Das Projekt „Künstliche Intelligenz zur Digitalisierung der Schleiffunkenprobe“ (KIDS) des Instituts für Werkstoffe und Werkstofftechnologien (IWWT) an der Pforzheimer Fakultät für Technik hat zum Ziel, das Recycling von Stahl durch den Einsatz Künstlicher Intelligenz zu vereinfachen. Es führt die Vorarbeiten aus zwei Bachelorarbeiten fort: Während Jannick Schmidt sich mit der KI-basierten Auswertung von Schleiffunken von Metallen beschäftigte, erarbeitete Maximilian Auer einen Machine-Learning-Ansatz zur Auswertung der Emission elektrischer Lichtbögen. Sie werden gemeinsam das Forschungsprojekt bearbeiten: „Glücklicherweise haben sich beide Studenten nach der Bachelor-Arbeit für ein Masterstudium im Bereich Wirtschaftsingenieurwesen in Pforzheim entschieden. Beide haben außerdem ihre Masterarbeit kürzlich abgegeben und können daher direkt mit den Forschungsarbeiten beginnen“, so ihr sichtlich erfreuter Betreuer Prof. Dr.-Ing. Jörg Woidasky, Experte für Nachhaltige Produktentwicklung an der Hochschule Pforzheim. Das Vorhaben erhält weitere professorale Unterstützung durch Prof. Dr.-Ing. Kai Oßwald, Experte für Fertigungsverfahren, und Prof. Dr. Raphael Volz, Experte für Angewandte Informatik.
 

Das Ziel der Arbeiten ist die Entwicklung eines Industriearbeitsplatz-Konzepts zur Schrottsortierung mit KI-Entscheidungsunterstützung, da auch heute noch in Deutschland viele Schrotte manuell sortiert werden: Die Funken, die beim Anschleifen von Metallen entstehen, haben je nach Zusammensetzung des Metalls unterschiedliche Farben und Formen, so dass die Schleiffunken-Bilder die Zusammensetzung des Materials verraten. „Sehr erfahrene Werker können einige Legierungen mit bloßem Auge erkennen, aber diese Arbeit ist sehr anstrengend und gleichzeitig monoton. Unser Ansatz soll die Werker entlasten, für sehr viele Legierungen genaue Ergebnisse liefern und so die Sortierqualität verbessern“, konkretisiert Jannick Schmidt das Forschungsziel. Für die Bilderkennung der Funkenschweife und Lichtemissionen entwickelte er gemeinsam mit Maximilian Auer eine TensorFlow-Anwendung unter Nutzung der Programmierumgebung Python.

Neben der technischen Weiterentwicklung der Software und des bereits vorhandenen Prüfstandes sollen in dem Vorhaben auch potentielle Anwender für diesen Ansatz gefunden und einbezogen werden. Hier ist das Forscherteam zuversichtlich: „Allein in der deutschen Stahlrecyclingwirtschaft sind fast 40 000 Menschen in rund 7 000 Betrieben beschäftigt, davon auch viele in der Region“, so Maximilian Auer. „In Deutschland werden jährlich etwa 27 Millionen Tonnen Schrott umgeschlagen und zum Beispiel über 430 000 Tonnen Edelstahl hergestellt. Die Recyclingquoten von Edelstahlprodukten erreichen zum Teil allerdings lediglich 60 Prozent. Einer der Gründe für diese zu geringe Recyclingrate ist der Aufwand bei der Erkennung und manuellen Sortierung der Edelstahlschrotte.“ Aber hierfür ist durch das Engagement der Studenten ja bald eine Lösung in Sicht.