Im Zuge der Digitalisierung der Kreislaufwirtschaft gewinnt das Thema „Künstliche Intelligenz“ zunehmend an Bedeutung. Im Gegensatz zu anderen Industriesparten steht die Kreislaufwirtschaft allerdings noch am Anfang der Transformation in Richtung einer „Kreislaufwirtschaft 4.0“. Die Integration von KI ist zukünftig unter anderem im Bereich des „Smart Waste Factory Network“ zu erwarten. Bestandteil dieses Systems sind zum Beispiel Anlagen zur Abfallbehandlung (z. B. Sortieranlagen, Ersatzbrennstoffproduktionsanlagen), bei denen Aufbereitungsprozesse und Maschinen „intelligent“ miteinander vernetzt sind (z. B. sensorgestützte Systeme und Aufbereitungsaggregate). Die digitale Vernetzung ermöglicht unter anderem eine dynamische Prozesssteuerung, mit der die Produktivität der Anlage gesteigert und die Qualität der Aufbereitungsprodukte deutlich verbessert werden kann. Eine effiziente Strukturierung, Analyse und Auswertung der hierbei anfallenden großen Datenmengen (insbesondere Sensordaten) kann dabei unter Zuhilfenahme von KI bzw. Methoden des maschinellen Lernens (z. B. „Deep Learning“) realisiert werden.
Im Zuge der Digitalisierung der Kreislaufwirtschaft gewinnt das Thema „Künstliche Intelligenz“ zunehmend an Bedeutung. Im Gegensatz zu anderen Industriesparten steht die Kreislaufwirtschaft allerdings noch am Anfang der Transformation in Richtung einer „Kreislaufwirtschaft 4.0“. Die Integration von KI ist zukünftig unter anderem im Bereich des „Smart Waste Factory Network“ zu erwarten. Bestandteil dieses Systems sind zum Beispiel Anlagen zur Abfallbehandlung (z. B. Sortieranlagen, Ersatzbrennstoffproduktionsanlagen), bei denen Aufbereitungsprozesse und Maschinen „intelligent“ miteinander vernetzt sind (z. B. sensorgestützte Systeme und Aufbereitungsaggregate). Die digitale Vernetzung ermöglicht unter anderem eine dynamische Prozesssteuerung, mit der die Produktivität der Anlage gesteigert und die Qualität der Aufbereitungsprodukte deutlich verbessert werden kann. Eine effiziente Strukturierung, Analyse und Auswertung der hierbei anfallenden großen Datenmengen (insbesondere Sensordaten) kann dabei unter Zuhilfenahme von KI bzw. Methoden des maschinellen Lernens (z. B. „Deep Learning“) realisiert werden.