Kurs JGW-3.6
Deep Recycling

KI zur Lösung des Recyclingproblems?

Trotz Mülltrennung werden in Deutschland weniger als 50% des Plastikmülls recycelt und in den meisten anderen Ländern ist der Anteil noch deutlich geringer, unter anderen weil oft gar keine Mülltrennung stattfindet. Ein Grund für die niedrige Recyclingrate ist, dass es viele verschiedene Plastiksorten gibt, welche oftmals nicht mehr gut sortiert werden können. Außerdem wird Müll auch heutzutage noch teilweise von Hand sortiert, was mühsam und ineffizient ist. Besseres Recycling ist einer der Schlüssel zur Lösung der zukünftigen Rohstoffknappheit.

Dieser Kurs beschäftigt sich mit Methoden des Maschinellen Lernens und versucht zu verstehen, wie und ob Künstliche Intelligenz die Recyclingquote anheben kann. Zu Beginn betrachten die Teilnehmenden den Status quo der Mülltrennung und des Recyclings in Deutschland und anderen Ländern. Auf der anderen Seite eignen sie sich Grundlagen des Maschinellen Lernens an, welche sowohl die mathematische Formulierung als auch die Implementierung betreffen. Interdisziplinär geht der Kurs auch die Frage an, welche Merkmale der verschiedenen Müllsorten nützlich sein können. Enthalten Bilder des Mülls genug Information oder muss man die chemische Zusammensetzung analysieren? Diese Themen beleuchten die Teilnehmenden durch Referate und vertiefen diese weiter durch Programmierübungen und Diskussionen. Am Ende des Kurses trainieren die Teilnehmenden neuronale Netze, die in der Lage sind verschiedene Arten von Müll zu erkennen, sodass diese entsprechend getrennt werden können.

Die Teilnehmenden implementieren die Algorithmen im Framework PyTorch mit der Programmiersprache Python. Programmierkenntnisse sind nicht vorausgesetzt, aber eine Affinität zu mathematisch-logischem Denken ist vorteilhaft.

Die Kursleitung