KI zur Reduzierung von Deponieabfällen

Als Anbieter von Strom-, Wasserkreislaufmanagement- und Heizungsdienstleistungen sowie als Italiens größtes Abfallwirtschafts- und Recyclingunternehmen steht Hera heute an vorderster Front im Kampf um die Abfallreduzierung und Minimierung von Umweltschäden. Das Unternehmen hat sich in diesem Bereich als Innovator hervorgetan und verfolgt einen zukunftsorientierten Ansatz für den Umweltschutz.

Andrea Bonetti, Manager of IT Architecture bei Hera, erklärt: „Hera hat sich voll und ganz der Kreislaufwirtschaft verschrieben.“ Während herkömmliche Recyclingverfahren nur eine einzelne Etappe im Kreislauf der Wiederverwendung darstellen, bietet Hera integrierte Lösungen, mit denen dieser Kreislauf geschlossen wird. Kunststoffabfälle beispielsweise werden bei Hera nicht nur zurückgewonnen, sondern auch in die Herstellung hochwertiger neuer Produkte eingebunden, die ihrerseits wiederverwertbar sind. „In unseren Zuständigkeitsgebieten wird heute der Großteil des Abfalls wiederverwertet“, erklärt Bonetti. „Nur ein kleiner Teil wird verbrannt, aber dieser wird in Müllverbrennungsanlagen verarbeitet und zur Energieerzeugung verwendet.“

Wie effektiv der Verwertungsprozess tatsächlich ist, hängt natürlich davon ab, wie schnell in großen Müllmengen wiederverwertbares Material gefunden und ausgesondert werden kann. Diesen Prozess beschlossen Bonetti und sein Kollege Alessandro Collina, Head of IT Innovation bei Hera, näher zu erforschen. Sie wollten herausfinden, wie eine KI-basierte Automatisierung die Effizienz dieses Prozesses verbessern und dazu beitragen könnte, mehr Material einer neuen Verwendung zuzuführen.

Dabei identifizierten sie zwei Herausforderungen: Zunächst mussten sie herausfinden, auf welche Weise KI bei der Abfallsortierung überhaupt hilfreich sein kann. Anschließend mussten sie prüfen, ob die Betriebsabläufe des Unternehmens flexibel genug sind, um diese Art von Innovation zu integrieren und von der Labor- auf die Unternehmensdimension zu skalieren.

Derzeit geht die Belegschaft von Hera den Abfall noch manuell durch. Während die Lastwagen am Eingang der Anlagen entladen werden und der Müll zu den Förderbändern geschoben wird, kümmern sich einzelne Mitarbeiter darum, verwertbare Materialien darin zu identifizieren – darunter Kunststoffe, Glas, Aluminium und organisches Material – und so bei der nachgelagerten Sortierung zu helfen. Das an sich klingt schon nach einer aufwendigen Aufgabe, doch der unternehmensweite Prozess ist noch eindrucksvoller: In den 89 Anlagen des Unternehmens sind insgesamt 1.400 Mitarbeiter damit beauftragt, 6,3 Millionen Tonnen Abfall pro Jahr auf diese Weise zu bewerten. Das bedeutet, dass es noch reichlich Potenzial für Effizienzsteigerungen gibt.

Das Team von Hera hatte nun die Idee, diesen Müll per Video aufzuzeichnen und die Aufnahmen einer KI vorzulegen. Diese sollte die besonderen Merkmale der entsorgten Gegenstände und Materialien erkennen, die diese für die Verwertung und Wiederverwendung qualifiziert. „Das könnte den Kostenfaktor der Verwertungs- und Entsorgungsaktivitäten, der ja ein zentraler Aspekt der Kreislaufwirtschaft ist, deutlich beeinflussen“, so Bonetti.

Bonetti erklärt, wie das Unternehmen diese Vision verwirklichen wollte: „Wir brauchten einen Partner, der uns für dieses Projekt nicht nur einen Machbarkeitsnachweis vorlegen, sondern uns auch eine effektive Methodik und die passenden Tools anbieten konnte. Wir waren der Meinung, dass wir all das mit IBM Garage erhalten würden.“

Das benutzer- und kooperationsorientierte Team von IBM Garage entschied sich zunächst dafür, einen Design-Thinking-Workshop zu organisieren, bei dem es sich selbst ein Bild von der Arbeitsumgebung bei Hera machen konnte. „Das Team von Garage musste sich im wahrsten Sinne des Wortes die Hände schmutzig machen“, so Bonetti. „Aus Erfahrung wissen wir, dass Spezialisten für maschinelles Lernen die Praxis erleben müssen, da diese viel komplexer ist als Laborbedingungen. Also kam das Team von Garage in einer unserer Anlagen vorbei. Eine Mülldeponie ist per Definition voll mit deformierten Materialien, die alle durcheinander auf einem großen Haufen liegen. Außerdem sind die Lichtverhältnisse vor Ort sehr unterschiedlich. Die Identifizierung der Materialien ist für eine KI also nicht ganz so einfach, wie Kätzchen auf Facebook-Fotos zu erkennen.“

Tatsächlich stellten die Teams von Hera und IBM Garage recht schnell fest, dass sich das Innere der Anlagen nicht eignete, um dort die gewünschten Videoaufnahmen zu machen. Es lief einfach zu viel Material in zu kurzer Zeit an den Kameras vorbei. Stattdessen fanden die Teams einen besseren Überwachungspunkt in einem vorgelagerten Prozessschritt.

Indem sie Kameras direkt an den Müllwagen installierten, konnten sie das Abfallmaterial dabei filmen, wie es (in deutlich geringeren Mengen) aus den Mülltonnen der Anwohner fällt. „Das Material fliegt zwar nach wie vor in unglaublich schnell an den Kameras vorbei“, erklärt Bonetti, „doch die Analyse dieser Bilder hat es uns trotzdem ermöglicht, signifikante Muster im Abfall zu identifizieren. Diese helfen uns wiederum dabei, schon während des Einsammelprozesses – statt innerhalb der Anlage – eine qualitative Bewertung der Abfälle durchzuführen, was künftig den Zeit- und Kostenaufwand des Wiederverwertungsprozesses reduzieren könnte.“

Darüber hinaus hofft das Team von Hera, in Zukunft Daten zur Abfallqualität mit den Sammelorten korrelieren zu können. Anhand dieser Erkenntnisse könnten dann gezielte Informationskampagnen durchgeführt werden, um der Bevölkerung bei der Trennung der verschiedenen Arten von Abfallprodukten zu helfen.

Unter Anwendung der agilen IBM Garage-Methodik gelang es den Teams von Hera und IBM Garage, nach acht Wochen ein Minimum Viable Product (MVP) zu entwickeln und bereitzustellen. Dieses integriert IBM Watson Studio- und IBM Watson Machine Learning-Technologie, um ein spezielles Tool für diesen Anwendungsfall zu gestalten, das auch ein Modell für maschinelles Lernen zur Erkennung auffälliger Abfallmuster umfasst. Collina meint dazu: „Mit den IBM Tools konnten wir unsere Ideen in einem viel schnelleren und agileren Prozess in die Realität umsetzen.“

Er fährt fort: „Aktuell ist es für uns wichtig herauszufinden, wie wir diese Lösung in einem größeren Maßstab anwenden können. Man könnte zum Beispiel ein Jahr lang einen Prototyp auf einem Müllwagen testen und versuchen, trotz Licht- und Wetterschwankungen das ganze Jahr über korrekte Daten zu erhalten.“

Die Initiative, die Hera mit IBM Garage, den IBM Cloud Paks und WebSphere umgesetzt hat, ist kein einmaliges Projekt, sondern Teil eines Zyklus.

Während Bonetti, Collina und ihre Kollegen mit dem IBM Garage-Team zusammenarbeiten, um durch ein entsprechendes Training ihrer KI möglichst viel verwertbares Abfallmaterial zu finden und diese Innovation in den Alltag zu integrieren, werden sie sich nicht nur neues und wertvolles Fachwissen aneignen – sie werden auch andere Möglichkeiten identifizieren, um KI künftig in der Versorgungswirtschaft einzusetzen.

Da die Anwendung von Hera in Form von Beam IoT nun moderner und flexibler ist, ist dieses kritische System nun nicht nur zuverlässiger und widerstandsfähiger, sondern auch offener für eine kontinuierliche Anpassung und Erweiterung.

Die größte potenzielle Veränderung dieser Initiative liegt jedoch in einem anderen Bereich. Durch die Bemühungen von Hera könnte es möglich werden, die Kosteneffizienz bei der Rückgewinnung von Abfällen drastisch zu verbessern. Es besteht somit das Potenzial, eine ganze Branche zu transformieren, der Kreislaufwirtschaft mehr Dynamik zu verleihen und unsere kollektiven ökologischen Bemühungen zu unterstützen.

Erste Schritte mit IBM Consulting

Hera (Link befindet sich außerhalb von ibm.com) ist ein italienisches Versorgungsunternehmen, das Dienstleistungen in den Bereichen Energieverteilung, Energieverkauf, Wasserkreislaufmanagement, Heizung sowie Abfall und Recycling anbietet. Das Unternehmen ist in den Regionen Emilia-Romagna, Venetien und Friaul aktiv, beschäftigt mehr als 8.000 Mitarbeiter und erwirtschaftet einen Jahresumsatz von über 6 Milliarden Euro.