Copyright: Fraunhofer IPA
Die Ausgangssituation: Was ist die ökologische Herausforderung?
Jährlich durchschnittlich 19,4 Kilogramm Elektroschrott verursacht jede*r Bürger*in in Deutschland (Statista 2020) – Tendenz steigend. Dazu gehören zunehmend auch intelligente, vernetzte Elektrokleingeräte für Unterhaltungs-, Reinigungs- und andere Haushaltzwecke. Sie beinhalten Li-Ionen-Akkus zur Energieversorgung, Leiterplatten, Sensorik und teilweise E-Motoren. Zur Herstellung sind Ausgangsmaterialien wie Kupfer, Polymere, Lithium und andere metallische Werkstoffe notwendig. Diese haben jedoch einen großen ökologischen Fußabdruck und gleichzeitig mangelt es an ihnen in der Industrie. Daher ist es wichtig, Elektroschrott effektiv und effizient zu recyceln. Das Recycling ist bereits jetzt sehr effektiv. Im Jahr 2020 wurden je nach Gerätekategorie Verwertungsquoten zwischen 94,2 und 99 Prozent erreicht. Deutliches Optimierungspotenzial gibt es jedoch im Bereich der Effizienz.
Die Idee: Welchen Beitrag kann KI konkret leisten?
Aktuell werden Elektrokleingeräte in sogenannten Erstbehandlungsanlagen per Hand auseinandergenommen – eine sehr ineffiziente und unangenehme Tätigkeit. Das Projekt DESIRE4ELECTRONICS soll dies automatisieren. Entwickelt wird ein Demonstrator mit intelligenter Sensorik und einer Roboterzelle, die Methoden des Maschinellen Lernens (ML) nutzt. Der Demonstrator sortiert und demontiert die Geräte und Geräteteile. Ziel ist es, sie industriell weiter zu verwerten. Lassen sich Altgeräte nicht für die Wiederverwendung vorbereiten, werden sie sortenrein recycelt. Das Projekt führt zu Beginn eine Markt- und Produktanalyse mit Fokusprodukten wie Roboterstaubsauger, Roboterrasenmäher und Smart Speaker durch. So werden nötige Daten, Elektroschrottmengen, Verbindungstechniken und Baukomponenten gesammelt. Für die automatisierte Demontage muss der Roboter die relevanten Verbindungstechniken der Geräte erkennen und räumlich lokalisieren, damit er sie lösen kann. Dazu wird eine Toolbox mit KI-basierten Erkennungsverfahren entwickelt. Der Praxisbetrieb findet an Standorten wie einer Erstbehandlungsstelle oder einem lokalen Wertstoffhof statt.
Der Ausblick: Welchen Leuchtturmcharakter hat das Projekt?
Das Marktpotenzial von DESIRE4ELECTRONICS ist groß, da die Verkaufszahlen von intelligenten Elektrokleingeräten im Haushalt stetig steigen. Das Besondere im Projekt ist der Einsatz von Machine Learning für die Automatisierung des Recyclingprozesses, um Altteile zu demontieren und für die Wiederverwendung vorzubereiten. So kann auf Neuteile größtenteils verzichtet werden. Die entwickelten Modelle sollen auch für andere Bereiche nutzbar sein. Sie lassen sich zum Beispiel auf die Montage übertragen, um dort Ausschussprodukte zu reduzieren.
