Kunststoffverarbeiter stehen zunehmend unter Druck, wenn es um die Erfüllung von Recyclingquoten geht. Gleichzeitig stellt der Markt kein ausreichendes Angebot an qualitätsgeprüften Materialine bereit.
Viele Recyclingunternehmen haben selbst nicht die Möglichkeit eigene Qualitätsprüfungen durchzuführen und geben ihr Material an externe Labore. Hierzu werden Zufallsstichproben kleiner Mengen der produzierten recycelten Charge in Granulatform zumeist in spezialisierten Labor-Offline-Methoden analysiert. Dies ist zeitaufwendig, kostspielig und riskant, denn nur eine geringe Menge Recyklatgranulat entscheidet darüber, ob große Chargen eines Materials für die geplante Verwendung überhaupt eingesetzt werden dürfen.
Nicht so im Projekt ReDigital. Die Wissenschaftlerinnen und Wissenschaftlern am IKK können zukünftig die Extrusion von Rezyklat kontinuierlich mit hochsensibler digitaler Echtzeitanalyse überwachen. Dadurch ist eine nahezu vollständige Betrachtung und KI-unterstützte Optimierung der Rezyklatqualität und -zusammensetzung während des laufenden Extrusionsprozesses möglich.
Dieses Verfahren schafft für Anwender mehr Sicherheit beim Einsatz recycelter Kunststoffe und gibt Grund zu der Annahme, dass damit die Akzeptanz dieser Materialien ebenso wie die Nachfrage nach ihnen steigt.
Hintergründe
Der Stand der Technik bei der Überwachung der Qualität und der chemischen Zusammensetzung von recycelten Kunststoffen besteht derzeit darin, nur eine kleine Menge der produzierten recycelten Charge in Granulatform zu entnehmen und diese anhand von Zufallsstichproben zu analysieren, oft mit manuellen, kostenintensiven, zeitaufwändigen und spezialisierten Labor-Offline-Methoden (z. B. Schmelzindexmessung (MFI) zur Charakterisierung des Fließverhaltens, Gaschromatographie-Massenspektrometrie (GC-MS), Fourier-Transformations-Infrarotspektroskopie (FTIR), Raman-Spektroskopie usw.). Je nach Methode variieren die Probenmengen von ca. 50 g bis in den µg-Bereich. Recyclingunternehmen (oft KMU) können sich dies intern nicht leisten und lassen Stichproben ihrer Rezyklate in der Regel von einem externen Labor zur Qualitätsfreigabe prüfen. Die Chargen werden dadurch erst nach Tagen oder Wochen freigegeben, und in der Zwischenzeit fallen Kosten für die Zwischenlagerung an.
Die Messergebnisse dieser extrem geringen Probenmengen werden zur Freigabe von mehreren zig Tonnen des Rezyklats verwendet. Dies wiederum birgt die Gefahr, dass die gemessenen kleinen Probenmengen für die Tonnen an freigegebenen Kunststoffrezyklaten mit einer sehr heterogenen Zusammensetzung der Inputströme nicht repräsentativ sind. Gleichzeitig, wenn die vorgegebenen Werte in den Stichproben nicht erfüllt werden, darf die gesamte Charge für den vorgesehenen Zweck nicht verwendet werden. Aufgrund dieser Risiken lehnen viele Anwender die Verwendung von recyceltem Kunststoff kategorisch ab. Der im Projekt verfolgte Ansatz zielt daher auf eine kontinuierliche Überwachung der Recycling-Extrusion mit hochsensibler digitaler Echtzeitanalyse ab und ermöglicht eine nahezu vollständige Analyse und KI-unterstützte Optimierung der Rezyklatqualität und -zusammensetzung während des laufenden Extrusionsprozesses.
Aus technischer Sicht werden vier verschiedene Inline-/Online-Analysemodule beschafft und an einer im IKK bereits bestehenden semi-industriellen Recycling-Extrusionslinie installiert, um die chemische Zusammensetzung der Kunststoffschmelze und der Gasphase gleichzeitig mit unterschiedlichen sich ergänzenden Messprinzipien zu bestimmen. Die von den verschiedenen Modulen generierten Daten werden gesammelt und in Kombination mit innovativen Verfahren aus den Bereichen der künstlichen Intelligenz (KI), des maschinellen Lernens (ML), der weiteren Regressionsmodellen sowie durch den Einsatz von Chemometrie zur direkten Analyse und Optimierung des laufenden Recycling-Extrusionsprozesses und Entwicklung von Vorhersagemodellen verwendet.
Projektausgaben: 1.170.000€
Laufzeit: 01.01.2026 – 31.12.2027
Kontakt
Dr. Madina Shamsuyeva
Telefon: +49 511 762 18345
E-Mail: shamsuyeva@ikk.uni-hannover.de
