K3I-Cycling

Das Gesamtziel des Innovationslabors 2 ist es, werkstoffliches Recycling von Post-Consumer Kunststoffverpackungsabfällen sowohl quantitativ als auch qualitativ signifikant zu verbessern und dadurch einen nachhaltigen Einsatz von Kunststoffen sowohl im industriellen als auch im privaten Alltag zu ermöglichen. Damit einher geht es, eine Akzeptanzsteigerung von Produkten aus Rezyk-laten bei Herstellern und Verbrauchern anzustreben. Um dieses Ziel zu erreichen, werden die zwei folgenden wesentlichen Punkte im Innovationslabor thematisiert: Durch die Schaffung und Bereit-stellung einer neuen, offenen und standardisierbaren künstlichen Intelligenz (KI)-Schnittstelle zur sektorübergreifenden Sammlung relevanter Informationen im Sinne eines Leichtverpackungs (LVP)-Produktpasses, wird erstmals die digitale Vernetzung aller Stakeholder entlang der LVP-Wertschöpfungskette ermöglicht. Aufbauend auf den gesammelten Daten und durch die Anwen-dung von Methoden der KI wird dann die Optimierung des gesamten LVP-Kreislaufes thematisiert. Hierbei spielt sowohl die KI-basierte Optimierung der Prozesse in den einzelnen Sektoren (Logis-tik, Sortierung, Aufbereitung, Regranulierung/Rezyklierung, etc.) eine Rolle, als auch die KI-ba-sierte übergreifende Optimierung der gesamten Wertschöpfungskette. Realisiert wird der Ansatz durch die Etablierung eines Artifical Neural Twins (ANT). Hierbei handelt es sich um eine vollstän-dig differenzierbare digitale Abbildung, die die Fähigkeit besitzt, die Einzelkomponenten und damit das Gesamtsystem, auf ein globales Gütemaß optimal einzustellen, wobei lokale Bedingungen be-achtet werden. Um die geplanten Arbeiten im industriellen Maßstab entwickeln zu können, werden die beschriebenen Punkte unter Nutzung einer im realen Einsatz befindlichen LVP-Sortieranlage entwickelt und optimiert. Somit ist eine direkte Umsetzung garantiert, was gleichzeitig eine Stärke und Besonderheit dieses Vorhabens darstellt.

Ziel des Innovationslabor 2 ist die Definition, Entwicklung und Verwendung einer allgemeingültigen KI-Datenschnittstelle, welche jede Komponente innerhalb des Gesamtsystems erfüllen muss. Hier-durch wird erstmals ermöglicht, die Wertschöpfungskette als einen Artifical Neural Twin (ANT) ab-zubilden, dessen einzelne Schichten den jeweiligen Sektoren entsprechen (vgl. Abbildung 1). Grundlage für die Optimierung der einzelnen Schichten, aber auch des Gesamtsystems, ist sowohl die sektorspezifische als auch die sektorübergreifende digitale Erfassung des Materialflusses so-wie seiner Eigenschaften. Hierfür werden neue Wege hinsichtlich der sensorischen Erfassung von Informationen aller Art gegangen. Durch die Bestimmung eines globalen Gütemaßes kann das neuronale Netz optimiert werden. Die KI-Schnittstelle ermöglicht, dass für die einzelnen Schichten weitere lokale, für die einzelnen Sektoren spezifische Gütemaße respektiert und berücksichtigt werden können. Weiterhin erlaubt die KI-Schnittstelle die Abweichung vom globalen Gütemaß durch die einzelnen Schichten (Sektoren) zurückzupropagieren. Somit kann der Einfluss einzelner

Komponenten entlang der Wertschöpfungskette dargestellt und kritische Elemente identifiziert wer-den. Dies ermöglicht es zudem, Korrelationen entlang der Wertschöpfungskette auswertbar zu ma-chen und insbesondere die Parameter der einzelnen Sektoren (Lebenszyklusphasen) anhand der rückpropagierten Abweichung so anzupassen, dass die Abweichung zum globalen Gütemaß mini-miert wird. Eine direkte Konsequenz aus einem solchen Aufbau ist, dass sich beim Auftreten einer Änderung an der Wertschöpfungskette, sei es Verschleiß oder der Tausch einer Komponente, das Gesamtsystem automatisch wieder optimal einstellt (solange die neuen Komponenten die KI-Schnittstelle implementieren). Da eine Optimierung der gesamten Wertschöpfungskette einer loka-len Optimierung einzelner Sektoren entgegenwirken kann, soll der ANT auch als Analysetool für Gesellschaft und Politik dienen. Auf diese Weise wird erstmals auch ein politisches Momentum ge-schaffen, um bspw. Engstellen in der Kreislaufführung zu identifizieren und eine objektive Erfas-sung von Nachhaltigkeit zu ermöglichen. Darauf aufbauend können dann Mechanismen entwickelt und etabliert werden (bspw. ähnlich zu CO2 Dividenden), die wirtschaftliche Nachteile in einzelnen Sektoren ausgleichen, während die Wertschöpfungskette als Ganzes optimiert wird.