Sensorsystem für sichere Entsorgung
Intelligente Sensorik soll Brände durch Batterien und Akkus in Recyclinganlagen deutlich reduzieren.
Immer mehr Elektroprodukte werden nicht fachgerecht entsorgt, sondern landen etwa gemeinsam mit Kunststoffabfällen im gelben Sack. Sind die enthaltenen Akkus und Batterien beschädigt, können sie Brände auf Abfalldeponien verursachen. Im Projekt DangerSort möchten Forscher des Fraunhofer-Instituts für Integrierte Schaltungen IIS riskante Objekte entfernen und Recyclinganlagen damit sicherer machen – dank eines sensorbasierten Sortiersystems.
Weitere Nachrichten zum Thema
Elektrolyseure im Kreislauf
Europium aus Elektroschrott
In Deutschland kommt es laut einer Studie des BDE Bundesverbands der Deutschen Entsorgungs-, Wasser- und Kreislaufwirtschaft e.V. Jahr für Jahr zu mehr als 10.000 Bränden in Abfallsortieranlagen. Grund dafür waren in etwa achtzig Prozent der Fälle Lithium-Ionen-Batterien und Akkus: Verbaut in Smartphones, elektrischen Zahnbürsten oder singenden Grußkarten landen sie häufig gemeinsam mit Verpackungen im Kunststoffmüll. Besonders während des Recyclingprozesses in Sortieranlagen können sie beschädigt werden – und Feuer fangen. Der Schaden liegt Schätzungen zufolge jährlich bei etwa einer Milliarde Euro.
Im Projekt DangerSort möchte Johannes Leisner die Brandgefahr in Abfalldeponien eindämmen: „Wir entwickeln ein sensorbasiertes Sortiersystem, mit dem wir dank Röntgentechnologie und Künstlicher Intelligenz riskante Lithium-Ionen-Batterien und Akkus erkennen und frühzeitig vom restlichen Abfallstrom trennen“, erklärt der Leiter der Gruppe Sortier- und Laborsysteme am Entwicklungszentrum Röntgentechnik des Fraunhofer IIS. Bisher gebe es noch keine präventiven Maßnahmen gegen die batteriebedingten Brände, sondern lediglich nachgeschaltete Lösungen wie verbesserte Löschsysteme. Zudem ließen sich dank der sensorbasierten Technologie Batterien und Akkus besser recyceln – und ihr Produktkreislauf damit schließen.
Im Röntgensortiersystem am Fraunhofer IIS transportiert ein Hochgeschwindigkeitsförderband, das bis zu drei Meter pro Sekunde zurücklegt, den Abfallstrom. Über dem Förderband befindet sich eine Röntgenquelle, die wie ein Gepäckscanner am Flughafen funktioniert und den Materialstrom durchleuchtet. Dank der Röntgenstrahlen identifiziert sie auch verbaute oder von anderen Abfällen verborgene Akkus und Batterien. Ein Röntgendetektor, der unter dem Förderband angebracht ist, fertigt in der Geschwindigkeit des Förderbands Aufnahmen an. Es entsteht eine kontinuierliche Serie von Röntgenbildern.
Diese Abfolge wird anschließend ausgewertet: „Dafür setzen wir ein KI-System ein, das besonders schnell in der Bildverarbeitung ist und normalerweise beim Autonomen Fahren zum Einsatz kommt“, so Johannes Leisner. „Wir haben es so angepasst und nachtrainiert, dass es auch Röntgenbilder analysieren und gezielt Elektrogeräte mit Lithium-Ionen-Batterien und Akkus erkennen kann.“
Auf Basis der gesammelten Daten wird die Sortierung angestoßen: Spezielle Druckluftventile trennen die kritischen Elektrogeräte vom restlichen Abfallstrom, wobei eine Reihe etwa fünf Millimeter großer Luftdüsen sie vom Band entfernen und in eine separate Kammer befördern. Hier ist das richtige Timing zwischen der Auswertung des Bildes und dem Anspringen der Düsen entscheidend. „Die unterschiedlichen Akkugrößen beim Trennverfahren zu erfassen und zu isolieren, ist schwierig – vom Zehn-Kilo-E-Bike-Akku bis hin zur Knopfbatterie ist alles dabei“, so Leisner.
Das Sortiersystem befindet sich derzeit noch im Testbetrieb am Fraunhofer IIS, Anfang Juni soll die Anlage an das Abfallentsorgungsunternehmen LOBBE ausgeliefert und erstmals in der Praxis erprobt werden. Das vom Bundesministerium für Bildung und Forschung geförderte Projekt läuft noch bis Ende August dieses Jahres. Die Entwicklung des Prototypsystems ist Bestandteil des KI-Hubs Kunststoffverpackungen: In den Laboren KIOptiPack und K3I-Cycling arbeiten insgesamt 51 Partner aus Wirtschaft, Wissenschaft und Gesellschaft eng zusammen. Ziel ist es, die Anwendung von Methoden der KI für eine ressourceneffiziente Kreislaufwirtschaft im Bereich Kunststoffverpackungen in Deutschland voranzutreiben.
Fh.-Ges. / DE
