visIT Technologien für Nachhaltigkeit Lebensmittelproduktion, Recycling, resiliente Wassersysteme und Energieversorgung www.iosb.fraunhofer.de ISSN 1616-8240

Editorial Editorial Liebe Freunde des Fraunhofer IOSB, Bedürfnisse der Gegenwart so zu befriedigen, dass die Möglichkeiten zukünftiger Generationen nicht eingeschränkt werden – so definiert das Bundesministerium für wirtschaftliche Zusammen- arbeit und Entwicklung den heute allgegenwärtigen Nachhaltigkeitsbegriff. Die Bedeutung nach- haltigen Handelns und Wirtschaftens ist in der Breite der Gesellschaft angekommen, jüngste Entwicklungen und Krisen heben die Notwendigkeit weiterer Maßnahmen jedoch hervor. Die Klimakrise mit all ihren Konsequenzen, vermehrte Ressourcenknappheit und globale Konflikte sind nur wenige Beispiele, die dies untermauern. Mit den 17 Nachhaltigkeitszielen der 2030-Agenda haben die Vereinten Nationen einen program- matischen Rahmen zur Verwirklichung einer weltweiten nachhaltigen Gesellschaft geschaffen. Technische Innovationen spielen dabei eine Schlüsselrolle: Sie helfen, Ressourcen effizienter zu nutzen, den Energiebedarf zu reduzieren, Kreislaufwirtschaften zu etablieren und umwelt- freundliche Alternativen zu entwickeln. Das Fraunhofer IOSB forscht seit vielen Jahren an Tech- nologien, die für die Erreichung der Nachhaltigkeitsziele eine Schlüsselrolle spielen – in den Bereichen Lebensmittelproduktion und Landwirtschaft, Recycling und sichere Materialversorgung, resiliente Wassersysteme und Energieversorgung. In diesem Sinne widmet sich dieses Heft unserem Beitrag zu Technologien für Nachhaltigkeit. In einem Gastbeitrag erläutert Christoph Hilgers die Potenziale des Einsatzes von Hyperspectral Imaging für den effizienten und ressourcenschonenden Bergbau. Paul Bäcker, Felix Kronenwett, Lukas Roming und Henning Schulte zeigen auf, wie Machine-Vision-Systeme unter Einsatz von KI-Verfahren aktuelle Herausforderungen beim Recycling von Bauschutt, Kunststoff, Elektro- geräten und Sperrmüll lösen helfen. Anna Taphorn, Pascal Gauweiler und Felix Kronenwett erläutern, wie sich diese Technologien für die Lebensmittelproduktion von morgen einsetzen lassen. Thomas Rauschenbach beschreibt die Entwicklung hierarchischer Kontrollstrukturen für effektive und nachhaltige Aquaponiksysteme. Stefan Klaiber widmet sich der Effizienzsteigerung eines Wärmenetzbetriebes. Zur besseren Einordnung sind alle Beiträge mit den Logos der entsprechenden UN-Nachhaltig- keitsziele versehen. Prof. Dr.-Ing. habil. Jürgen Beyerer Dr.-Ing. Georg Maier »Technologien für Nachhaltigkeit« sind ein zukunftsweisendes Thema, das uns in den nächsten Jahren verstärkt begleiten wird. Dr.-Ing. Robin Gruna Wir wünschen viel Freude und Anregungen bei der Lektüre unseres Heftes! Fraunhofer IOSB, im März 2024 Prof. Dr.-Ing. habil. Jürgen Beyerer Dr.-Ing. Georg Maier Dr.-Ing. Robin Gruna 3

Technologien für Nachhaltigkeit s r e g l i H . C © Abb. 2: Die Gewinnung von Baustoffen in einer Lagerstätte mit unterschiedlichen Rohstoffqualitäten. Wellen mit dem Gestein. Ein Vorteil der hyperspektralen Me- thode ist beispielsweise die Skalierung von der Satellitenbe- obachtung bis in den mikroskopischen Bereich, die räumliche Zuordnung des gesuchten Minerals und die einfache, kontakt- freie Identifikation von Mineralen in Gesteinen ohne aufwendige Analyse. Studien zeigen die ersten erfolgreichen Aufsuchungen von La- gerstätten durch Auswertung satelliten- und drohnenbasierter, hyperspektraler Fernerkundung (z.B. [5], [6]) (siehe Abb. 1). Auch in einer Lagerstätte mit unterschiedlichen Rohstoffquali- täten (Abb. 2) oder in einem einzelnen Gesteinsstück kann die Verteilung der Minerale identifiziert und kartiert werden [7]. Die Minerale können durch charakteristische Spektralmerkmale von Absorption und Peaks im sehr nahen Infrarot (VNIR – very near infrared, 400–1100 nm für Metalle wie Eisen-, Mangan-, Seltenerd-Erze und andere), im kurzwelligen Licht (SWIR – short wavelength infrared, 1100–2500 nm für Tonminerale, Karbonate) sowie im mittleren und thermischen Infrarot (TIR, 8000–14 000 nm für Silikate) identifiziert werden [4]. Die hyperspektrale Bildgebung (HSI – hyperspectral imaging) ist allerdings noch teuer, zeitaufwendig und die spektralen Kurven variieren u. a. mit dem Mineralanteil im Gestein und der räum- lichen Auflösung [6, 7]. 1 UN, World population prospects 2022 (2022), (medium fertility rate), https://population.un.org/wpp/Download/Standard/MostUsed/. 2 UN, Ziele für nachhaltige Entwicklung (2023), https://www.un.org/Depts/german/millennium/SDG%20Bericht%202023.pdf. 3 OECD, Global Material Resources Outlook to 2060 (2019), https://www.oecd-ilibrary.org/docserver/9789264307452-en.pdf?expires=1706467794&id=id& accname=ocid43023314&checksum=54E7675E4062CB7026EE00CAD9E44085. 4 Geoscience Australia, Spectral Geology (2023), https://www.ga.gov.au/scientific-topics/disciplines/spectral-geology 5 Booysen, R.; Jackisch, R.; Lorenz, S.; Zimmermann, R.; Kirsch, M.; Nex, P. A. M. & Gloaguen, R., Detection of REEs with lightweight UAV-based hyperspectral imaging. Scientific Reports 10(1) (2020). https://doi.org/10.1038/s41598-020-74422-0. 6 Wan, Yq.; Fan, Yh. & Jin, Ms., Application of hyperspectral remote sensing for supplementary investigation of polymetallic deposits in Huaniushan ore region, northwestern China. Scientific Reports 11, 440 (2021). https://doi.org/10.1038/s41598-020-79864-0. 7 Manß, Y.; Hilgers, C.; Buddenbaum, H. & Stanjek, H., Visualising mineralogical heterogeneities and texture in a mudstone concretion using hyperspectral ima- ging (2017). https://doi.org/10.1127/zdgg/2017/0118. 5

Technologien für Nachhaltigkeit Abb. 2: Messaufbau zur Untersuchung von Bauschuttproben mittels hyperspektralen Kameras im Visible and Near-Infrared (VNIR) und Short-Wave Infrared (SWIR) Bereich. Ausgehend von Laboruntersuchungen wird am Fraunhofer IOSB ein miniaturisierter Hand- sensor entwickelt, der eine kosten-günstige Alternative zu teuren High-End-Spektrometern darstellt und flexibel auf Abbruchbaustellen eingesetzt werden kann. Darüber hinaus wird ein bildgebendes Verfah- ren entwickelt, das die spezifischen optischen Eigenschaften von Asbestfasern nutzt, um diese durch intelligente Datenauswertung mit hohem Durchsatz zu erkennen. Schadstofferkennung im Straßenaufbruch Ein weiteres Feld ist das Recycling von Straßen- aufbruch, der bis in die 1980er Jahre oft Teer als Bindemittel enthielt. Dieser enthält giftige Kohlenwasserstoffverbindungen. Im Projekt »InnoTeer« wird am Fraunhofer IOSB ein Ver- fahren entwickelt, das mit einer Hyperspektral- kamera im mittleren Infrarotbereich (2700 nm bis 5300 nm) teerhaltige Materialien identi- fiziert. Eine besondere Herausforderung ist dabei die Heterogenität des Straßenaufbruchs, der je nach Beschaffenheit unterschiedliche Beimischungen enthalten kann. Ein speziell trainiertes neuronales Netz ist in der Lage, trotz dieser Störeinflüsse zwischen den spektralen Verläufen von Teer, Bitumen und bindemittel- freier Mineralik zu unterscheiden. Durch die pixelweise Auswertung der Hyperspektraldaten kann eine Teerkontamination zuverlässig fest- gestellt werden (Abb. 1). Diese Methode er- kennt in über 95 Prozent der Fälle Teer korrekt, sogar bei partiellen Anhaftungen. Die Integra- tion dieser Technologie in Sortiersysteme soll zukünftig die Menge an recyclebarem, unbe- lastetem Straßenaufbruch erhöhen und somit Ressourcen schonen. Im Rahmen des Projektes wird zudem untersucht, ob die bei der Sortier- ung gewonnenen Daten auch in weiteren Pro- zessschritten genutzt werden können, z. B. bei der Dekontamination der teerhaltigen Anteile mittels eines neuartigen Pyrolyseverfahrens (Fraunhofer UMSICHT) oder der Gewinnung neuer Recyclingbaustoffe (Fraunhofer IBP). Weitere Informationen zu InnoTeer finden Sie auf der Webseite www.iosb.fraunhofer.de/ innoteer. Fast Facts 1. Sensorgestürzte Sor- tierung von Bauschutt ermöglicht sortenreines Recycling. 2. Bildgebende Sensorik detektiert Asbest in Bauabfällen. 3. Teer-Detektion per Hyperspektralkamera eröffnet Weg zu höherer Recyclingquote von Straßenaufbruch. 7

Abb. 1: Links oben: Hyperspektralaufnahme von Leichtverpackungsabfällen, dargestellt in Falsch- farben. Rechts oben: Mittelwertspektren aus den Hyperspektral-Bildern verschiedener Kunststof- fe. Links unten: RGB-Bild der Proben. Rechts unten: Klassifikationsergebnis des KI-Modells. K3I-Cycling Um den Lebenszyklus von Verpackungen zu verlängern, werden im Projekt »K3I-Cycling« die Stellschrauben entlang der gesamten Wertschöpfungskette betrachtet. Dabei wird der Weg einer Verpackung vom Verbraucher, über den Sammler, die Sortierung, die chemische Aufbereitung bis hin zum Rezyklat und neuen Produkt untersucht. Zu diesem Zweck ent- wickelt »K3I-Cycling« mittels eines Artificial Neural Twin eine neue, offene und standar- disierbare KI-Schnittstelle. Diese soll sektor- übergreifend relevante Informationen im Sinne eines Leichtverpackungs-Produktpasses1 sam- meln. Dadurch wird erstmals die digitale Ver- netzung aller Stakeholder entlang der Wert- schöpfungskette ermöglicht. Eine kritische Stelle der Wertschöpfungskette, an der großes Verbesserungspotenzial besteht, liegt in der Sortierung. Deshalb entwickelt das Fraunhofer IOSB KI-Verfahren, die eine bessere Sortierqualität erzielen. Für das Einlernen einer KI ist ein umfangreicher Datensatz unabding- bar. Dieser konnte bei dem Entsorger Lobbe Holding GmbH & Co KG in der Sortieranlage in Iserlohn aufgenommen werden. Insgesamt wurden zwei Kameras installiert: eine konven- tionelle Kamera im visuellen Bereich sowie eine Hyperspektralkamera im Nahinfrarot-Bereich. Im Gegensatz zu einer RGB-Kamera, die nur drei Kanäle besitzt, liefert die verwendete Hyperspektralkamera mehrere hundert Kanäle im Bereich von 900 bis 1700 Nanometer. Eine Aufnahme dieser Kamera ist in Abb. 1 links oben in Falschfarben zu sehen. Jeder Pixel ent- hält ein materialspezifisches Spektrum, das mithilfe von KI-Verfahren klassifiziert werden kann. Die aus den Aufnahmen ermittelten Spektren sind rechts oben für die Kunst- stoffe PE, PS, PET und PP dargestellt. Trotz der Varianzen innerhalb einer Stoffklasse (dargestellt als Schlauch um jedes Spektrum) lässt sich ein klarer Trend mit charakteristi- schen Hoch- und Tiefpunkten im Spektrum erkennen. Verschiedene KI-Modelle wurden dazu trainiert, auf Basis eines gemessenen Spektrums das Material des Abfallprodukts zu bestimmen. Das Ergebnis eines linearen Regressionsmodells ist rechts unten in Abb.1 visualisiert. Die vier dargestellten Objekte wurden richtig klassifiziert, wobei sogar der Deckel der Getränkeflasche korrekterweise als PE (Polyethylen) erkannt wurde. 1 Der digitale Produktpass ist ein Datensatz zur Beschreibung der Komponenten, Materialien und chemischen Substanzen für ein Produkt. 2 F. Kronenwett et al., »Regression-based Age Prediction of Plastic Waste using Hyperspectral Imaging«, in OCM 2023-Optical Characterization of Materials: Conference Proceedings, KIT Scientific Publishing, 2023, S. 51. 9

Technologien für Nachhaltigkeit das Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM). Damit konnten Sensordaten verschiedenster Proben aus dem Sperrmüll aufgenommen werden. Anschließend folgte die Nachbearbeitung der Daten. Insbesondere ist für das Terahertz-System eine Rekonstruktion von 3D-Volumen-Daten auf Basis der gemessenen Signale erforderlich. Während die RGB- und NIR-Hyperspektralkamera oberflächlich messen, ist der Terahertz-Sensor in der Lage, durch das Material hindurchzu- schauen. Das ist aufgrund der größeren Wellenlänge der elekt- romagnetischen Strahlung möglich. Aus selbigem Grund kann auch die Thermographiekamera teilweise durch dünne Schichten, wie Lacke, Folien oder Papier, hindurchblicken [4]. Analyse der Messergebnisse Ein Auszug aus den Aufnahmen ist in Abbildung 2 zu sehen. In der linken Spalte befinden sich alte, lackierte Fensterkanteln. Das zugehörige RGB-Bild zeigt die Farbe und Oberfläche des Lackes, lässt jedoch die Holzstruktur nicht erkennen. Das gleiche gilt für das Nahinfrarot-(NIR-)Bild, das weniger von der Farbe des Lackes beeinflusst wird. Die Thermographie-Aufnahme zeigt die Holz- textur mit ihrem charakteristischen Jahresringmuster unter dem Lack, sodass diese Probe mithilfe von Thermographie eindeutig als Holz identifiziert werden kann. Spalte 2 zeigt ein häufiges Problem bei der Sortierung von schwarzen Polymeren. Diese können mit herkömmlichen Sen- soren aufgrund der hohen Absorption von schwarzen Pigmenten im NIR- oder sichtbaren Wellenlängenbereich nicht detektiert werden. Die roten Gummimatten sind im RGB-Bild deutlich sichtbar, während die schwarzen auf dem Hintergrund des schwarzen Probenhalters kaum erkennbar sind. Das gilt auch für das NIR-Bild. In der Thermographie hingegen haben so- wohl roter als auch schwarzer Gummi ein deutlich besseres Signal und können daher leicht vom Hintergrund unterschie- den werden. Spalten 3 und 4 zeigen Schaumstoff bzw. Metall auf Holzhack- schnitzel. Schaumstoff und Metall lassen sich in nahezu allen Bildern von Holzhackschnitzel unterscheiden. In der Thermo- graphie erscheint Metall dunkler als Holz, da es die Strahlung vom Heizstrahler weniger absorbiert und eine höhere Wärme- Abb. 2: Aufnahmen der Sensoren verschiedener Sperrmüll- proben. In einer Zeile sind die Aufnahmen eines Sensors. In den Spalten befinden sich beginnend von links: Fensterkantel, Kunststoffmatten, Schaumstoff auf Holzhackschnitzel und Metall auf Holzhackschnitzel. kapazität sowie einen geringeren Emissionsgrad als Holz auf- weist. Im Gegensatz dazu erscheint Schaumstoff aufgrund seiner geringen Wärmekapazität sehr hell. Es lässt sich festhalten, dass die verschiedenen Sensoren sich in ihrer Fähigkeit, spezifische Merkmale von Sperrmüll zu erfassen, ergänzen. Durch Kombination der Sensoren kann eine präzisere Identifizierung und Sortierung von Altholz in Sperrmüll erzielt werden. Dies trägt zur Steigerung der Wiederverwertung von Altholz bei und reduziert den Anteil, der in die Verbrennung gelangt und die damit einhergehenden CO2-Emissionen [4]. 1 A. Purkus et al. »Evaluation der Charta für Holz 2.0: Methodische Grundlagen und Evaluationskonzept«, No. 68, Thünen Report, 2019. 2 G. Ludwig, E. Gawel und N. Pannicke-Prochnow. »Altholz in der Kaskadennutzung – eine Bestandsaufnahme für Deutschland«, Wasser, Energie und Umwelt: Aktuelle Beiträge aus der Zeitschrift Wasser und Abfall II, Springer Fachmedien Wiesbaden, 2022. 3 B. Bilitewski, J. Wagner und J. Reichenbach, »Bewährte Verfahren zur kommunalen Abfallbewirtschaftung. Informationssammlung über Ansätze zur nachhalti- gen Gestaltung der kommunalen Abfallbewirtschaftung und dafür geeignete Technologien und Ausrüstungen«, Umweltbundesamt, Dessau-Roßlau, 2018. 4 L. Roming et al., »Increasing the reuse of wood in bulky waste using artificial intelligence and imaging in the VIS, IR, and terahertz ranges«, OCM 2023 – Optical Characterization of Materials: Conference Proceedings, 2023. 11

Technologien für Nachhaltigkeit Signalverarbeitung Sensorielle Erfassung: Hyperspektrale Kamera Pixelweise Klassifikation mittels neuronalen Netzes Abb. 2: PA-belastete Pflanzenpartikel (gelb) werden mittels KI-basierter hyperspektraler Bildverarbeitung detektiert. Sortierfraktionen wurde im Labor der PA-Ge- halt ermittelt, um den Sortiererfolg zu bewer- ten. Die in den Sortierversuchen betrachteten Szenarien mit einem hohen Kontaminations- anteil von fünf Prozent bzw. zehn Prozent PA- Bildnern führten zu einer durchschnittlichen Reduktion der PA-Belastung der aufgereinig- ten Fraktion um ca. 70 Prozent. Dies deutet darauf hin, dass für eine grenzwertkonforme Aufreinigung mehrere Sortierdurchläufe not- wendig sind. Unter der Annahme gleichbleiben- der Trennschärfe würde so bereits durch drei Sortierdurchläufe eine Reduktion der PA-Belas- tung von über 99 Prozent erreicht werden. Fast Facts 1. Hyperspektrale Bildge- bung liefert informations- tragende Merkmale über Pflanzen. 2. KI-basierte, echtzeit- fähige Datenauswer- tung ermöglicht die Detektion PA-haltiger Beikräuter. 3. Sensorgestützte Sortie- rung führt zu Reduktion der PA-Belastung. guration des Sortiersystems wird entschieden, ob ein Partikel ausgeschleust werden soll. Es konnte gezeigt werden, dass mittels HSI im kurz- welligen Infrarot in Kombination mit Verfahren des Deep Learning die Unterscheidung der un- tersuchten Pflanzenarten möglich ist. Für die betrachteten Kulturen wurden für unter Labor- bedingungen gewonnene Daten Detektions- raten von nahezu 100 Prozent erzielt [2, 3]. Diese Art von Sensorik eignet sich für den Ein- satz in der sensorgestützten Sortierung. Somit konnte gezeigt werden, dass es möglich ist, eine Sortierlösung zur Abtrennung von PA-haltigen Pflanzenbestandteilen aus Kulturpflanzenchar- gen unter Verwendung dieser Technologie zu entwickeln. Aufreinigung von kontaminiertem Material Die KI-basierte Auswertung wurde in ein pro- totypisches Sortiersystem integriert. Es wurden Sortierversuche für verschiedene Nutzpflanzen mit unterschiedlichen Anteilen an PA-Konta- mination durchgeführt. Für die so entstandenen 1 N. Tron et al., »NIRS basierte Detektion und Entfernung Pyrrolizidinalkaloid-haltiger Unkräuter aus Kulturpflanzen nach der Ernte-PA-NIRSort«, in Journal of Cultivated Plants/Journal für Kulturpflanzen, 72.4, 2020. 2 J. Krause et al., »Detection of pyrrolizidine alkaloid containing herbs using hyperspectral imaging in the short-wave infrared«, OCM 2021 – Optical Characteriza- tion of Materials conference proceedings, 2021. 3 F. Kronenwett et al., »KI und Qualität-Detektion und Entfernung Pyrrolizidinalkaloid-haltiger Beikräuter im Erntegut mittels sensorgestützter Sortierung«, Julius- Kühn-Archiv 476, 2023. Das Verbundprojekt »Detektion und Entfernung von Pyrrolizidinalkaloid-haltigen Unkräutern aus Kulturpflanzen nach der Ernte – PA-NIRSort« wurde aufgrund eines Beschlusses des Deutschen Bundestages über das Bundesministerium für Ernährung und Landwirtschaft (BMEL) und über die Fachagentur für Nachwachsende Rohstoffe e. V. (FNR) (FKZ 220132165) gefördert. 13

Abb. 2: Das multisensorische Messsystem erfasst Obst und Gemüse kistenweise und zeigt anschließend eine KI-basierte Auswertung an. Fast Facts 1. Effizientere Planung im Handel reduziert Verschwendung. 2. NIR ermöglicht zerstö- rungsfreie Analyse von Lebensmitteln. 3. Sensordatenfusion entlang der Liefer- kette verbessert Haltbarkeitsprognose. zum Einsatz. Durch die konstanten Bedingung- en bei der Erfassung werden die Daten stan- dardisiert und vergleichbar. Die digitalisierten Parameter ergeben somit ein Gesamtbild, durch das sich umfassende Analysen und Progno- sen ableiten lassen. Prognosen über die verbleibende Haltbarkeit der Lebensmittel zu treffen. Dafür wurden in dem Projekt umfassende Lagerversuche bei unterschiedlichen Umgebungsbedingungen durchgeführt und Prognosemodelle für die Haltbarkeit entwickelt. Durch die Erfassung von Echtwelt-Daten im Großhandel-Betrieb konnten maschinelle Lern- verfahren trainiert werden und erlauben so eine hohe Flexibilität der integrierten Sensor- auswertung. Datenfusion im Projekt »FriDa – Frische Daten« Im Rahmen des Projekts »FriDa – Frische Daten« wurde mit Beteiligung des Fraunhofer IOSB ein hyperspektraler Bilddatensatz von frischen Lebensmitteln aufgenommen. Die Auswertung der Daten hat gezeigt, dass es möglich ist, den aktuellen Frischezustand der Lebensmittel mithilfe von Hyperspektral- kameras automatisiert und zerstörungsfrei zu bestimmen. Außerdem ist es möglich, In der Praxis sind die Produkte oft unterschied- lichen Umgebungsbedingungen entlang der Lieferkette ausgesetzt, ein Transport unter Ide- albedingungen ist nicht garantiert. Um diese Schwankungen zu berücksichtigen, haben die Projektbeteiligten einzelne Lebensmittel- transportbehälter mit integrierten Tempera- tur- und Feuchtigkeitssensoren ausgestattet (Abbildung 1). Mithilfe der Temperatur- und Feuchtigkeitsdaten können die Haltbarkeitspro- gnosen in Echtzeit angepasst werden. Diese Technologien können den Informationsfluss entlang der Lebensmittellieferkette verbessern und ermöglichen es allen Akteuren, bessere, datenbasierte Entscheidungen zu treffen, um so Lebensmittelverluste zu vermeiden. 1 Ein Projekt von Fraunhofer IOSB, IZFP, IVV, CCIT und FOOD sowie Industrie-Partnern. »FriDa – Frische Daten« ist ein Projekt mit Beteiligung von Fraunhofer IOSB, tsenso GmbH, Euro Pool System Int. (Deutschland) GmbH, Institut für angewandte Systemtechnik Bremen GmbH und Universität Bonn. Die Förderung des Vorhabens erfolgt aus Mitteln des Bundesministeriums für Ernährung und Landwirtschaft (BMEL) aufgrund eines Beschlusses des deutschen Bundestages. Die Projektträgerschaft erfolgt über die Bundesanstalt für Landwirtschaft und Ernährung (BLE) im Rahmen des Programms zur Innovationsförderung. 15

Technologien für Nachhaltigkeit Demontage PCB aus Elektrogerät Stufe 1 Ident-Klasse Stufe 2 Einzelelemente mit Wertzuordnung Stufe 3 Bedarfsorientierte Weiterverarbeitung / Aufkonzentration Wertstoff-Rcycling Verarbeitung / Verwertung mit Ziel: Wiedergewinnung Thermische Verwertung ...als letzte Option Marktplatz / Materialbörse für Preisfindung »Material-Erwartung« je Klasse Technologieansatz Verwertung: Anreicherung Fraktion mit Fokus Zielmaterial Hinzunahme externer, (agiler) Informationen l « g a h c s u z o k Ö » t i m l e d n a H i r e b e r t s f r a d e B Abb. 1: Prinzip-Bild Recycling in der Zukunft. artige KI-unterstützte Sensoren und Sensor- kombinationen vielversprechende Perspektiven für die Zukunft. Durch die Kombination verschiedener Sensortechnologien, z. B. klassische kamerabasierte Objekterkennung zusammen mit 3D-Daten, kann die Unterscheidung von Elektronikbau- teilen verbessert werden. Denn das Aussehen und die räum- liche Information werden so kombiniert. Gleiches gilt, wenn Text-Informationen auf dem Gehäuse von Elektronikbauteilen miteinbezogen werden, um bessere Sortierentscheidungen zu treffen. Neben dem Separieren von mehr oder weniger homogenen Objekten im Stoffstrom nach vorher festgelegten physikali- schen Parametern gibt es einen anderen Ansatz: die gezielte Bildung von Fraktionen basierend auf Aspekten wie ihrem Wert oder dem Anteil einzelner Bestandteile. Wenn es möglich ist, Bauteile mit gleichen oder ähnlichen Wert- / Materialklassen zu identifizieren, kann eine strukturierte Separierung erfolgen, bei der Fraktionen mit erhöhten Anteilen bestimmter Materia- lien entstehen. Diese Fraktionen können dann gezielter in für bestimmte Metallkombinationen vorgesehene Recyclingrouten gegeben werden, sodass die Rückgewinnungsrate einzelner Metalle erhöht wird. Herausforderung für die Zukunft Das nachhaltige Metallmanagement der Zukunft sollte kreislauf- orientiert sein und alle Phasen des Lebenszyklus umfassen: von der Extraktion über die Herstellung und das Produktdesign über die Nutzung bis hin zum Recycling. Ein produktzentrierter An- satz ist wichtig, um die Mischung von Materialien in Produkt- architekturen und Schredderstoffströmen zu berücksichtigen. Denn die Qualität der Materialien sinkt im Mischungszustand. Das Ziel ist es, die Exergie des Metallsystems auf einem hohen Niveau zu halten, da dies die Arbeitsfähigkeit des Systems be- einflusst. Mit jeder Bearbeitung des Materials im Rahmen des Recyclingprozesses sinkt jedoch die Exergie. [4] 1 UNEP (2013) »Metal Recycling: Opportunities, Limits, Infrastructure., A Report of the Working Group on the Global Metal Flows to the International Resource Panel«,. Reuter, M. A.; Hudson, C.; van Schaik, A.; Heiskanen, K.; Meskers, C.; Hagelüken, C. 2 Studie EU: »Study on the critical raw materials for the EU 2023«, Fifth list 2023 of critical raw materials for the EU, 2023, verfügbar unter: https://op.europa.eu/ en/publication-detail/-/publication/57318397-fdd4-11ed-a05c-01aa75ed71a1. 3 Projektwebsite MetallKIDD, »Design eines zirkulären Metallmanagements mittels Metallstrategie und KI-Unterstützung für ein digitales Deutschland«, Wupper- tal Institut, 2021, verfügbar unter https://wupperinst.org/p/wi/p/s/pd/1951. 4 Neill, B. Cobos-Becerra, L., Mathies, F., Dagar, J., Unger, E., Froehling, M., Reuter, M. A., Schlatmann, R ., »Cost versus environment? Combined life cycle, tech- no-economic, and circularity assessment of silicon- and perovskite-based photovoltaic systems«, Journal of Industrial Ecology, 2023, verfügbar unter https://doi. org/10.1111/jiec.13389. 17

Technologien für Nachhaltigkeit Abb. 3: Mit dem VineyardViewer wird jede Pflanze zu jedem Zeitpunkt betrachtet und langfristig dokumentiert. Mit KI-Modellen können verschiedene Merkmale sichtbar gemacht und dem/der Winzer*in als Report ausgegeben werden. kann beispielsweise der Vordergrund vom Hintergrund leichter getrennt werden. Die gesamte Technik wurde für das Projekt auf ein Quad montiert, da dieses schmal genug ist, um durch die Reihen zu fahren und ohne Schu- lung bedienbar ist (siehe Abb. 2). Um die bei der Fahrt entstehenden Vibrationen zu redu- zieren, sind die Kameras an einem gedämpften Pendel montiert. Zur Energieversorgung dient eine Akkubox. Bedient wird das System wäh- rend der Fahrt mittels eines Tablets. VineyardViewer Nach der Datenaufnahme werden die Bilder dem VineyardViewer übergeben, einem Tool zur Datenverarbeitung. Dort werden automatisch die relevanten Bilder, auf denen eine Pflanze voll- ständig abgebildet ist, gespeichert und entsprech- end der Geoinformation identifiziert. Über die Benutzeroberfläche kann jede Rebe individuell ausgewählt und betrachtet werden, wie in Abbildung 3 zu sehen. So ist der Reifeverlauf das ganze Jahr über einsehbar und langfristig dokumentiert. In der Software sind verschiedene KI-Modelle für die Bildauswertung hinterlegt, durch die Mangelerscheinungen und Krankheiten erkannt werden. Die Ergebnisse können dem/der Win- zer*in als Report ausgegeben werden. Damit kann jeder Rebstock individuell behandelt wer- den und es wird Pflanzenschutz- und Dünge- mittel gespart. Außerdem können die Modelle auch ertragsrelevante Parameter ausgeben, wie die Anzahl der Triebe oder Traubencluster. Da- mit ist es möglich, schon im frühen Pflanzen- stadium den Ertrag zu schätzen, was eine frühzeitige Planung der Ressourcen bei der Genossenschaft oder Lagerung ermöglicht. Fast Facts 1. KI- basierte Bildauswer- tung für effizienteren Pflanzenschutz und Erntelogistik. 2. Automatisierter prozess mittels Multi- sensorplattform mit Datenbankanbindung. 3. Langfristige Dokumenta- tion des Pflanzenstatus. Die Förderung des Vorhabens erfolgt aus Mitteln des Bundesministeriums für Ernährung und Landwirtschaft (BMEL) aufgrund eines Beschlusses des deutschen Bundestages. Die Projektträgerschaft erfolgt über die Bundesanstalt für Landwirtschaft und Ernährung (BLE) im Rahmen des Programms zur Innovationsförderung. 19

Abb. 2: Hierarchische Steuerungsstruktur für effektives Management mit Fisch- und Pflanzenbeobachtermodulen Abb. 3: Softwarekomponenten, Beispielhaft Anomalieerkennung in Wasserqualität, Fisch- und Pflanzenwachstum zu halten. Je größer das System wird, desto komplexer werden das Gleichgewicht und die Effizienz des Nährstoffkreislaufs. Ganzheitlicher Managementansatz für Aquaponik-Systeme Für ein Aquaponik-System wird ein ganzheitlicher Management- ansatz benötigt, der die Interdependenz aller Elemente inner- halb des Systems berücksichtigt, einschließlich der Pflanzen, der Fische und der physischen Umgebung, in der diese existieren. Es wird eine hierarchische Managementstruktur (Abb. 2) zur Systemführung verfolgt, wobei die oberste Ebene für die Über- wachung des optimalen Ressourcenaustauschs zwischen Pflan- zen und Fischen sowie für das Management des allgemeinen Gleichgewichts von Nährstoffaustausch, Wasserqualität und Umweltbedingungen verantwortlich ist [4]. Die zweite Ebene konzentriert sich auf die Regulierung der einzelnen Systemkom- ponenten. auf ein mögliches Problem hinweist, das die Gesundheit der Fische beeinträchtigen könnte. Dies löst einen Alarm für den Systemmanager aus, der Korrekturmaßnahmen ergreifen kann, z. B. die Anpassung der Belüftung oder des Wasserflusses, um optimale Sauerstoffwerte für die Fische zu gewährleisten. Das Modell prognostiziert ein mögliches Nährstoffungleichgewicht, was negative Folgen auf das Pflanzenwachstum haben kann. Solche Frühwarnungen ermöglichen es dem Systemmanager, die Fütterung der Fische anzupassen oder eine zusätzliche Filterung zu installieren, um die Nährstoffwerte auszugleichen, bevor die Pflanzengesundheit beeinträchtigt wird. Durch die Analyse des Fischverhaltens und der Wasserqualitätsparame- ter erkennt das Modell außerdem frühzeitig Anzeichen eines möglichen Krankheitsausbruchs in der Fischpopulation. Diese Frühwarnung veranlasst den Systemmanager, eine gründliche Bewertung der Fischgesundheit durchzuführen und vorbeu- gende Maßnahmen zu ergreifen, um die Ausbreitung von Krankheiten innerhalb des Aquaponiksystems zu verhindern. Ergebnisse Abbildung 3 zeigt einen Teil der Softwareentwicklung. Als Ergebnis kann das integrierte Managementsystem Designemp- fehlungen für neue Aquaponiksysteme sowie Wachstumspro- gnosen für Pflanzen und Fische liefern. Das Frühwarnsystem erkennt einen Rückgang des gelösten Sauerstoffs oder einen Anstieg des ungebundenen Ammoniaks im Fischbecken, was Schlussfolgerungen Durch die Implementierung der hierarchischen Kontrollstruktur können Aquaponiksysteme sowohl auf Makro- als auch auf Mikroebene effektiv gemanagt werden. So wird sowohl ein sicherer Betrieb als auch die Nachhaltigkeit des Ökosystems gewährleistet und gleichzeitig auf die spezifischen Bedürfnisse der einzelnen Systemkomponenten eingegangen. 1 J. E. Rakocy et al., »Aquaponic production of tilapia and basil: comparing a batch and staggered cropping system«, Acta Horticulturae, 648, 2004, S. 63-69. 2 S. Goddek et al.,»Aquaponics and Global Food Challenges«,in Aquaponics Food Production Systems, Springer, Cham, 2019, S. 1–17. 3 D. Karimanzira, T. Rauschenbach»An intelligent management system for aquaponics«, in at – Automatisierungstechnik 69(4), 2021, S. 345–350, https://doi. org/10.1515/auto-2020-0036. 4 D. Karimanzira, T. Rauschenbach, »Crop Growth Observers Required to Reach Full Automation of a Greenhouse«, in Modern Concept Development in Agrono- my 8(4), MCDA. 000691, 2021, https://doi.org/10.31031/MCDA.2021.08.000691. 21

Abb. 2: Agentenbasierte optimale Einsatzplanung von Fernwärmenetzen Agentensystem als innovativer Betriebsführungsansatz Erforscht und entwickelt wird ein neuartiger agentenbasierter Ansatz für die optimale Betriebsführung sektorengekoppelter Energiesysteme mit Wärmenetzen (siehe Abb. 2). Hierzu wird zunächst der konkrete Anwendungsfall der Fernwärmeschiene Saar analysiert, indem historische Messdaten aufgezeichnet, vorhandene Simulations- und Optimierungsmodelle der Pro- jektpartner er-fasst und das grundsätzliche Flexibilitätspoten- zial des Anwendungsobjektes ermittelt werden. Im nächsten Schritt wird das zu entwickelnde Agentensystem für die Ein- satzplanung des Fernwärmenetzes im Querverbund konzipiert. Hierbei nutzen die Agenten elementare Funktionen, um das physikalische Verhalten des Wärmeversorgungssystems mathe- matisch zu modellieren. Für den konkreten Anwendungsfall sind ein Prognose-, Simulations-, Optimierungs- und Mess- wert-Agent geplant. Der Simulationsagent bildet das Fern- wärmenetz als physikinformiertes Simulationsmodell ab und quantifiziert die konkrete Dynamik des Netzes. Der Prognose- agent ist für die Vor-hersage der dynamischen Wärmeverbräu- che verantwortlich und erzeugt damit die Datengrundlage für den Simulationsagenten. Der Optimierungsagent beinhaltet das mathematische Modell für die Berechnung des optimalen Ein- satzes der Wärmeerzeuger unter Berücksichtigung der ermit- telten Wärmenetzdynamik und der Sektorenkopplungspoten- ziale. Für den Abruf von Messwerten aus Sensoren wird der Messwertagent realisiert. Für den Aufbau des Agentensystems werden bereits existierende Simulations- und Optimierungs- modelle genutzt und erweitert mit dem Ziel, bereits vorhande- ne Tools und deren Potenzial bestmöglich zu integrieren. Die Vor- und Nachteile des neuartigen agentenbasierten Ansatzes werden anhand eines Vergleichs mit den bisher genutzten Methoden zur Einsatzplanung am realen Anwendungsfall der Fernwärmeschiene Saar identifiziert. Bedeutung der Projektergebnisse für die Wärmewende Neben einer höheren Modellgenauigkeit verspricht der beschriebene Ansatz der agentenbasierten Modellierung auf wichtige Fragestellungen einzuzahlen, wie die Übertragbar- keit der Lösung auf neue Use Cases. Zudem lassen sich die Modelle sehr gut an neue Komponenten des zu optimieren- den Energiesystems (dezentrale Erzeugung, Nahwärmenetze, Technologieinnovationen) anpassen und erweitern. Der im Rahmen des Projektes erstellte Prototyp schafft die Basis für eine Implementierung der Lösung auch bei anderen Fernwär- menetzen, die von der Iqony (z. B. Fernwärmeschiene Ruhr) oder Dritten betrieben werden. Damit kann die zu entwickelnde Lösung einen wichtigen Beitrag zur Effizienzsteigerung des Wärmenetzbetriebes leisten – und damit zum Gelingen der Wärmewende. 1 M. Blesl, et al., »Transformation und Rolle der Wärmenetze«, Kopernikus-Projekt Ariadne, Potsdam, 2023, https://doi.org/10.48485/pik.2023.004. 2 Iqony Energies GmbH,https://www.fvs.de/de/kundeninformationen/einspeisung-versorgung (07.02.2024) 23