Entsorgung : Das kann die KI im Müllfahrzeug

Für Christoph Pasching von Brantner Green Solutions aus Krems ist die smarte Mülltonne nur der erste Schritte in der Digitalisierung der Müllwirtschaft. „Wir gehen noch weiter“, unterstreicht Pasching im Podcastgespräch. Er verantwortet als Geschäftsführer die Prozesse von Brantner Digital Solutions - die Digitalisierungstochter des Konzerns. „Wir fahren die Müllautos, sortieren und recyclen den Müll.“ Über 2.500 Mitarbeitende hat das niederösterreichische Unternehmen. Pasching und sein Team wollen über die ganze Wertschöpfungskette die Chancen der Digitalisierung für das Unternehmen nutzen. „Der Abfall von heute, ist die Ressource von morgen und wir können dann noch mehr rausholen“, ist sich der ITler sicher. Die jüngste Entwicklung heißt Hawkeye, Falkenauge, und nutzt ein neuronales Netz für mehr Qualität in der Erdproduktion.

Schulnote für den Biomüll

„Unser Falkenauge schaut im Schüttbereich des Müllwagens genau auf den Biomüll und erkennt Störfstoffe wie Plastik, Blechdoesen, Bauschutt oder Barbiepuppen.“ Am Lkw haben die Entwickler ein Smartphone mit Kamera installiert. „Mit dem 3D-Drucker haben wir ein Schutzgehäuse produziert“, berichtet Pasching. Die Kamera macht Bilder von der Schüttung und ein neuronales Netz erkennt heute 32 verschiedene Störstoffe – im Rechenzentrum. „Wir können mittlerweile sogar unterscheiden, ob eine Katzenfutter- oder Limodose im Biomüll ist.“ Das System gibt jeder Schüttung abhängig vom Grad der Verunreinigung eine Schulnote. „Der Werker kann nicht eingreifen und soll es auch nicht. Das würde zu Verzögerungen führen.“ Das System berechnet im Laufe der Schicht eine Gesamtnote für den Inhalt des Müllfahrzeuges und entscheidet dann, ob der Müll direkt ins Kompostierwerk fahren darf (Note 1) oder zur Verbrennungsanlage muss (Note 5). „Der Lkw wird dann live umgeroutet.“

Fuhren im Bereich 2 bis 4 werden nachbearbeitet beispielsweise durch Rüttelsiebe. „Die Bewertung ist nicht immer leicht“, erklärt Pasching. Die Anwendung muss auch den Grad der Verunreinigung berücksichtigen. „Sind es 10 PET-Flaschen oder eine Autobatterie. Das macht einen großen Unterschied.“

Nachts wird trainiert

Die Herausforderung in dem Projekt: „Wir haben nie perfekte Zustände unserer Störstoffe.“ Deshalb schied eine reine Computer Vision aus. „In den Mülltonnen sind kaputte Flaschen oder nur Deckel.“ Das Team braucht 17 bis 100 Bilder pro Objekt für das Training des neuronalen Netzes. Die Erkennungsgenauigkeit liegt bei 70 Prozent, „aber wir wollen noch weiter hoch“, versichert der Projektleiter. In der Nacht trainiert das System neue Stoffe und überträgt das Gelernte auf neue Fotos. „Meine Kolleginnen und Kollegen geben dem Netz nur noch die Hinweise, ob es richtig oder falsch lag.“

Das Hawkeye im Handy kann auch offline operieren und die Bilder an einem späteren Zeitpunkt in die Cloud senden. „Ein Handy reicht uns. Wir haben mehrere Kameras und einen leistungsstarken Prozessor.“ Industriekameras hätten oft einen starren Fokus, heißt es bei Brantner. Die Anwendung muss darüber hinaus mit sich immer wieder an verändernde Verhältnisse anpassen. „Wir haben mal direkte Sonneneinstrahlung oder Dunkelheit, wenn die Kolleginnen und Kollegen morgens um 5 Uhr ausrücken.“

Interesse aus der Industrie

„In der Vergangenheit wusste wir nie, wie gut die Tour war. Der Anteil von Störstoffen war höher“, berichtet Pasching. Die Erde gewinnt an Qualität. Er und sein Team optimieren aber nicht nur die Erdproduktion. Gleichzeitig können die Verantwortlichen auch errechnen, wie viele Wertstoffe noch in einer Fuhre noch vorhanden sind. „Und das Bauchgefühl gehört der Vergangenheit an.“ Von der Idee bis zu den ersten Prototypen brauchten die Entwickler nur sechse Wochen und denken schon an weitere Geschäftsmodelle. Das trainierte Modell könnte an andere Unternehmen verkauft werden. Doch Pasching will nicht nur die Müllwirtschaft verändern. Auch in der Industrie sieht er das Hawkeye. „Bei der Qualitätsprüfung von Flaschenrohlingen setzen wir das System schon ein.“ Verschmutzte Flaschenrohlinge platzen in der Maschine und verunreinigen sie. Der Prozess steht. „Wenn das oft vorkommt, steht die Maschine den ganzen Tag. Wir können die Rohlinge vorher überprüfen und schleusen die verschmutzten Produkte in Echtzeit aus.“