Waste4Future: Technologie zur vollständigen Verwertung von Kunststoffabfällen

Kunststoffrecycling next level!

Aktuell werden Kunststoffe unter dem Gesichtspunkt eines geschlossenen Rohstoffkreislaufs nur zu einem Bruchteil verwertet. Weite Anteile werden über den Weg der Verbrennung zur Energiegewinnung herangezogen. Dabei entstehen jedoch zwangsläufig CO2-Emissionen, die im Hinblick auf die klimatischen Auswirkungen künftig vermieden werden müssen, sowie generell eine Abkehr von einer fossilbasierten Energiegewinnung erfolgen muss.

Ziel ist eine Kreislaufführung des im Kunststoff enthaltenen Kohlenstoffs. Dies soll zum einen durch eine Optimierung des werkstofflichen Recyclings erreicht werden, in dem eine optimierte KI-gestützte Sortierungstechnologie zum Beispiel gezielt die wenig gealterten Kunststoffanteile abtrennt. Diese werden in einem nachgelagerten Compoundier-Schritt in hochwertiges Granulat zur Verwendung in der klassischen Kunststoffverarbeitung überführt. Zum anderen sollen für die Kunststoffanteile, für die eine Schmelzeverarbeitung zu hochwertigen neuen Produkten nicht möglich ist, neue Lösungen für das so genannte chemische Recycling (Pyrolyse und Gasifizierung) erarbeitet werden. Diese Kunststoffanteile im Wertstoffstrom sollen somit in Rohstoffe für die chemische Industrie umgewandelt werden.

Das geschilderte Gesamtziel gliedert sich in die folgenden drei Teilziele:

Entwicklung eines Bewertungsmodells, um den Wertstoffstrom in die beiden Teilströme werkstoffliches und chemisches Recycling aufteilen zu können. Diese Aufgabe ist nicht trivial. Letztlich muss der Aufwand – sowohl der energetische als auch kostenmäßige – für eine umfassende Sortierung sowie für die sich anschließenden Schritte – Aufbereitung mittels Compoundierung bzw. die Umsetzung in chemische Rohstoffe – minimiert werden. Eingangsdaten im laufenden Prozess sind die Daten unterschiedlicher Sensoren (z.B. optische Spektroskopie, visuelle Bilddaten, Teraherzspektren…). Aus diesen Daten muss in Echtzeit die „Qualität“ des Wertstoffstroms abgeschätzt werden. Qualität ist vor allem der Alterungszustand der Kunststoffteile. Stark gealterte Teile lassen sich sinnvoll nur chemisch weiterverwerten. Zur Korrelation der Sensordaten mit der Qualität müssen KI-basierte Algorithmen entwickelt werden. Die Ertüchtigung von bisher in der Sortierung nicht verwendeter Messtechnik (z.B. Teraherz) zur Bereitstellung komplementärer Sensordaten ist hierin eine weitere Aufgabe.
Weiterentwicklung des wertstofflichen Recyclings. Bearbeitet werden hier lösungsmittelbasierte Fraktionierungspfade sowie Compoundierpfade zu hochwertigen Kunststoffgranulaten.
Bereitstellung und Optimierung von Verfahren des chemischen Recyclings. Hierbei handelt es sich um die thermischen Verfahren Pyrolyse und Gasifizierung. In diesen Verfahren werden die Makromoleküle des Kunststoffs unter Luftausschluss gespalten und in niedermolekulare Chemikalien überführt, die direkt oder mittels einer nachgelagerten Reaktion als Grundstoffe für chemische Synthesen dienen.

Beitrag des Fraunhofer LBF

Aufgrund des breiten Know-hows in der Kunststofftechnologie ist das Fraunhofer LBF in zwei Arbeitspaketen engagiert. Zum einen sind für die Korrelation des Alterungszustands mit den verschiedenen Sensordaten zum Trainieren der KI-Algorithmen definiert gealterte Kunststofffraktionen bereitzustellen. Entscheidend ist es hier, Kunststoffneuware zu wählen, die in der Anwendung wie z.B. Verpackungen weit verbreitet sind und sich in unterschiedlichen Alterungszuständen im Wertstoffstrom finden.

Des Weiteren soll am LBF eine Compoundierlinie entwickelt werden, in der für Kunststofffraktionen unterschiedlichen, Alterungszustands gezielt eine Nach-Additivierung im Hinblick auf zukünftige Anwendungen durchgeführt wird, um hochwertige Batches mit minimalen Qualitätsschwankungen herzustellen. Die jeweilige Zusammensetzung der Additivgemische wird aus den Daten der unterschiedlichen Sensoren der Sortierung sowie aus online am Compounder gemessenen rheologischen Daten ermittelt. Dies lässt sich nur mittels KI-basierter Algorithmen erreichen, die entsprechend zu implementieren sind.