Lernf\u00e4hige Robotiksysteme k\u00f6nnen Recycling effizienter und nachhaltiger machen.<\/p>\n\n\n\n
Die Zukunft der Kreislaufwirtschaft liegt in intelligenter Automatisierung. Interaktiv lernende Roboter k\u00f6nnen Wertstoffe pr\u00e4ziser trennen, Gefahrenstoffe sicher entfernen und Mitarbeitende von gesundheitlich gef\u00e4hrdenden Aufgaben entlasten. So entsteht ein Recycling, das effizienter, sicherer und nachhaltiger ist.<\/em><\/p>\n\n\n\n Unser Land ist rohstoffarm, hat einen Mangel an Arbeitskr\u00e4ften und Deponieraum f\u00fcr Abf\u00e4lle unterschiedlichster Art ist rar und teuer. Mit dem Ziel einer effektiven Kreislaufwirtschaft ist es mithin w\u00fcnschenswert, Wertstoffe aus M\u00fcll herauszupicken, gef\u00e4hrliche Objekte und Gefahrstoffe zu entfernen und die bei der Sammlung oft schon gut vorgetrennten Abfallstr\u00f6me weiter in bestimmte Fraktionen zu verfeinern, die separat behandelt, bestm\u00f6glich recycelt, schadstoffarm verbrannt oder sicher deponiert werden k\u00f6nnen \u2013 eine hochrelevante Aufgabe, bei der heute noch viel menschliche Arbeitskraft zum Einsatz kommt. <\/p>\n\n\n\n Zugleich sind die Arbeitsbedingungen durch Geruchbel\u00e4stigungen, St\u00e4ube, L\u00e4rm, st\u00e4ndig zu tragende Schutzausr\u00fcstung unangenehm und wegen Schadstoffen und gef\u00e4hrlichen Objekten sogar ein gesundheitliches Risiko. Verst\u00e4rkt durch den allgemeinen Arbeitskr\u00e4ftemangel, birgt die Aufgabe ein offensichtliches Automatisierungspotenzial, das mit interaktiv lernenden Robotiksystemen innovativ gehoben werden k\u00f6nnte.<\/p>\n\n\n\n F\u00fcr die M\u00fclltrennung existieren bereits einige gut funktionierende technische L\u00f6sungen. Menschen m\u00fcssen dabei aber h\u00e4ufig immer noch mithelfen. Und selbst dann erreicht die Sortierung oft nicht das gew\u00fcnschte Ergebnis und st\u00f6\u00dft dabei auch an Kapazit\u00e4tsgrenzen, was die Qualit\u00e4t einer sauberen Abfalltrennung zus\u00e4tzlich senken kann. <\/p>\n\n\n\n Ein erfolgversprechender Automatisierungsansatz k\u00f6nnte g\u00fcnstige, handels\u00fcbliche Pick-and-Place-Roboter verwenden, die heute schon breit eingesetzt werden. Im maschinell intelligenten Zusammenspiel mit geeigneter Sensorik k\u00f6nnten sie das manuelle Herausgreifen von Objekten in den Sortieranlagen automatisieren. Aber wie bringt man einem solchen System bei, was genau zu tun ist und wie es zu tun ist? Ideal w\u00e4re es, wenn das robotische System das aus der Interaktion mit den Menschen lernen k\u00f6nnte. <\/p>\n\n\n\n Roboter und die zugeh\u00f6rigen Sensoren, sowohl f\u00fcr die Objekterkennung als auch f\u00fcr die Interaktion k\u00f6nnten dabei voneinander abgesetzt und verteilt platziert werden (siehe Abb 1). Roboter und Sensoren w\u00fcrden anhand der Bandbewegung miteinander synchronisiert betrieben werden. Durch diese r\u00e4umliche Trennung k\u00f6nnen die Mitarbeiter als menschliche Instruktoren von den Robotern r\u00e4umlich getrennt arbeiten, sodass die funktionale Sicherheit problemlos gew\u00e4hrleistet w\u00e4re.<\/p>\n\n\n\n Ohne Weiteres lie\u00dfe sich dabei auch simultanes Lernen von mehreren menschlichen Instruktoren an mehreren F\u00f6rderb\u00e4ndern gleichzeitig realisieren. Jede eingesetzte Roboterinstanz k\u00f6nnte davon sofort profitieren, zum Beispiel durch das Erkennen von Objekten und Materialien, oder dem Erlernen von vorteilhaften Bewegungen und bestimmten Griffen. <\/p>\n\n\n\n Systeme, die \u00fcber eine geeignete Sensorik, Aktuatorik und maschinelle Lernverfahren verf\u00fcgen, k\u00f6nnten eine reibungslose und intuitive Interaktion von Mensch und Roboter erm\u00f6glichen. Au\u00dferdem w\u00e4re es wichtig, dass Systeme, \u00e4hnlich wie der Mensch, aus nur wenigen Wiederholungen zielgerichtet lernen zu k\u00f6nnen. Zudem k\u00f6nnten simulative Umgebungen hilfreich sein, um interaktives Lernen virtuell und losgel\u00f6st von der Betriebsumgebung durchf\u00fchren zu k\u00f6nnen. <\/p>\n\n\n\n Die M\u00f6glichkeit vielf\u00e4ltige Sensorik einzusetzen, die weit mehr Objekteigenschaften erfassen kann, als das mit menschlichen Sinnen m\u00f6glich ist, bietet \u00fcberragende Vorteile f\u00fcr die Objekt- und Materialerkennung. Im Zuge der Interaktion mit dem Menschen entstehen ideale Voraussetzungen f\u00fcr eine signifikante qualitative und quantitative Steigerung der Sortierleistung. Geeignete Sensoren hierf\u00fcr sind vielf\u00e4ltig \u2013 von 3D-Kameras \u00fcber Radar-, R\u00f6ntgen- oder magnetische Sensoren, um nur einige exemplarisch zu nennen. <\/p>\n\n\n\n Die so erfassten Sensordaten k\u00f6nnen systematisch gespeichert und verbunden werden, um gleichzeitig wertvolle Lerndaten f\u00fcr KI-Modelle inklusive zugeh\u00f6riger Metadaten zu sammeln. Daneben k\u00f6nnen die Daten f\u00fcr eine vollst\u00e4ndige Dokumentation der Sortierung verwendet und auch zur Qualit\u00e4tssicherung genutzt werden.<\/p>\n\n\n\n Lernen durch Interaktion kann dazu beitragen, eine komplette Automatisierung graduell einzuf\u00fchren. \u00dcber Zwischenschritte einer Teilautomatisierung w\u00fcrden nach und nach h\u00f6here Autonomiegrade im Recycling erreicht werden und sukzessive mit jeder Interaktion auch die Qualit\u00e4t und Robustheit der eingesetzten KI-Modelle gest\u00e4rkt werden. So kann die maschinelle Seite der Interaktion Schritt f\u00fcr Schritt einen immer gr\u00f6\u00dferen Teil der Arbeitslast \u00fcbernehmen. <\/p>\n\n\n\n Ein auf diese Weise verbessertes Recycling k\u00f6nnte zu einem zentralen Bestandteil einer Kreislaufwirtschaft werden, insbesondere aufgrund der Verwendung multimodaler Sensorik, mit der mehr erkannt und unterschieden werden kann als dies alleine mit menschlicher Wahrnehmung m\u00f6glich ist.<\/p>\n\n\n\n Mit der Detektion verborgener oder zu demontierender Objekte k\u00f6nnte ein solches System auch als Vorstufe f\u00fcr weitere Betriebsstationen dienen, die zusammengesetzte Objekte, wie Elektronik, zerlegen und somit Fraktionen mit h\u00f6herer Wertstoffkonzentration erzeugen. Innerhalb von bereits bestehenden Anlagen, in denen klassische Methoden der M\u00fcllsortierung angewandt werden, k\u00f6nnten lernf\u00e4hige Robotiksysteme komplement\u00e4r eingesetzt werden.<\/p>\n\n\n\n Der Nutzen von lernf\u00e4higen Robotiksystemen im Recycling zeigt sich in mehrfacher Hinsicht: Zum einen k\u00f6nnen sowohl die Sortierleistung als auch die Sortierqualit\u00e4t gesteigert werden. Zum anderen k\u00f6nnen Mitarbeiter in der Sortierarbeit entlastet werden und damit Aufgaben mit h\u00f6herer Wertsch\u00f6pfung \u00fcbernehmen. Unattraktive, unangenehme oder potenziell gef\u00e4hrliche Arbeitsprozesse k\u00f6nnen rationalisiert werden. Dies sorgt unter anderem f\u00fcr eine erh\u00f6hte Sicherheit f\u00fcr Menschen im Umgang mit Gefahrstoffen und gef\u00e4hrlichen Objekten. <\/p>\n\n\n\n Dar\u00fcber hinaus gibt es bei perspektivischer Vollautomatisierung erhebliche betriebswirtschaftliche Vorteile durch g\u00fcnstigere Betriebsbedingungen, da an Menschen angepasste Sicherheitsbedingungen, wie L\u00fcftung, Arbeitsraum, Unfallschutz entfallen k\u00f6nnten.<\/p>\n\n\n\n Um die dargestellte Automatisierung von M\u00fcllsortierung mittels interaktiv lernender Robotik zu einer realen Innovation zu machen, ist unabh\u00e4ngig von den genannten Chancen, die sich durch den Einsatz ergeben, die Akzeptanz durch alle Beteiligten notwendig. Entscheidend hierf\u00fcr ist es, alle direkt involvierten Personen oder deren Interessensvertretende sowie weitere Stakeholder schon in der Entwicklungsphase einzubinden \u2013 seien es Abfallverwertungsunternehmen, Arbeitnehmervertretungen, Gewerkschaften, Berufsgenossenschaften usw.<\/p>\n\n\n\n Und selbstverst\u00e4ndlich: bei der Umsetzung muss der gesetzliche Rahmen, insbesondere Datenschutzgrundverordnung, f\u00fcr alle offensichtlich beachtet und eingehalten werden.<\/p>\n\n\n\n Prof. Dr.-Ing. habil. J\u00fcrgen Beyerer<\/a>ist seit 2004 Professor am Lehrstuhl f\u00fcr Interaktive Echtzeitsysteme an der Fakult\u00e4t Informatik des Karlsruher Instituts f\u00fcr Technologie (KIT). Er leitet seither zudem das Fraunhofer-Institut f\u00fcr Optronik, Systemtechnik und Bildauswertung IOSB. In der Plattform Lernende Systeme leitet er die Arbeitsgruppe \u201eLebensfeindliche Umgebungen“.<\/em><\/p>\n\n\n\n Die<\/em> Plattform Lernende Systeme<\/a>ist ein Netzwerk von Expertinnen und Experten zum Thema K\u00fcnstliche Intelligenz (KI). Sie b\u00fcndelt vorhandenes Fachwissen und f\u00f6rdert als unabh\u00e4ngiger Makler den interdisziplin\u00e4ren Austausch und gesellschaftlichen Dialog. Die knapp 200 Mitglieder aus Wissenschaft, Wirtschaft und Gesellschaft entwickeln in Arbeitsgruppen Positionen zu Chancen und Herausforderungen von KI und benennen Handlungsoptionen f\u00fcr ihre verantwortliche Gestaltung. Damit unterst\u00fctzen sie den Weg Deutschlands zu einem f\u00fchrenden Anbieter von vertrauensw\u00fcrdiger KI sowie den Einsatz der Schl\u00fcsseltechnologie in Wirtschaft und Gesellschaft. Die Plattform Lernende Systeme wurde 2017 vom Bundesministerium f\u00fcr Bildung und Forschung (BMBF) auf Anregung von acatech \u2013 Deutsche Akademie der Technikwissenschaften gegr\u00fcndet. Sie wird von hochrangigen VertreterInnen der beiden Institutionen geleitet und von einem Lenkungskreis gesteuert.\u00a0<\/em><\/p>\n\n\n forum Nachhaltig Wirtschaften 2025<\/a> | J\u00fcrgen Beyerer et al. (Hrsg.): KI in der Robotik.<\/em>Flexible und anpassbare Systeme durch interaktives Lernen<\/a>. Whitepaper der Plattform Lernende Systeme, M\u00fcnchen 2025.<\/em><\/p>\nHerausforderungen in der Abfalltrennung<\/h4>\n\n\n\n
Automatisierungspotenzial durch Robotik<\/h4>\n\n\n\n
Lernen durch Interaktion bedeutet hier z.B.:<\/h4>\n\n\n\n
\n
Schrittweise zur Vollautomatisierung<\/h4>\n\n\n\n
Nutzen f\u00fcr Wirtschaft und Gesellschaft<\/h4>\n\n\n\n
Akzeptanz als Schl\u00fcsselfaktor<\/h4>\n\n\n\n
\n\n\n\n
\n\n\n\nQuelle<\/h5>\r\n\n\n\n