Recyclebot
Projektergebnisse
Projektüberblick
RecycleBot zeigt, wie intelligente Robotik, moderne Sensorik und KI-basierte Analyseverfahren die Sortierung von Leichtverpackungen nachhaltig verbessern können. Ein zentrales Ergebnis des Projektüberblicks ist das Herausarbeiten des aktuellen State of the Art in der Abfallsortierung, insbesondere für Post-Consumer-Kunststoffe und das Sammelsystems gelber Sack / gelbe Tonne in Deutschland. Durch die systematische Analyse bestehender Technologien, Verfahren und Forschungsergebnisse wird deutlich, wo heutige Systeme an ihre Grenzen stoßen: Etwa bei der Erkennung komplexer Verbundstoffe, der Sortierung von Bio- und Recyclingkunststoffen oder der sicheren Trennung von Fremdstoffen, wie Fehlwürfen. Diese Erkenntnisse bilden die Ausgangsbasis für die Innovationen, die RecycleBot entwickelt.
Der Projektüberblick macht deutlich, dass durch das Zusammenspiel aus Materialwissenschaft, multisensorischer Datenerfassung, Deep-Learning-Algorithmen und kollaborativer Robotik entscheidende Fortschritte in Sortierqualität, Prozesssicherheit und Ressourceneffizienz erzielt werden können.
Zentrale Erkenntnisse umfassen:
-
Materialverständnis der Zukunft: Die detaillierte Analyse aktueller und künftiger Materialströme, von PVC über Verbundstoffe bis zu Bio- und Recyclingkunststoffen, zeigt die spezifischen Anforderungen, die moderne Sortiersysteme künftig bewältigen müssen.
-
Verbesserte KI-gestützte Erkennung: Multisensorische Systeme und neu entwickelte Deep-Learning-Methoden ermöglichen eine zuverlässige Identifikation komplexer Materialien und steigern die Sortiergenauigkeit deutlich.
-
Robotergestützte Sortierprozesse: Kollaborative Robotik bietet großes Potenzial zur Automatisierung monotoner oder körperlich belastender Tätigkeiten und verbessert gleichzeitig die Prozessqualität.
-
Menschzentrierte Systemgestaltung: Neue Visualisierungs- und Interaktionskonzepte sorgen für eine intuitive, sichere und transparente Überwachung KI-basierter Sortiersysteme.
-
Ökologische und ökonomische Bewertung: Ein Ökobilanz-, LCA- und Gemeinwohlmodell ermöglicht eine umfassende Bewertung der ökologischen und wirtschaftlichen Effekte der entwickelten Technologien, einschließlich Return-on-Investment-Betrachtungen.
RecycleBot verfolgt dabei bewusst einen iterativen Entwicklungsprozess: Von der Identifikation des Stands der Technik über die Entwicklung erster Konzepte und Laborprototypen bis hin zu realen Feldtests werden alle Systemkomponenten schrittweise verfeinert und gemeinsam mit Anwendern weiterentwickelt. Dieses Vorgehen stellt sicher, dass die Lösungen praxistauglich, skalierbar und zukunftssicher sind.
Autorin: Nicole Rau | Datum: 05.12.2025
Praxisnahe Erkenntnisse aus Besichtigungen und Probearbeiten in LVP-Sortieranlagen
Im Rahmen von RecycleBot wurden mehrere Besuche und Probearbeiten in einer realen Sortieranlage für Post-Consumer-Kunststoffe durchgeführt. Diese Einsätze lieferten wertvolle Einblicke in den tatsächlichen Stand der Technik und offenbarten Herausforderungen, die in der Literatur oft nur unzureichend beschrieben werden. Die Beobachtungen ergänzen den theoretischen State of the Art um praxisrelevante Details und zeigen deutlich, wo Verbesserungsbedarf besteht.
Die Besuche machten sichtbar, dass der Materialstrom einen hohen Anteil an Fehlwürfen und problematischen Störstoffen enthält, von großformatigen Objekten wie Autoreifen oder Teppichen bis hin zu seilartigen Materialien, die Maschinen blockieren. Die technischen Systeme der besichtigten Anlage arbeiten zwar nach dem üblichen mehrstufigen Prozess aus mechanischer Vorbehandlung, sensorgestützter Sortierung und manueller Nachsortierung, stoßen jedoch häufig an ihre Grenzen. Besonders deutlich zeigte sich dies in der Nachsortierung, in der hohe Materialdichten, Überlagerungen und unpräzise Vorsortierungen zu erhöhter Belastung und Fehlerraten führen.
Die Probearbeiten verdeutlichten zudem die körperlich anspruchsvolle Arbeitssituation: hohe Bandgeschwindigkeiten, heterogene Materialströme, klebende oder verklumpte Objekte und eingeschränkte Platzverhältnisse beeinträchtigen sowohl die Sortierqualität als auch das Arbeitsumfeld. Regelmäßige Anlagenstillstände durch Blockaden unterstreichen zusätzlich die Notwendigkeit robusterer und intelligenterer Sortierprozesse.
Die praxisnahen Erkenntnisse bestätigen: Moderne Robotik, präzisere Sensorik und KI-basierte Entscheidungen können einen entscheidenden Beitrag leisten, um Arbeitsbedingungen zu verbessern und die Effizienz bestehender Anlagen deutlich zu steigern. Die gewonnenen Daten fließen direkt in die Weiterentwicklung der RecycleBot-Lösungen ein und bilden eine wichtige Grundlage für die iterative Optimierung des Gesamtsystems.
Autorin: Nicole Rau | Datum: 05.12.2025

Datum: 09.04.2024

Creator: Natalie Basedow | Datum: 09.04.2024

Creator: Natalie Basedow | Datum: 09.04.2024
1. Objektvielfalt (semantisch)
Der Materialstrom setzt sich aus einer erheblichen Bandbreite unterschiedlicher Materialien (z. B. PET, HDPE, PP), Formen (z. B. Flaschen, Schalen, Dosen) und Objektzustände (z. B. verschmutzt, zerknittert, nass) zusammen. Zusätzlich variiert die Anzahl der Objekte, die gleichzeitig sichtbar und im Greifbereich liegen. Diese Diversität erschwert sowohl die Erkennung als auch die Sortierung erheblich.
Die Materialvielfalt des Inputstroms in LVP-Sortieranlagen gehört zu den größten Herausforderungen. Der Inhalt von Sammelsystemen wie dem gelben Sack und der gelben Tonne ist durch eine hohe Heterogenität geprägt, die sowohl die mechanischen Eigenschaften der Materialien als auch deren Verschmutzungsgrad umfasst. Das Inputmaterial setzt sich primär aus Kunststoffen, Metallen und Verbundstoffen zusammen, wobei Kunststoffe etwa 48 %t ausmachen [1]. Diese Vielfalt wird zusätzlich durch unterschiedliche Verpackungsdesigns, Formen und Materialkombinationen verstärkt.
Viele Verpackungen bestehen aus mehreren Materialschichten oder Komponenten, etwa Joghurtbecher mit Aluminiumdeckeln und festgeklebten Papieretiketten, wie in Abbildung 1 dargestellt [2, 3].
Fehlwürfe, Beispiele zu sehen in Abbildung 2 und 3, verschlechtern die Situation weiter: Rund 30 % des Inhalts im gelben Sack bestehen aus nicht verwertbaren Materialien wie Restmüll, Glas oder Papier [1]. Besonders problematisch sind „intelligente Fehlwürfe“ wie Kinderspielzeug aus Kunststoff oder nicht deklarierte Alltagsgegenstände, die zwar aus Kunststoff bestehen, aber nicht recycelbar sind [4, 5]. Zu den Folgen von Fehlwürfen zählt nicht nur das Erschweren des Sortier- und Recyclingprozesses, wodurch wertvolle Ressourcen verloren gehen [6], sondern es wird auch die Effizienz des gesamten Systems verringert und es können zusätzliche Kosten verursacht werden [5, 7], .Häufige Fehlwürfe sind unter anderem gebrauchte Windeln, Video- und Audiokassetten, leere Feuerlöscher, Planschbecken, CD-Hüllen, Badeenten, sowie Akkus und Batterien. Auch Verpackungen aus Materialverbünden, wie z. B. Joghurtbecher aus Polystyrol mit Aluminiumdeckeln und Papieretiketten, oder das „platzsparende“ Müllentsorgen, zu dem u.a. das Ineinanderstecken von Joghurtbechern gehört, zählen zu den Fehlwürfen. Die verschiedenen Komponenten sind zwar werkstofflich recyclingfähig, jedoch nur, wenn sie bereits vor dem Eintrag in den Gelben Sack vom Verbraucher getrennt werden. In vielen Fällen erfolgt diese Trennung jedoch nicht, wodurch die maschinelle Sortierung erschwert wird und die einzelnen Stoffströme durch falsche Zuordnung der Materialien verunreinigt und somit der Reinheitsgrad herabgestuft werden kann [7, 8].
Zusätzlich ist der Materialstrom starken saisonalen Schwankungen unterworfen:
An Ostern, Weihnachten oder zu speziellen Aktionszeiträumen gelangen vermehrt themenspezifische Verpackungen, Geschenkfolien, Tannenbaumnetze, saisonale Süßwarenverpackungen oder ungewöhnlich geformte Blister in das Sammelsystem. Diese temporären Veränderungen erhöhen die Anforderungen an KI-basierte Erkennung und adaptive Greifersysteme weiter.
Ein weiterer erschwerender Faktor entsteht durch organische Verschmutzungen wie Lebensmittelreste, Fett, Wasser oder Blut [2, 3]. Diese Verunreinigungen beeinträchtigen nicht nur die Sensorik, sondern erschweren auch die zuverlässige Greifbarkeit und Positionierung von Objekten, da sie Anhaftungen und rutschige Oberflächen verursachen.
[1] Billmayer, L. (2023, 30. Juli). Was bringt Recycling wirklich? Wie viel in der Gelben Tonne landet und was mit den weggeworfenen Wertstoffen passiert. https://zdfheute-stories-scroll.zdf.de/gelbe-tonne-recycling/index.html
[2] Kranert, M. (Hrsg.). (2024). Einführung in die Kreislaufwirtschaft: Planung, Recht, Verfahren (6. Auflage). Springer Vieweg. https://doi.org/10.1007/978-3-658-41711-6
[3] Seiffert, S., Kummerlöwe, C. & Vennemann, N. (Hrsg.). (2020). Lechner, Gehrke, Nordmeier - Makromolekulare Chemie: Ein Lehrbuch für Chemiker, Physiker, Materialwissenschaftler und Verfahrenstechniker (6. Aufl. 2020). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-61109-8
[4] BMUV. (2024). Was gehört in die gelbe Tonne/den gelben Sack? FAQ. https://www.bmuv.de/faq/was-gehoert-in-die-gelbe-tonne-den-gelben-sack
[5] Orth, P., Bruder, J. & Rink, M. (2022). Sortierung und Aufbereitung von Kunststoffabfällen. In P. Orth, J. Bruder & M. Rink (Hrsg.), Kunststoffe im Kreislauf: Vom Recycling zur Rohstoffwende (S. 93–101). Springer Vieweg. https://link.springer.com/chapter/10.1007/978-3-658-37814-1_8
[6] Subklew, A. (21. Februar 2022). Knapp vorbei ist auch daneben: Wie Fehlwürfe in der Gelben Tonne oder dem Gelben Sack das Recycling behindern. Presseportal.de. https://www.presseportal.de/pm/142102/5151776
[7] Eberl, T. (2023). Plastikmüll reduzieren: Grundwissen zu Verpackungen, Recycling, Mikroplastik und Umweltverschmutzung sowie ein Praxisbeispiel für die Plastikreduzierung in einem Privathaushalt. tredition Verlag.
[8] BVSE. (2022, 21. Februar). Knapp vorbei ist auch daneben: Wie Fehlwürfe in der Gelben Tonne oder dem Gelben Sack das Recycling behindern. https://www.bvse.de/sachverstand-bvse-recycling/themen-ereignisse/8237-knapp-vorbei-ist-auch-daneben-wie-fehlwuerfe-in-der-gelben-tonne-der-dem-gelben-sack-das-recycling-behin-dern.html
Autorin: Nicole Rau | Datum: 28.11.2024

Video 1: Sequenz eines Sortierbandes in einer LVP-Sortieranlage.
Creator: Natalie Basedow | Datum: 09.04.2024
[1] Knappe, F., Reinhardt, J., Kauertz, B., Oetjen-Dehne, R., Buschow, N., Ritthoff, M., Wilts, H. & Lehmann, M. (November 2021). Technische Potenzialanalyse zur Steigerung des Kunststoffrecyclings und des Rezyklateinsatzes: Abschlussbericht [Forschungskennzahl 3716 33 325 0]. ifeu - Institut für Energie- und Umweltforschung Heidelberg GmbH. https://www.umweltbundesamt.de/sites/default/files/medien/1410/publikationen/2021-12-10_texte_92-021_potenzialanalyse-kunststoffrecycling.pdf


Autorin: Nicole Rau | Datum: 28.11.2024
3. Umgebungszustände
Die Umgebungszustände in Sortieranlagen unterliegen starken Schwankungen und beeinflussen die Zuverlässigkeit von Sensorik, Robotik und KI-Modellen erheblich. Besonders die Lichtverhältnisse spielen eine zentrale Rolle: Für KI-basierte Erkennungssysteme ist es entscheidend, dass die Beleuchtung während der Datenerfassung möglichst identisch mit den Bedingungen im späteren Betrieb ist. Schon kleine Abweichungen können dazu führen, dass Modelle Materialeigenschaften anders interpretieren als beim Training. Ebenso wichtig ist eine regelmäßige Kontrolle und Reinigung der Sensorik, denn Staub, Schmutz oder feuchte Ablagerungen können die Sicht schrittweise verschlechtern. Während ein frisch gereinigtes System oft gute Erkennungsleistung zeigt, sinkt die Qualität im Tagesverlauf mit zunehmender Verschmutzung deutlich, ein Effekt, der für stabile Sortierergebnisse unbedingt berücksichtigt werden muss. Aus diesem Grund sollte die Datenerfassung idealerweise direkt am späteren Einsatzort stattfinden und nach Möglichkeit zu unterschiedlichen Tages- und Jahreszeiten. Nur so können reale Lichtbedingungen, saisonale Einflüsse und wechselnde Störfaktoren im Training berücksichtigt werden.

Abbildung 4: Exemplarische Darstellung des Beschädigungsgrades eines Eimers. Hinweis: Eimer zählen nicht zu Verpackungen und gehören deshalb nicht in den gelben Sack / die gelbe Tonne!
Creator: Natalie Basedow | Datum: 09.04.2024

Video 2: Sequenz eines Sortierbandes in einer Sortierkabine mit händischer Sortierung in einer LVP-Sortieranlage.
Creator: Nicole Rau | Datum: 25.02.2025

Abbildung 1: Beispiele für die Produkt- und Verpackungsvielfalt von Bechern für Joghurt o.ä
Creator: Nicole Rau | Datum: 28.11.2024

Abbildung 2: Fehlwürfe, die vor dem Einschleusen in die Sortieranlage händisch aus dem Input aussortiert werden. Zu sehen sind u.a. Autoreifen, Eimer, Matratzenteile und Planen.
Creator: Natalie Basedow | Datum: 09.04.2024

Abbildung 3: Fehlwürfe, die während dem Sortierprozess händisch von den Sortierbändern aussortiert werden. Zu sehen sind Mettalteile, wie Farbdosen und Kochtöpfe.
Creator: Natalie Basedow | Datum: 09.04.2024
2. Zeitliche Dynamik
Die Sortierung in LVP-Anlagen findet unter hohem Zeitdruck statt. Förderbänder bewegen sich mit unterschiedlichen Geschwindigkeiten, während nur kurze, diskrete Zeitfenster zur Verfügung stehen, in denen Objekte erkannt, klassifiziert und gegriffen werden können. Je schneller das Band läuft oder je dichter das Material liegt, desto mehr Objekte müssen gleichzeitig verarbeitet werden und desto höher ist das Risiko von Überlagerungen, Fehlgriffen und Fehldetektionen. In Video 1, ist eine Sequenz eines Förderbandes aus einer LVP-Sortieranlage zu sehen.
Dabei spielen nicht nur Geschwindigkeit, sondern auch die räumlichen Gegebenheiten und die Synchronisation der Maschinen eine entscheidende Rolle. Zu hohe Bandgeschwindigkeiten mindern die Sortiergenauigkeit, da Sichtzeiten verkürzt und Greifpunkte schwerer erreichbar werden. Zu langsame Prozesse wiederum reduzieren Durchsatz und Wirtschaftlichkeit. Erst durch die abgestimmte Kombination aus Förderbandgeschwindigkeit, räumlicher Anordnung und synchronisierten Prozessstufen entsteht ein kontinuierlicher Materialfluss, der eine effiziente Sortierung überhaupt ermöglicht (Knappe et al., 2021).
Diese zeitlich-räumliche Dynamik stellt hohe Anforderungen an KI-Systeme und Robotik: Sie müssen in Echtzeit reagieren, Bewegungen antizipieren und trotz variabler Prozessbedingungen zuverlässig arbeiten.
Darüber hinaus wirken sich Temperatur- und Feuchtigkeitsschwankungen direkt auf die mechanischen und elektronischen Komponenten aus. Hohe Luftfeuchtigkeit kann beispielsweise zu Kondensation in Sensoren oder im Kameragehäuse führen, was optische Verzerrungen oder elektronische Fehlfunktionen verursacht. Temperaturwechsel begünstigen Materialermüdung, Mikro-Risse und Verformungen in Kunststoff- und Metallteilen. Zudem kann Korrosion (z. B. durch Feuchtigkeit, salzhaltige Luft oder Reinigungsprozesse) zu Rostbildung an Verbindungselementen oder Führungen führen, was sowohl die Präzision der Mechanik als auch die Lebensdauer der Systeme beeinträchtigt. Auch Vibrationsbelastungen aus der Anlage oder wechselnde Staubkonzentrationen können zusätzliche Fehlmessungen erzeugen und die Stabilität der Erkennungsprozesse mindern.
In Kombination führen diese Umgebungsfaktoren häufig zu unvollständigen oder fehlerhaften Klassifikationen und machen robuste, selbstüberwachende Sensorik sowie adaptive KI-Modelle unerlässlich, um im realen Anlagenbetrieb dauerhaft zuverlässige Sortierergebnisse sicherzustellen.
Autorin: Nicole Rau | Datum: 09.12.2025
4. Objektgeometrie und -lage
Bereits vor dem Eintreffen in der Sortieranlage wird der Zustand des Materials maßgeblich durch den Transportprozess verändert. In Pressmüll- oder Drehtrommelfahrzeugen werden die gesammelten Verpackungen stark verdichtet, um die Transportkapazität zu erhöhen. Diese mechanische Belastung führt zu irreversiblen Verformungen, Brüchen und Fragmentierungen, wodurch viele Objekte ihre ursprüngliche Form verlieren. Gleichzeitig entstehen durch Reibung und Kontakt mit anderen Materialien Abriebspuren und zusätzliche Verunreinigungen. Organische Rückstände wie Lebensmittelreste, Fett oder Flüssigkeiten verteilen sich im Materialstrom und vermischen sich miteinander, was den Verschmutzungsgrad weiter erhöht.
Das Ergebnis ist ein stark variierender und häufig beschädigter Inputstrom, der weit von idealisierten Bedingungen entfernt ist. Deformierte oder gebrochene Verpackungen lassen sich sensorisch deutlich schwerer identifizieren und bieten nur eingeschränkt definierbare oder stabile Greifpunkte für robotische Systeme. Dieser transportbedingte „Frühschaden“ prägt die gesamte weitere Prozesskette und verdeutlicht, warum reale Stoffströme kaum mit Laborbedingungen vergleichbar sind. Präzise Sortier- und Greifsysteme müssen daher robust gegenüber solchen Veränderungen sein und auch unter diesen erschwerten Bedingungen zuverlässig arbeiten.
​
Hinzu kommen weitere Herausforderungen innerhalb der Sortieranlage. Die Geschwindigkeit der Förderbänder, die räumliche Anordnung der Maschinen und die Synchronisation der Prozessstufen bestimmen maßgeblich die Genauigkeit und Effizienz der Sortierung. Zu hohe Bandgeschwindigkeiten reduzieren die Verfügbarkeit von Greifzeitfenstern und erhöhen die Fehlerquote, während zu langsame Prozesse den Durchsatz deutlich mindern.
Eine besonders kritische Rolle spielt die räumliche Lage und Geometrie der Objekte auf dem Förderband. Viele Verpackungen sind durch den Transport bereits deformiert, gefaltet oder beschädigt, was ihre Erkennung weiter erschwert. Flache Folien können andere Objekte überdecken und somit Sensoren blockieren. Ungünstige Rotationen oder Orientierungen verdecken relevante Materialmerkmale, insbesondere für NIR- und kamerabasierte Systeme. Zusätzlich treten unregelmäßige Geometrien, Materialklumpen oder Verschachtelungen auf, die eine zuverlässige Identifikation und Handhabung deutlich komplizierter machen.
​
Neben diesen mechanischen Faktoren beeinflussen auch prozessbedingte Umgebungsparameter die Objektlage. Besonders der in Sortieranlagen übliche, teils starke Wind aus Absaugungen, Belüftungen oder Windsichtern kann die Position oder Ausrichtung der Objekte kurzfristig verändern. Dadurch werden präzise Greifstrategien noch anspruchsvoller. Da die mechanischen Eigenschaften der Materialien von starren Hartkunststoffen bis hin zu hochflexiblen LDPE-Folien reichen, müssen robotische Greifer entsprechend vielseitig, adaptiv und tolerant gegenüber unvorhersehbaren Fehlerlagen sein. Exemplarisch zu sehen in Video 2.
Autorin: Nicole Rau | Datum: 09.12.2025
Komplexität in der LVP-Sortieranlage
Die Beobachtungen aus den Besuchen der Sortieranlagen zeigen deutlich:
Die Sortierung von Leichtverpackungen (LVP) stellt hohe Anforderungen an moderne Anlagen, Sensorik und robotische Systeme. Die Bedingungen in realen Stoffströmen sind weit entfernt von idealisierten Laborumgebungen und zeichnen sich durch eine enorme Materialvielfalt, starke Variabilitäten und unterschiedliche Belastungszustände aus. Die folgenden Aspekte verdeutlichen die zentrale Komplexität, die RecycleBot adressiert.
Fazit der Analyse realer Sortierbedingungen in LVP-Anlagen
Die Analyse der realen Sortierbedingungen in LVP-Anlagen zeigt eindrücklich, dass die Verarbeitung von Leichtverpackungen mit einer außergewöhnlich hohen Komplexität verbunden ist. Heterogene Materialzusammensetzungen, eine große Bandbreite an Verpackungsformen und -zuständen, saisonale Schwankungen sowie ein hoher Anteil an Fehlwürfen erzeugen äußerst variierende und schwer vorhersagbare Stoffströme. Verschmutzungen, Verbundstrukturen und transportbedingte Deformationen verschärfen diese Herausforderungen zusätzlich und führen zu Materialzuständen, die weit entfernt von standardisierten Laborbedingungen liegen.
Gleichzeitig wirken zeitkritische Prozessabläufe, schnell wechselnde Umgebungsbedingungen und starke Schwankungen bei Licht, Staub, Feuchtigkeit und Temperatur direkt auf die Leistungsfähigkeit von Sensorik, KI-Modellen und Robotiksystemen ein. Auch die Lage und Geometrie der Objekte auf dem Förderband, beeinflusst durch Transport, Überlagerungen oder den Wind in der Anlage, erschweren sowohl die Erkennung als auch die Greifbarkeit erheblich.
Die Summe dieser Faktoren macht deutlich: LVP-Sortierung ist kein statisch lösbares Problem, sondern ein dynamischer, komplexer und hochvariabler Prozess. Um unter diesen Realbedingungen verlässlich arbeiten zu können, braucht es robuste, adaptive und lernfähige Technologien. KI-basierte Wahrnehmung, multisensorische Datenerfassung und kollaborative Robotik bieten das Potenzial, diese Herausforderungen systematisch zu bewältigen und Sortierprozesse nachhaltig effizienter, präziser und ergonomischer zu gestalten. Zusammenfassend in Abbildung 5 dargestellt.
Autorin: Nicole Rau | Datum: 09.12.2025

Abbildung 5: Komplexität in LVP-Anlagen aus Forscher*innen sicht.
Creator: Natalie Basedow | Datum: 19.11.2025

Designed by Freepik
www.freepik.com


Wahrnehmung
Der Teilbereich Wahrnehmung bildet die sensorische und analytische Grundlage von RecycleBot. Sie umfasst das Materialverständnis der Zukunft sowie die KI-gestützte Erkennung von Abfallfraktionen. Im Fokus stehen multisensorische Erfassungssysteme, datengetriebene Analyseverfahren und Deep-Learning-Modelle, die es ermöglichen, selbst komplexe, verschmutzte oder mehrschichtige Materialien zuverlässig zu identifizieren. Ziel ist es, Materialströme im Gelben Sack beziehungsweise der Gelben Tonne präzise zu charakterisieren und die Grenzen heutiger Sortiertechnologien nachhaltig zu überwinden.
Problematik: Wahrnehmung im chaotischen Materialstrom
In realen Sortieranlagen ist das Förderband kein geordneter Materialfluss, sondern ein hochdynamisches, unstrukturiertes Gemisch unterschiedlichster Abfälle. Materialien überlagern sich, sind verschmutzt, deformiert oder teilweise verdeckt. Für den Menschen ist dieses Chaos intuitiv interpretierbar, für technische Systeme jedoch stellt es eine der größten Herausforderungen moderner Abfallsortierung dar.
Die zentrale Frage lautet daher: Was sieht der Roboter – und was versteht er davon?
Klassische Sensorsysteme und regelbasierte Algorithmen stoßen hier schnell an ihre Grenzen. Komplexe Verbundstoffe, schwarze Kunststoffe, Bio- und Recyclingkunststoffe oder Fehlwürfe lassen sich nur unzureichend unterscheiden. Zudem verändern sich Materialströme kontinuierlich durch neue Verpackungsdesigns, Additive und Recyclingmaterialien.
Ohne ein tiefgehendes Materialverständnis und robuste KI-gestützte Auswerteverfahren bleibt die Wahrnehmung lückenhaft und nicht zusammenhängend: Der Roboter erkennt Formen, Farben oder Spektren, aber nicht zuverlässig die tatsächliche stoffliche Bedeutung. Fehlklassifikationen führen zu Qualitätsverlusten, erhöhten Störstoffanteilen und wirtschaftlichen Einbußen im Recyclingprozess.
RecycleBot adressiert diese Problematik, indem Wahrnehmung nicht nur als Sensordatenerfassung, sondern als ganzheitlichen Interpretationsprozess verstanden wird. Ziel ist es, aus chaotischen Sensordaten belastbare Materialentscheidungen abzuleiten und damit die Grundlage für eine präzise, lernfähige und zukunftssichere Sortierung zu schaffen.
​
Autorin: Nicole Rau | Datum: 05.12.2025

Creator: Lucky Panda Studios


Beitrag von WeSort.AI zum Projekt RecycleBot
Im Projekt RecycleBot unterstützte WeSort.AI maßgeblich das Arbeitspaket Wahrnehmung. Insbesondere in der Anfangsphase des Projektes brachten die Mitarbeiter von WeSort.AI ihre Praxiserfahrung aus realen Sortieranwendungen und -anlagen in die Projektarbeit ein. Dadurch konnten reale Problemstellungen aus dem Sortierprozess von Post-Consumer-Kunststoffen aus dem gelben Sack bzw. der gelben Tonne direkt in die Projektentwicklung integriert werden. Diese enge Anbindung an die industrielle Praxis stellte sicher, dass die entwickelten KI-Modelle nicht nur theoretisch leistungsfähig, sondern auch realistisch einsetzbar sind.
Darüber hinaus stellte das Unternehmen seine KI-basierte Sensoreinheit als zentrale Wahrnehmungskomponente zur Verfügung und ermöglichte damit eine praxisnahe Entwicklung und Erprobung der sensorischen Material- und Objekterkennung. Die objektbasierte KI-Erkennung von WeSort.AI erlaubte im Projekt eine differenzierte Identifikation komplexer Verpackungen, Verbundmaterialien, Food- und Non-Food-Fraktionen sowie die zuverlässige Identifikation von Stör- und Gefahrenstoffen wie Lithium-Ionen-Akkus. Damit leistete WeSort.AI einen entscheidenden Beitrag zur Verbesserung der Sortierqualität, Prozesssicherheit und Datentransparenz innerhalb von RecycleBot.
Durch diese Zusammenarbeit konnte RecycleBot seine Wahrnehmungskomponenten an realen Anforderungen ausrichten und eine Grundlage für KI-gestützte, zukunftsfähige Sortiersysteme schaffen.
Wir arbeiten mit WeSort.AI zusammen
WeSort.AI hat sich auf die granulare Analyse und Sortierung von Abfallobjekten durch Künstliche Intelligenz spezialisiert, um den Recyclingprozess effizienter und umweltfreundlicher zu gestalten. Die Vision ist zu ermöglichen, dass künftig 100% der Ressourcen in einem geschlossenen Kreislauf recycelt werden. Durch den Einsatz von fortschrittlichen KI-Algorithmen und maschinellem Lernen entwickelt das Unternehmen Systeme, die in der Lage sind, Abfälle präziser und kostengünstiger zu sortieren.



Hand in Hand mit der Materialwissenschaft
Im Projekt RecycleBot gehen Materialwissenschaften und KI-gestützte Wahrnehmung Hand in Hand. Ein tiefes Verständnis der heutigen und zukünftigen Materialströme bildet die Grundlage für jede zuverlässige automatisierte Sortierung. Die detaillierte Analyse von PVC, Verbundstoffen, Bio- und Recyclingkunststoffen sowie neuartigen Verpackungskonzepten zeigt, wie komplex und dynamisch die Anforderungen an moderne Sortiersysteme geworden sind. RecycleBot nutzt dieses materialwissenschaftliche Wissen gezielt, um Sensorik, Datenmodelle und KI-Algorithmen so auszulegen, dass Materialien nicht nur erkannt, sondern in ihrer stofflichen Bedeutung korrekt interpretiert werden können. Damit schafft das Projekt die Basis für eine Wahrnehmung, die den Herausforderungen zukünftiger Kreislaufwirtschaft gerecht wird.
Autorin: Nicole Rau | Datum: 05.12.2025
Creator: Teresa Werner
2. Materialwissenschaftliche Betrachtung – Kontamination von Polypropylen mit Störstoffen
Durch eine unvollständige Sortierung der Recycling-Stoffströme können Fremdpolymere zur gewünschten Sortierfraktion beigemengt werden. Welchen Einfluss diese Störstoffe nun tatsächlich auf die Verarbeitung, die mechanischen und thermischen Eigenschaften und die Identifikation durch Infrarotspektroskopie haben, wurde an Hand von postindustriell recyceltem Polypropylen (PP) untersucht.
Als Störstoffe wurden Kunststoffe ausgewählt, die häufig gleichzeitig mit PP in den Stoffströmen auftauchen, Polystyrol (PS), Polyethylenterephthalat (PET), Polycarbonat (PC) und Acrylnitril-Butadien-Styrol (ABS), und ein Kunststoff, der vermutlich in der Zukunft parallel auftreten wird: Polymilchsäure (PLA). Um mögliche Grenzwerte der Störfaktoren einschätzen zu können, wurden jeweils 3 %, 5 %, 7 % und 10 % der Fremdkunststoffe dem PP beigemischt, granuliert und im Spritzgussverfahren zu Prüfkörpern mit und ohne Bindenaht weiterverarbeitet.
Vor der Verarbeitung wurde anhand der Schmelze-Volumenfließrate (MVR) betrachtet, ob durch die Mischung der Polymere angepasste Verarbeitungsparameter erforderlich werden. Während sich bei reinem PP bei gesteigerter Verweilzeit nur unwesentliche Veränderungen einstellen und auch die Beimischung von PS, PC und ABS nur geringe Auswirkungen zeigt, baut die PP-Mischung bei Zumischung von 10 % PLA rapide ab, die MVR steigt innerhalb kurzer Zeit an, der Kunststoff wird dünnflüssiger.
Die spritzgegossenen Probekörper mit und ohne Bindenaht wurden auf ihre Eigenschaften im Zug-, Biege- und Schlagversuch geprüft und die Mischungen durch Infrarot-Spektroskopie und Dynamische Differenzkalorimetrie (DSC) charakterisiert.
Der Zugmodul bleibt bei Zugabe von bis zu 10 % ABS oder PS relativ konstant. Die Zugabe von 10 % PC oder 10 % PET resultiert in einem Anstieg von 9,7 % bzw. 41,2 %. Die Zugfestigkeit leidet hingegen bereits bei niedrigen Anteilen von Fremdpolymeren (3 %) signifikant, wobei die negative Auswirkung bei höheren Anteilen nicht zunimmt. Generell wurde bei der Kontamination von PP mit Fremdpolymeren eine verringerte Bruchdehnung beobachtet.
Die Beimischung jedes untersuchten Fremdpolymers führt zu einer deutlichen Abnahme der Schlagzähigkeit unabhängig davon, ob die Proben im Schlagzug- oder Kerbschlagbiegeversuch getestet wurden. Bei den Probekörpern mit Bindenaht führen bereits geringe Konzentrationen des Fremdpolymers zu einer deutlichen Reduktion der Schlagzähigkeit, die durch weitere Zugabe nur weiter verringert wird. Bei zehnprozentiger Beimischung von PET und PLA bleiben im Durchschnitt noch 55 % des Basiswerts erhalten, bei ABS, PS oder PC lediglich etwa 40 %.
Die Untersuchung der Infrarotspektren ermöglicht die Identifikation der charakteristischen Schwingungspeaks der funktionalen Gruppen der jeweiligen Kunststoffe. Bei der Mischung zweier verschiedenartiger Kunststoffe bleiben in den Versuchen die charakteristischen Wellenlängen beider Kunststoffe erkennbar, während die Amplitude der Peaks erwartungsgemäß mit höherem Anteil eines Kunststoffes an der Mischung steigt.​

Creator: Lucky Panda Studios
n der DSC-Analyse ist bei amorphen Fremdpolymeren – am Beispiel ABS – ein vom PP dominiertes thermisches Verhalten erkennbar. Auswirkungen ergeben sich in einer minimalen Verschiebung der Schmelztemperatur und einer gesenkten Glasübergangstemperatur. Am Beispiel PET – ein teilkristallines Fremdpolymer – zeigt sich ein Schmelzpeak, der dem reinen PP entspricht, während sich der höhere Schmelzpeak des PET nicht abbildet.

Abbildung: Auswirkungen der Einlagerung von Zusatzpolymeren auf die Festigkeit und Steifigkeit von PP.
Creator: Michael Dawoud | Datum: 08.08.2024
Zusammenfassend zeigen die Untersuchungen, dass die Anwesenheit von sortenverschiedenen Fremdpolymeren im PP Einfluss auf die Eigenschaften der Mischung hat und dementsprechend Anpassungen in Verwendung und Verarbeitung beachtet werden müssen. Die Zugabe von ABS, PC und ABS im Allgemeinen und die Beimischung von PET oder PLA in der Höhe von 10% macht das PP aufgrund der geringeren Zähigkeit und Duktilität für komplexe Teile mit Schweißnaht ungeeignet. Für einfache Bauteile ohne Schweißnaht sind solche Fehlsortierungen jedoch akzeptabel. Der erhebliche Abbau von PLA bei Verweilzeiten von mehr als 3 Minuten kann den so verunreinigten PP-Strom für Extrusionsanwendungen ungeeignet machen. Unter diesen Gesichtspunkten ist die reine Anwesenheit von Fremdpolymeren grundsätzlich zu einem gewissen Grad tolerierbar. Außerdem kann die allgemeine Empfehlung ausgesprochen werden, die Verarbeitungstemperatur ausreichend hoch zu wählen, um auch die Schmelze von Fremdpolymeren zu gewährleisten. Die Verwendung eines Doppelschneckenextruders zur Materialvorbereitung vor dem Spritzguss ist zu empfehlen.
​
Im Detail können die Vorgehensweisen und erzielten Ergebnisse im Paper „Effects of Contamination with Selected Polymers on the Mechanical Properties of Post-Industrial Recycled Polypropylene”. Polymers 2024, 16(16), 2301; https://doi.org/10.3390/polym16162301 nachgelesen werden.
Autor: Lorenz Walter | Datum: 09.01.2026

1. Kunststofferkennung
Recycling lebt von präziser Sortierung – doch viele heutige Verfahren zur Kunststofferkennung, etwa die Nahinfrarotspektroskopie (NIR) oder Hyperspektralbildgebung, erzeugen riesige Datenmengen und sind teuer in der Anwendung. Ein aktueller Forschungsansatz zeigt nun, dass sich dieser Prozess deutlich effizienter gestalten lässt. In der Studie von Teresa Werner wurden Spektraldaten aus Hyperspektralbildern und realen Abfallproben gesammelt und zunächst manuell charakteristische Wellenlängenbereiche für verschiedene Polymertypen identifiziert. Später konnte diese Auswahl automatisiert werden. Auf Basis dieser Wellenlängenregionen wurden Integrale der Rohspektren gebildet, die anschließend einer Hauptkomponentenanalyse (PCA) unterzogen wurden. Die so gewonnenen Merkmale dienten anschließend dem Training eines Modells, das unbekannte Spektren mithilfe des k-nearest neighbours (kNN)-Algorithmus oder der convex hull-Methode eindeutig zuordnen kann. Durch eine systematische Parameterstudie wurde das Modell weiter optimiert – mit beeindruckendem Ergebnis: Eine Trennung und Charakterisierung von Kunststoffen aus realen Abfallproben mit bis zu 100 % Genauigkeit. Diese Methode zeigt, wie datenbasierte Ansätze und intelligente Modellierung helfen können, den Recyclingprozess nachhaltiger und wirtschaftlicher zu machen.
Autorin: Teresa Werner | 30.10.2025



Manipulation
Die Kategorie Manipulation beschäftigt sich mit der robotergestützten physischen Handhabung der erkannten Materialien. Im Zentrum stehen kollaborative Robotersysteme, Greiftechnologien und Bewegungsstrategien, die eine flexible, schnelle und sichere Sortierung ermöglichen. RecycleBot zeigt, wie intelligente Robotik monotone und körperlich belastende Tätigkeiten automatisieren kann und gleichzeitig die Sortierqualität, Prozessstabilität und Anlagenverfügbarkeit deutlich steigert.
COMING SOON



Interaktion
Die Kategorie Interaktion fokussiert die Schnittstelle zwischen Mensch und intelligentem Sortiersystem. Sie umfasst neue Visualisierungs-, Bedien- und Assistenzkonzepte, die Transparenz, Sicherheit und Vertrauen in KI-basierte Entscheidungen fördern. Ziel ist eine menschzentrierte Systemgestaltung, bei der Bedienerinnen und Bediener die Prozesse intuitiv überwachen, nachvollziehen und bei Bedarf gezielt eingreifen können. Damit wird RecycleBot nicht nur technologisch leistungsfähig, sondern auch praxisnah und akzeptanzfähig.
COMING SOON



Ökonomische und Ökologische Bewertung
Die Kategorie Ökonomische / Ökologische Bewertung untersucht die Auswirkungen der entwickelten Technologien auf Umwelt, Wirtschaftlichkeit und gesellschaftlichen Nutzen. Mithilfe von Ökobilanzen (LCA), Gemeinwohl- und ROI-Modellen werden Ressourceneffizienz, Emissionsminderungen, Kostenstrukturen und Investitionspotenziale ganzheitlich bewertet. Diese Analysen stellen sicher, dass RecycleBot nicht nur technisch innovativ, sondern auch nachhaltig, wirtschaftlich tragfähig und gesellschaftlich relevant ist.
In der Kreislaufwirtschaft steht das Kunststoff-Recycling vor neuen Herausforderungen. In 2022 muss nach dem VerpackG die Recyclingquote von lizenzierten und erfassten Kunststoffverpackungen von bisher 36% auf 63% gesteigert werden. Innerhalb der Verwertungsquote sind mind. 70% durch eine werkstoffliche Verwertung sicherzustellen. Im Jahr 2017 landeten noch 60% der eingesammelten Kunststoffabfälle aus dem gelben Sack (sog. Post-Consumer Abfälle) in Verbrennungsanlagen. Diese Herausforderung wird durch eine Zunahme an Störstoffen, bspw. Verunreinigungen verschärft.
Die Kernaufgabe der Sortierung von Kunststoffabfällen besteht darin, den Abfallstrom gezielt in mehrere möglichst sortenreinen Fraktionen aufzuteilen, damit diese bestmöglich in Nachfolgeprozessen recycelt werden können. So können Primärprodukte substituiert und negative Umweltwirkungen vermieden werden.
Bei der Sortierung stehen ökologische und ökonomische Zielsetzungen jedoch häufig im Konflikt. Aktuell arbeiten Sortieranlagen besonders ökonomisch, solange sie entsprechend ihrer Maximalkapazität sortieren. Dies bedeutet für die Unternehmen maximale Einnahmen für die Sortierleistung, wobei lediglich nur die Mindestquoten für Sortiererfolge zu beachten sind. Vergleichbare Einnahmen über die Sortierqualität sind hingegen auch aufgrund der erzielbaren Preise für hochrein-sortierte Fraktionen nicht realisierbar. Nach aktuellem Stand der Technik gibt es mehrere Fraktionen, die aufgrund geringer Qualität oder unzureichender Sortenreinheit in die sog. energetische Verwertung in Müllverbrennungsanlagen (MVA) zur Energiegewinnung oder als Ersatzbrennstoff in Zementwerken (ZW) überführt werden.

Creator: Studio Convex
Das Ziel dieses Projekts ist die Steigerung des Nutzungsgrads von kunststoffbasierten Verpackungs- und Gewerbeabfällen aus dem Dualen System, um die Recyclingquoten durch zielgerechte, KI-basierte und robotergestützte Zuführung in spezifische Recyclingpfade zu erhöhen. Dadurch kann der Verbrauch knapper Ressourcen wie Rohstoffe und Energie, die für die Produktion von Neuware notwendig wären reduziert sowie die Umwelt durch verminderte Abfallmengen und Verbrennungsgase geschont werden.
Mit Optimierung der Sortierung in RecycleBot gelten folgende Prämissen: einerseits wird ein erhöhter Strombedarf in der Sortierung durch zusätzliche Robotik, Detektions- und Begleiteinheiten erwartet; andererseits wird die Menge an erfolgreich sortierten Kunststoffen, welche in eine werkstoffliche Verwertung gegeben werden können, signifikant erhöht.
Autor: Alexander Koch, Mitarbeiter von GreenDelta | Datum: 19.02.2025

Wir arbeiten mit GreenDelta zusammen
Als Nachhaltigkeitsberatungs- und Softwareentwicklungsunternehmen beteiligt sich GreenDelta an dem Projekt, um die ökologischen und ökonomischen Auswirkungen und Nutzen der Kunststoff-Sortierung zu bewerten und vor allem die Veränderungen durch neue RecycleBot-Ansätze zu analysieren.
Untersucht werden Sortieranlagen für Abfall- und Recyclingströme von Leichtverpackung. Bei einer Stand-der-Technik Sortieranlage wird hauptsächlich Hausmüll vom gelben Sack in verschiedene Stoffströme sortiert. Dies ist der erste Schritt in der Lieferkette von Recyclingmaterial. Es werden Verpackung nach Materialsorten sortiert, z.B. Polymere (HDPE, PET, PP, usw.) oder Metalle (Aluminium). Fast die Hälfte der Input-Materialien müssen am Ende wegen Verunreinigungen, schlechter Qualität, niedrige Materialreinheit oder niedriger Sortierrate entweder energetisch verwertet oder mittels Verbrennung oder Deponierung entsorgt werden.
Mit RecycleBot besteht die Möglichkeit, Störstoffe zu entfernen und so Stoffströme weiter zu bereinigen. Dies verbessert die Qualität der Recyclingmaterialien und reduziert damit den Bedarf an Primärrohstoffen. Eine weitere Optimierung kann durch das gezielte Aussortieren zusätzlicher Wertstoffe aus den Sortierresten erfolgen. Dies erhöht einerseits die Recyclingquote und verringert andererseits die Menge an Abfällen, die der Verbrennung zugeführt werden.
Ergebnisse von GreenDelta im Projekt RecycleBot
Die Ökobilanz bewertet diese verschiedenen Anwendungsfälle. Eine zentrale Vision des Projekts ist die zusätzliche Trennung von Kunststoff-Wertstoffen am Sortierresteband. Durch eine KI-gestützten Sortierung mit automatischer Nachsortierung in food-grade- und non-food-Kunststoffen kann die Trennleistung von Müllsortieranlagen weiter verbessert werden. So lassen sich beispielsweise zusätzlich Kunststoffe wie PET, HDPE, PP und LDPE absortieren. Die Trennung in food-grade- und non-food-Kunststoffen ermöglicht eine gezieltere werkstoffliche Verwertung der nachgelagerten Recyclingprozesse.
In einer ersten Ökobilanzberechnung werden die Systemgrenzen entsprechend dieses Anwendungsfalls aufgestellt. Die Abbildung 1 stellt dies schematisch dar.
In der Software openLCA sieht das parametrisierte Ökobilanzmodell vergleichsweise, wie in Abbildung 2 aus.

Abbildung 1: Schematische Darstellung der Systemgrenzen des Ökobilanz-Anwendungsfalls zur KI-gestützten Nachsortierung von Kunststoff-Wertstoffen
Creator: Alexander Koch, Mitarbeiter von GreenDelta | Datum: 19.02.2025

Abbildung 2: Parametrisiertes Ökobilanzmodell des Anwendungsfalls in der Software openLCA.
Creator: Alexander Koch, Mitarbeiter von GreenDelta | Datum: 19.02.2025
Für die Bewertung wurden verschiedene unter Berücksichtigung unterschiedlicher Systemgrenzen berechnet. Das Basisszenario (ohne KI-gestützte Sortierung) betrachtet den aktuellen Stand der LVP-Trennung. Die Recyclingquote bleibt dabei auf dem bisherigen Niveau, was bedeutet, dass die Sortierreste vollständig der thermischen Verwertung zugeführt werden. Mit einer KI-gestützten Sortierung kommt zusätzlicher Strombedarf hinzu, jedoch wird dadurch ein größerer Anteil an Wertstoffen aus den Sortierrest gewonnen. Die Berechnung der damit verbundenen Treibhausgasemissionen zeigt eine Überkompensierung der negativen Auswirkungen. Die CO2-Einsparung im Vergleich zum aktuellen Stand der Technik liegt bei etwa 25%. Wenn die Systemgrenzen erweitert werden und auch eine Gutschrift für dadurch vermiedene Primärkunststoffproduktion berücksichtigt werden, fallen die Einsparungen noch größer aus. Der positive Effekt bleibt auch dann bestehen, wenn der nachgelagerte Transport mit einbezogen wird. Die verschiedenen Szenarien werden in der Abbildung 3 dargestellt.

Abbildung 3: Vergleich der Treibhausgasemissionen verschiedener Szenarien zur LVP-Sortierung mit und ohne KI-gestützte Nachsortierung bei unterschiedlichen Systemgrenzen.
Creator: Alexander Koch, Mitarbeiter von GreenDelta | Datum: 19.02.2025
​Die zusätzliche Absortierung von Wertstoffen hat nicht nur einen positiven ökologischen Effekt, sondern auch einen ökonomischen Vorteil für die Betreiber von Sortieranlagen. Die zusätzlichen Wertstoffe können auf dem Markt verkauft werden. Eine Amortisationsrechnung hat ergeben, dass sich eine Investition in eine KI-gestützte Sortierung bereits nach 1 bis 2 Jahren auszahlt.
Autor: Alexander Koch, Mitarbeiter von GreenDelta | Datum: 19.02.2025
Creator: Studio Convex
Autor: Alexander Koch, Mitarbeiter von GreenDelta | Datum: 19.02.2025
Ausblick
Dennoch basieren die Input-Daten momentan noch stark auf potenzielle Aufstellungen der Anlagen sowie Expertenbasierte Annahmen. Mit dem Fortschreiten des Projekts werden mehr Primärdaten einfließen, wodurch die Ökobilanzberechnungen kontinuierlich aktualisiert werden. Darüber hinaus werden noch weiter Interessante Forschungsfragen aus Sicht der Nachhaltigkeitsbewertung verfolgt, wie zum Beispiel, wie sich die Auswirkungen unter Berücksichtigung der KI-Daten verändern oder wie Kunststoffsubstitutionsfaktoren präziser berechnet werden können. Es bleibt spannend!






