Automatisierte Identifikation gebrauchter Produkte

Am Ende einer Nutzungsphase existieren für ein Produkt verschiedene Entsorgungs- oder Aufbereitungsstrategien. Abhängig von Art und Zustand können Produkte beispielsweise dem Recycling oder der Aufbereitung und erneuten Nutzung zugeführt werden. Dafür müssen diese eindeutig identifiziert und bewertet werden. Die Herausforderung dabei ist, dass viele Produktmodelle sich nur geringfügig voneinander unterscheiden und aufgrund von Verschmutzung und Verschleiß schwer zu identifizieren sind. Im Rahmen des Projekts »EIBA: Sensorische Erfassung, automatisierte Identifikation und Bewertung von Altteilen anhand von Produktdaten sowie Informationen über bisherige Lieferungen« wird eine Maschine entwickelt, die mithilfe von KI-Methoden die Fehlerquote bei der Identifikation von Produkten reduzieren soll.

Damit wird ein wichtiger Beitrag zur Kreislaufschließung durch digitale Technologien geleistet. Durch den Einsatz von Maschinellem Lernen und Deep Learning soll die Maschine in der Lage sein, Produkte zu sehen, erkennen und mit weiteren verfügbaren Informationen zu vergleichen. Durch die kontinuierliche Erweiterung der Daten soll sie zudem in der Lage sein, neue Produkte anzulernen und sich somit an neue Anforderungen anzupassen. Der Mensch soll dabei nicht durch die Maschine ersetzt, sondern durch diese unterstützt werden. Die Innovation des Projekts besteht unter anderem darin, eine Zusammenarbeit zwischen Mensch und Maschine zu ermöglichen, um die Vorteile von beiden zu potenzieren sowie die Hindernisse und Schwierigkeiten in der Sortierung und Befundung zu überwinden. Das daraus resultierende System wird nach Aspekten der Nachhaltigkeit analysiert: Was hat sich für den Menschen geändert? Welche zusätzlichen Umweltlasten entstehen zunächst durch den Einsatz von Maschinen und wie groß sind die durch eine Effizienzsteigerung gewonnenen Umweltentlastungen?

Im Projekt EIBA arbeiten Ingenieure unterschiedlicher Fachrichtungen zusammen. Das Fraunhofer IPK fokussiert die bildunterstützte Erkennung von Produkten. Dabei liegt der Schwerpunkt auf der Balance zwischen der Genauigkeit und den einzuhaltenden Kosten. Weitere vorhandene Informationen über die Produkte und deren Mehrwert für die Identifikation werden von der TU Berlin analysiert und in eine gemeinsame Datenbasis überführt. Die C-ECO bündelt die gewonnenen Erkenntnisse und setzt diese in einem industrietauglichen Prozess um. Die Auswirkungen des Systems auf Nachhaltigkeitsaspekte werden durch die TU Berlin quantifiziert. Die Deutsche Akademie der Technikwissenschaften macht die Projektergebnisse auch für andere Industriebereiche sichtbar, indem deren Anforderungen bereits am Anfang des Projektes erfragt und die Ergebnisse am Ende gemeinsam diskutiert werden.