Zurück zu Blog

Müllsammeln mit Künstlicher Intelligenz?!

Wir müssen nicht immer nur nach Asien schauen: Auch mitten in Europa ist die Verschmutzung von Gewässern durch Plastikmüll ein ernstzunehmendes Problem.

Ein Beispiel von vielen ist der Stausee Ružín, im Osten der Slowakei. 2021 konnte unser Müllsammelboot CollectiX dort bereits zum zweiten Mal einen Einsatz starten. Hier haben wir davon berichtet. Am Ende konnten wir in sechs Wochen insgesamt 55.910kg Müll aus dem Wasser holen! Doch wie bereiten wir uns auf so einen Einsatz vor? Und welche Rolle spielt eigentlich Künstliche Intelligenz (KI) bei der Vorbereitung unserer Missionen? Wir beantworten all diese Fragen und stellen euch hier die Ergebnisse der eingesetzten KI am Beispiel unserer Slowakei-Mission vor!

Am Anfang jeder unserer Missionen steht eine sorgfältige Vorbereitung. Einen besonderen Fokus setzen wir dabei auf die Analyse des Standortes. Für die effiziente Vereinfachung des Müllsammelns und der anschließenden Sortierung ist es nämlich besonders hilfreich, schon im Vorfeld zu wissen, wo genau sich wie viel und welche Arten von Müll befinden: Sind es hauptsächlich PET-Flaschen? Oder doch eher Plastiktüten? Wie viel organisches Material – z. B. Holz – treibt zwischen dem Müll? Müssen wir vielleicht sogar große Elektrogeräte einsammeln? An welcher Stelle sammelt sich besonders viel Müll?

Fragen über Fragen, die uns zur nächsten großen Frage führen: Wie können wir all diese notwendigen Informationen vor Beginn unserer Einsätze abrufen?

Eigenschaften von geografischen Arealen können durch Geo-Informations-Systeme, kurz GIS, erfasst, organisiert, analysiert und visualisiert werden. Als Basis dienen den GIS digitale Landkarten, die einen Überblick über die Beschaffenheit und Infrastruktur des Gebietes bieten. Für unsere Missionen stehen hauptsächlich Flüsse im Fokus.

Ähnlich, wie viele Menschen im Alltag digitale Landkarten zur Navigation nutzen, benutzen wir also GIS, um unsere logistischen Abläufe und Anforderungen von Missionen im Voraus einschätzen zu können. Denn je genauer die Analyse der Gewässer und Verschmutzungen möglich ist, desto genauer können die Aufwände auf die lokale Herausforderung abgestimmt werden und die Erfolgschancen unserer Missionen gesteigert werden. Durch die eingesetzte GIS-Software können wir die Müll-Hotspots ausfindig machen und erste Hochrechnungen zu Flächen- und Volumenschätzungen durchführen.

Der Moment, in dem K.I. wichtig wird

Durch den Einsatz einer GIS-Software können wir also schon ermitteln, wo wir sammeln müssen. Anschließend kommt die Künstliche Intelligenz zum Einsatz. Denn wenn man als Mensch auf den Müll schaut, sieht es genauso aus wie in asiatischen Flüssen. Erst durch den Einsatz von Künstlicher Intelligenz können wir große Unterschiede erkennen. Zum Beispiel bei der Frage, welche Müllarten uns in welchen Mengen erwarten.

Wenn es um Künstliche Intelligenz geht, arbeiten wir eng mit dem Deutschen Forschungszentrum für Künstliche Intelligenz – kurz: DFKI – zusammen. Der DFKI-Wissenschaftler Mattis Wolf entwickelte einen Machine-Learning Algorithmus namens APLASTIC-Q, das in der Lage ist, schwimmenden und an Land gespülten Plastikmüll zu erkennen, zu quantifizieren und zu klassifizieren. Wie das funktioniert? So:

Kameradrohnen überfliegen das bereits mit der GIS-Software ermittelte Areal und nehmen dabei Bilder auf. Diese Bilder werden schrittweise durch zwei „Convolutional Neuronal Networks“ (CNN) analysiert. CNN sind neuronale Netze, die besonders gut bei der Bildverarbeitung funktionieren. Das erste neuronale Netz analysiert, ob die Bildkacheln Müll enthalten oder nicht. Wenn ja, schätzt die KI die Anzahl der Objekte. Wenn nicht, registriert sie, was stattdessen zu sehen ist – beispielsweise Wasser, Vegetation oder Holz. Dann kommt das zweite neuronale Netz ins Spiel und wertet die Kacheln, die das erste Netz bereits als Müll klassifiziert hat in einer feineren Auflösung aus. Sie klassifiziert die Bilder dann in verschiedene Mülltypen, also zum Beispiel PET-Flaschen oder Essensverpackungen aus Styropor. Das ist nämlich bei der späteren effizienten Verwertung des Plastikmülls besonders wichtig.

Zugegeben: Das Ganze klingt ziemlich theoretisch. Funktioniert das denn auch?

Auf knapp 100 m² wurde eine Müllfläche von 66 m² vorgefunden. Bei einer Gegenüberstellung zeigte die Berechnung von APLASTIC-Q eine Abweichung von knapp 2 % im Vergleich zur Flächenberechnung mithilfe der GIS-Software. Sehr gut – Flächenberechnungen mit Hilfe von APLASTIC-Q funktionieren demnach schon ziemlich gut. Doch was ist mit der Zusammensetzung des Mülls? Auch darauf konnte uns der Algorithmus eine genaue Antwort liefern: Den größten Anteil machte der organische Müll, also Vegetation und Holz aus. Der Algorithmus kann aber mehr als nur Holz von Plastik unterscheiden. Er kann uns schon im Vorfeld sagen, welcher Plastikmüll genau sich in welchen Anteilen im analysierten Areal befindet! Und die Ergebnisse seht ihr auf dieser Darstellung:

Demnach machten sehr kleinteilige Plastikmüllobjekte mit rund 40% den Hauptanteil des analysierten Plastikmülls aus. Den zweitgrößten Anteil bildeten kleinere Polystyrol-Teilchen mit 22 %, gefolgt von PET-Flaschen (19%) und LDPE-Mülltüten (14%).

Diese Informationen sind für uns Gold wert! Denn so können wir schon vor dem Einsatz unseres Müllsammelbootes die notwendigen Ressourcen, z. B. lokale Logistik-Unternehmen und Recyclinganlagen, auf die Müllmengen und –arten vorbereiten und die Effizienz unseres Einsatzes steigern.

Wer sich mehr für den Einsatz Künstlicher Intelligenz für den Umweltschutz interessiert, kann hier schon bald mehr über unser neues Forschungsprojekt PlasticObs+ erfahren!