WERTIS-KI – Entwicklung einer KI-gestützten App zur Verringerung von Fehlwürfen im Siedlungsabfall

WERTIS-KI – Development of an AI-supported application to reduce mis-throwing in municipal waste

• M.A. Lisa Klatt
• Olaf Eckardt
• Prof. Dr.-Ing. Max Ehleben

Die Weiter- und Wiederverwendung von Abfallstoffen spielt eine Schlüsselrolle bei der Einsparung natürlicher Ressourcen. Um die Kreislaufwirtschaft zu fördern, müssen alle Prozesse entlang der Wertschöpfungskette berücksichtigt werden. Effektives Sammeln und Sortieren von Altprodukten und Verpackungen sind entscheidende Voraussetzungen, um hohe Recyclingquoten zu erreichen, den Energieverbrauch zu minimieren und Materialverluste zu verringern. Damit kann zudem auch ein Beitrag zur Reduzierung der CO₂ Emissionen geleistet werden. Ein erheblicher Teil der Post-Consumer-Abfälle wird jedoch von den Verbrauchern nicht ordnungsgemäß in die etablierten Abfallwirtschaftssysteme zurückgeführt. Um dieser Herausforderung zu begegnen, können die jüngsten Entwicklungen in der KI-basierten Objekterkennung die Bürgerinnen und Bürger in Form einer mobilen App unterstützen. Diese Art von App kann den Nutzenden bei der Identifizierung von Gegenständen helfen und die effektivsten lokalen Recyclingwege vorschlagen, um die Abfalltrennung nach der Art des Abfalls zu erleichtern. Um diese Potenziale zu heben, wird ein Ansatz vorgestellt, der zwei Apps kombiniert: eine für Verbraucherinnen und Verbraucher zur Optimierung von Recyclingrouten und eine zweite App zur Sammlung von Daten für das Training der KI-Modelle. Basierend auf einem neu entwickelten Klassifizierungssystem wurden Daten gesammelt, die für das KI-Training geeignet sind, um die Wirksamkeit des Systems zu gewährleisten. Zukünftig kann diese Anwendung dazu beitragen, die Materialströme in den Haushalten in definierte Recyclingpfade zu lenken. Auf diese Weise kann die Anwendung die Kreislaufwirtschaft in Europa stärken und einen wertvollen Beitrag zum Umweltschutz leisten.

The recycling of waste materials plays a key role in conserving natural resources. To promote material circularity, it is necessary to consider all processes along the value chain, from raw material extraction to waste management and processing. Effective collection and sorting of end-of-life products and packaging are crucial prerequisites to achieve high recycling rates, minimize energy consumption and reduce material losses. By this way the emission of CO₂ can be reduced. However, a significant proportion of post-consumer waste is not properly returned to established waste management systems by consumers. To address this challenge, recent developments in AI-based object recognition can support citizens in the form of a mobile app. This type of application can assist users in identifying items and suggests the most effective local recycling pathways to facilitate waste separation by type. To raise these potentials, a framework is presented that combines two apps: one for consumers to optimize recycling routes and a second app for collecting data to train the AI models. A novel classification system was created, and data suitable for AI training were collected to ensure the effectiveness of the system. In future, this application can contribute to directing household material flows into specific recycling pathways. In this way, the application can strengthen the circular economy in Europe and support environmental protection efforts.