Reale Kreislaufwirtschaft von naturfaserbasierten Werkstoffsystemen

Hintergrund des Projekts

Das Projekt untersucht, wie naturfaserbasierte Werkstoffsysteme (NWS) besser in eine Kreislaufwirtschaft integriert werden können. Dazu werden Barrieren und Treiber für das Recycling von NWS analysiert, Recyclingprozesse untersucht und mithilfe eines digitalen Modells sowie KI-Methoden optimale Recyclingpfade und Prozessparameter identifiziert.

Derzeit werden NWS am Ende ihres Lebenszyklus meist energetisch verwertet, wodurch wertvolle Ressourcen verloren gehen. Mit steigenden Mengen an End-of-Life-Produkten wächst der Bedarf an effizienten Recyclinglösungen. Das Projekt schafft Wissen über Materialien, Prozesse und Marktbedingungen, um robuste Recyclingsysteme und eine zirkuläre Wertschöpfung zu ermöglichen.

Projektziel

Im Rahmen des Projektes soll ein umfassendes Verständnis der technischen und sozioökonomischen Barrieren sowie Treiber für das Recycling naturfaserbasierter Werkstoffsysteme geschaffen und Recyclingprozesse sowie Sekundärmaterialien aus den Sektoren Automobil und Bau analysiert werden.

Ziel dabei ist, mithilfe von Messreihen, einem modularen digitalen Modell und KI-Methoden optimale Recyclingpfade und Prozessparameter zu identifizieren und so robuste Recyclingsysteme und eine zirkuläre Wertschöpfung zu ermöglichen.

Projektablauf

Das Projekt kombiniert qualitative und quantitative Methoden zur Analyse technischer und sozioökonomischer Barrieren der Kreislaufwirtschaft für NWS. Sekundärmaterialien aus den Sektoren Automobil und Bau werden untersucht, insbesondere hinsichtlich Aufbereitung, Sortierung und Weiterverarbeitung in werkstofflichen und chemischen Recyclingpfaden. Durch Messreihen werden Abhängigkeiten zwischen Materialien und Prozessen sowie die Leistungsfähigkeit verschiedener Verfahren quantitativ beschrieben.

Auf Basis dieser Daten wird ein modulares, digitales Modell entwickelt, um optimale Recyclingpfade und Prozessparameter zu identifizieren und zu optimieren. Methoden der Künstlichen Intelligenz wie Explainable AI (XAI) werden dabei angewendet und bewertet. Ergänzend wird ein systemdynamischer Ansatz eingesetzt, um Materialaufkommen, Marktmechanismen und Umweltwirkungen für den Aufbau robuster Recyclingsysteme zu analysieren.