Abfall ist ein wichtiger Grundstoff zur Energiegewinnung. Der Heizwert von Abfall schwankt jedoch. Mehr Informationen über Abfalleigenschaften würden die Betreiber von Verbrennungsanlagen unterstützen, die Anlagen effizienter zu steuern. Mit Hilfe von KI-Methoden wollen Forscherinnen und Forscher der Universität Hannover und des OFFIS - Institut für Informatik die Abfallverbrennung umfassend digitalisieren – und so neue Formen der Anlagensteuerung ermöglichen.

Verpackungen, Windeln, Kleidung – unser Abfall besteht aus unzähligen und sehr verschiedenen Gegenständen. Beim Verbrennen dieser Materialien wird je nach verarbeiteten Materialien unterschiedlich viel Wärme frei. In einem Abfallverbrennungskraftwerk der EEW Energy from Waste GmbH analysieren Wissenschaftlerinnen und Wissenschaftler aus Hannover mithilfe von Data Mining- und Machine Learning-Methoden die Abfallverbrennung.

„Mit unserem Machine Learning-Ansatz in Verbindung mit einer Bilderkennung des Abfalls versuchen wir die Vorhersage der Brenneigenschaften zu ermöglichen, um die Steuerung des Verbrennungsprozesses zu optimieren und somit dafür zu sorgen, dass die Abfallverbrennung in Zukunft noch ökonomischer und ökologischer erfolgt“, erklärt OFFIS-Projektleiterin Alexandra Pehlken. Die bisherigen Arbeiten der vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) geförderten Projekts Abfallverbrennungskessel 4.0 (AVKVIN) unterteilen sich in zwei Phasen.

Abfälle per Bilderkennung identifizieren

Im ersten Schritt wurde ein neuronales Netz mit über 14 Millionen Fotos von Produkten wie Bierflaschen, Autoreifen oder Plastiktüten in unterschiedlichen Formen trainiert. Es lernte, 1.000 verschiedene Objektklassen selbstständig zu erkennen. Dem vortrainierten neuronalen Netz gelang es schon in dieser Phase, in Abfallbildern einige Objekte korrekt zu erkennen. Für weiterführende Analysen ist es jedoch notwendig, auch solche Abfallbilder zu untersuchen, in denen die Objekte nicht mehr eindeutig erkennbar sind.

Im nächsten Schritt wurde das neuronale Netz daher mit Bildern aus einem Abfallverbrennungskraftwerk trainiert. Dort wurde eine Abfallmenge zwischen drei und sieben Tonnen regelmäßig durch einen Greifer in einen Trichter abgegeben. Von dort gelangte der Abfall in den Verbrennungsraum. Dieser Vorgang wurde kontinuierlich per Videokamera aufgezeichnet. Um einen Datensatz mit 10.000 Bildern zu erstellen, wurden 2.500 Stunden Videorohmaterial ausgewertet.

Das Ziel der Wissenschaftlerinnen und Wissenschaftler: Durch wiederholtes Analysieren und Trainieren des Datensatzes soll das neuronale Netz in der Lage sein, den Heizwert einzelner Abfallchargen anhand von Bildaufnahmen immer genauer vorherzusagen. Die Forschungsarbeiten dauern noch an, doch die ersten Ergebnisse sind vielversprechend, dass der Einsatz von KI-Methoden  neue technischen Möglichkeiten und Heizwertvorhersagen und so eine nachhaltigere Strom- und Wärmeerzeugung ermöglicht.