Digitalisierung der Handsortierung durch Künstliche Intelligenz, Machine Learning und Human Machine Interaction

Publikationen: Beitrag in FachzeitschriftArtikelForschung

Standard

Bibtex - Download

@article{f4f0c67e6b1e4371bd6ae38b29150ed6,
title = "Digitalisierung der Handsortierung durch K{\"u}nstliche Intelligenz, Machine Learning und Human Machine Interaction",
abstract = "Die Abfallwirtschaft wandelt sich zu einer produzierenden Industrie in der Kreislaufwirtschaft. Trotz Fortschritten und Optimierungen bei der automatischen sensor-basierten Sortierung bleibt die Handsortierung von Abf{\"a}llen relevant. Das Projekt recAIcle hat es sich zum Ziel gesetzt, die Digitalisierung der Handsortierung in der Abfallwirtschaft mithilfe von k{\"u}nstlicher Intelligenz (KI), Machine Learning (ML) und Human-Machine Interaction (HMI) voranzutreiben. KI und ML haben mehrfach gezeigt, wie sie ganze Industrien und Branchen revolutionieren k{\"o}nnen. Das Projekt RecAIcle fokussiert sich auf die Kunststoff- und Batterieerkennung und -sortierung. Die Produktivit{\"a}t und Qualit{\"a}t der Handsortierung sollen dadurch gesteigert werden. Hierf{\"u}r wird ein digitales Assistenzsystem, das die Sortiermitarbeiter:innen bei der Sortierentscheidung unterst{\"u}tzt, entwickelt. Aufgrund der speziellen Anforderungen an ein solches System wurde das Framework Design entsprechend angepasst. F{\"u}r die Entwicklung dieses Systems werden fortschrittliche, lebenslang lernende ML-Modelle ben{\"o}tigt, welche wiederum gro{\ss}e Mengen an hochqualitativen Trainingsdaten und Rechenleistung ben{\"o}tigen. Um gen{\"u}gend use-case-spezifische Trainingsdaten bereitstellen zu k{\"o}nnen, wurden Versuche unter kontrollierten Bedingungen im Technikumsma{\ss}stab zur Trainingsdatenakquise durchgef{\"u}hrt. Die Ergebnisse des Systemdesignprozesses und der ersten Trainingsdatenakquise werden in dieser Ver{\"o}ffentlichung pr{\"a}sentiert. Ebenso wird ein Ausblick auf k{\"u}nftige Entwicklungen und weitere geplante Versuche gegeben.",
author = "Julian Aberger and Karim Khodier and Renato Sarc",
year = "2023",
month = nov,
day = "15",
doi = "10.1007/s00506-023-01002-7",
language = "Deutsch",
volume = "2023",
journal = "{\"O}sterreichische Wasser- und Abfallwirtschaft : {\"O}WAW ",
issn = "1613-7566",
publisher = "Springer Wien",
number = "??? Stand: 4. Dezember 2023",

}

RIS (suitable for import to EndNote) - Download

TY - JOUR

T1 - Digitalisierung der Handsortierung durch Künstliche Intelligenz, Machine Learning und Human Machine Interaction

AU - Aberger, Julian

AU - Khodier, Karim

AU - Sarc, Renato

PY - 2023/11/15

Y1 - 2023/11/15

N2 - Die Abfallwirtschaft wandelt sich zu einer produzierenden Industrie in der Kreislaufwirtschaft. Trotz Fortschritten und Optimierungen bei der automatischen sensor-basierten Sortierung bleibt die Handsortierung von Abfällen relevant. Das Projekt recAIcle hat es sich zum Ziel gesetzt, die Digitalisierung der Handsortierung in der Abfallwirtschaft mithilfe von künstlicher Intelligenz (KI), Machine Learning (ML) und Human-Machine Interaction (HMI) voranzutreiben. KI und ML haben mehrfach gezeigt, wie sie ganze Industrien und Branchen revolutionieren können. Das Projekt RecAIcle fokussiert sich auf die Kunststoff- und Batterieerkennung und -sortierung. Die Produktivität und Qualität der Handsortierung sollen dadurch gesteigert werden. Hierfür wird ein digitales Assistenzsystem, das die Sortiermitarbeiter:innen bei der Sortierentscheidung unterstützt, entwickelt. Aufgrund der speziellen Anforderungen an ein solches System wurde das Framework Design entsprechend angepasst. Für die Entwicklung dieses Systems werden fortschrittliche, lebenslang lernende ML-Modelle benötigt, welche wiederum große Mengen an hochqualitativen Trainingsdaten und Rechenleistung benötigen. Um genügend use-case-spezifische Trainingsdaten bereitstellen zu können, wurden Versuche unter kontrollierten Bedingungen im Technikumsmaßstab zur Trainingsdatenakquise durchgeführt. Die Ergebnisse des Systemdesignprozesses und der ersten Trainingsdatenakquise werden in dieser Veröffentlichung präsentiert. Ebenso wird ein Ausblick auf künftige Entwicklungen und weitere geplante Versuche gegeben.

AB - Die Abfallwirtschaft wandelt sich zu einer produzierenden Industrie in der Kreislaufwirtschaft. Trotz Fortschritten und Optimierungen bei der automatischen sensor-basierten Sortierung bleibt die Handsortierung von Abfällen relevant. Das Projekt recAIcle hat es sich zum Ziel gesetzt, die Digitalisierung der Handsortierung in der Abfallwirtschaft mithilfe von künstlicher Intelligenz (KI), Machine Learning (ML) und Human-Machine Interaction (HMI) voranzutreiben. KI und ML haben mehrfach gezeigt, wie sie ganze Industrien und Branchen revolutionieren können. Das Projekt RecAIcle fokussiert sich auf die Kunststoff- und Batterieerkennung und -sortierung. Die Produktivität und Qualität der Handsortierung sollen dadurch gesteigert werden. Hierfür wird ein digitales Assistenzsystem, das die Sortiermitarbeiter:innen bei der Sortierentscheidung unterstützt, entwickelt. Aufgrund der speziellen Anforderungen an ein solches System wurde das Framework Design entsprechend angepasst. Für die Entwicklung dieses Systems werden fortschrittliche, lebenslang lernende ML-Modelle benötigt, welche wiederum große Mengen an hochqualitativen Trainingsdaten und Rechenleistung benötigen. Um genügend use-case-spezifische Trainingsdaten bereitstellen zu können, wurden Versuche unter kontrollierten Bedingungen im Technikumsmaßstab zur Trainingsdatenakquise durchgeführt. Die Ergebnisse des Systemdesignprozesses und der ersten Trainingsdatenakquise werden in dieser Veröffentlichung präsentiert. Ebenso wird ein Ausblick auf künftige Entwicklungen und weitere geplante Versuche gegeben.

U2 - 10.1007/s00506-023-01002-7

DO - 10.1007/s00506-023-01002-7

M3 - Artikel

VL - 2023

JO - Österreichische Wasser- und Abfallwirtschaft : ÖWAW

JF - Österreichische Wasser- und Abfallwirtschaft : ÖWAW

SN - 1613-7566

IS - ??? Stand: 4. Dezember 2023

ER -