Kurzfassung

Im Projekt KIMmich wird künstliche Intelligenz ( KI) zur automatisierten Bestimmung der mineralogischen Zusammensetzung industrieller Reststoffe wie Aschen und Schlacken eingesetzt. Durch die Kombination hochaufl?sender REM-Analysen mit XRD-Messungen entsteht ein belastbares Trainingsdatenset, das es erm?glicht, KI-Modelle für die zuverl?ssige Identifikation und Quantifizierung von Mineralphasen zu entwickeln. Ziel ist es, die Nutzung dieser Materialien als Sekund?rrohstoffe zu erleichtern und Prozesse wie Abfallverbrennung oder 威尼斯赌博游戏_威尼斯赌博app-【官网】lurgie im Sinne eines ?kologisch optimierten Materialkreislaufs gezielt zu steuern.

?

?

Problemstellung

Mineralische Reststoffe wie Aschen und Schlacken fallen in gro?en Mengen bei industriellen Prozessen an – insbesondere bei der thermischen Abfallverwertung oder in der 威尼斯赌博游戏_威尼斯赌博app-【官网】lurgie. Der Umgang mit diesen Rückst?nden stellt eine zentrale ?kologische und wirtschaftliche Herausforderung dar: Diese Materialien besitzen ein gro?es Potenzial als Sekund?rrohstoffe – beispielsweise als Füllstoffe in der Bauindustrie oder als Gesteinsk?rnung im Beton. Voraussetzung für eine Recycling ist jedoch die Einhaltung bau- und umwelttechnischer Qualit?tanforderungen, die sehr aufw?ndig und zeitintensiv ist. Die mineralogische Zusammensetzung dieser Materialien ist ein entscheidender Einflussfaktor auf die bau- und umwelttechnische Eignung und kann zudem bereits im Entstehungsprozess der Reststoffe beeinflusst werden. Ihre quantitative Bestimmung ist jedoch auch komplex und erfordert Expertenwissen. Hier setzt das Projekt KIMmich an.

?

Projektbeschreibung

Das Projekt KIMmich verfolgt das Ziel, Analysetechniken mit Methoden der künstlichen Intelligenz ( KI) zu kombinieren, um die mineralogische Zusammensetzung industrieller Reststoffe effizient und automatisiert zu bestimmen. Zur Analyse werden zwei etablierte Techniken eingesetzt:

?

• Die Rasterelektronenmikroskopie ( REM) liefert hoch ortsaufgel?ste Informationen zur lokalen chemischen Zusammensetzung.
• Die R?ntgendiffraktometrie ( XRD) erlaubt Aussagen zur mineralogischen Phasenverteilung im Gesamtmaterial (Bulk-Zusammensetzung).

• Convolutional Neural Networks ( CNN), eine bew?hrte Methode aus der Bildverarbeitung, analysieren spektrale und bildhafte Daten über lokale Muster und Kanten.?
• Vision Transformers ( ViT) hingegen nutzen sogenannte Self-Attention-Mechanismen, um komplexe, globale Zusammenh?nge in den Daten zu erfassen – auch über gr??ere Distanzen hinweg.

Projektziel

Ziel von KIMmich ist die automatisierte und zuverl?ssige Identifikation sowie Quantifizierung von Mineralphasen in industriellen Reststoffen mithilfe künstlicher Intelligenz. Die Ergebnisse sollen dazu beitragen, die Prozesse zur Entstehung dieser Materialien – etwa in Verbrennungsanlagen oder metallurgischen Verfahren – gezielt zu beeinflussen. Auf diese Weise kann nicht nur das Hauptprodukt optimiert, sondern auch die Qualit?t und Wiederverwendbarkeit der Nebenprodukte gezielt gesteuert werden. Langfristig wird so ein Beitrag zum ?kodesign mineralischer Reststoffe geleistet.

Potenzielle Anwendungsbereiche

• Einsatz mineralischer Reststoffe als industrielle Gesteinsk?rnungen für Asphalt und Beton

• Bewertung der Umweltvertr?glichkeit von Aschen und Schlacken

• Automatisierte Materialcharakterisierung im Labor oder direkt in der Prozesslinie durch Kopplung mit Sensordaten (LIBS, NIR)

• Beitrag zur zirkul?ren Wertsch?pfung durch gezieltere Nutzung von Sekund?rrohstoffen

?

?

Team