisch erkennt und aussortiert. Ziel ist es, die Rückgewinnung verwertbarer Holzfraktionen zu verbessern und die Kreislaufwirtschaft zu stärken.

Vier Sensortechnologien kombiniert

Das entwickelte System kombiniert die Daten einer RGB-Kamera, einer Nahinfrarot-Hyperspektralkamera sowie Thermografie- und Terahertz-Sensoren. Die verschiedenen Sensordaten werden mithilfe von KI ausgewertet und zu einer gemeinsamen Klassifizierung zusammengeführt. Dieser multimodale Ansatz soll auch unter schwierigen Bedingungen zuverlässige Ergebnisse ermöglichen, etwa bei verschmutzten, beschädigten oder teilweise verdeckten Sperrmüllteilen.

Die besten Ergebnisse erzielte ein sogenannter Late-Fusion-Ansatz, bei dem die einzelnen Sensordaten zunächst getrennt analysiert und erst anschließend zu einer gemeinsamen Entscheidung zusammengeführt werden. Dabei erreichte das System eine Sortiergenauigkeit von 95,6 %. Insbesondere die Terahertz-Sensorik erwies sich als hilfreich bei der Erkennung metallhaltiger Materialien.

Praxistest an einer Sortieranlage

In einem Feldtest integrierten die Forschenden das Multisensorsystem teilweise in eine Sortieranlage. Das zerkleinerte Material wurde auf einem Förderband erfasst und mithilfe von Druckluftdüsen automatisch ausgeschleust. Bei einer Bandgeschwindigkeit von drei Metern pro Sekunde standen dem KI-System nach der Bilderfassung rund 30 Millisekunden für die Sortierentscheidung zur Verfügung.

Laut Forschungsteam erreichte das System bereits eine hohe Sortierreinheit. Fehlklassifizierungen waren überwiegend auf mechanische Einflüsse während des Ausschleusens und nicht auf Fehler der KI zurückzuführen.

Potenzial für Recycling und Produktion

Den Forschenden zufolge könnte das Verfahren die manuelle Sperrmüllsortierung künftig sowohl hinsichtlich der Geschwindigkeit als auch der Präzision übertreffen.

„Die Technologie steigert die Effizienz und spart Kosten, wir sehen große Marktchancen etwa in der Recyclingindustrie oder zur Inline-Inspektion in der Produktion“, so Dr. Robin Gruna vom Fraunhofer IOSB.