Die TOMRA Recycling hat auf der Fachmesse IFAT 2026 in München sowie auf der PRSE in Amsterdam eine neue KI-native Plattform ihres Beteiligungsunternehmens PolyPerception vorgestellt.
Gleichzeitig präsentierte das Unternehmen drei neue Deep-Learning-Anwendungen für das Sortiersystem GAINnext™.
Mit der Vorstellung der neuen Technologien baut TOMRA nach eigenen Angaben seine Aktivitäten im Bereich KI-gestützter Sortierlösungen weiter aus. Parallel dazu erhöhte das Unternehmen seine Beteiligung an PolyPerception auf 51 Prozent und übernimmt damit die Mehrheit an dem niederländischen KI-Spezialisten.
Kern der Neuerungen ist eine agentenbasierte Plattform zur Analyse von Abfallströmen. Die Lösung erweitert den bisherigen „Waste Analyzer“ und ermöglicht es Anlagenbetreibern, Produktions- und Sortierdaten per natürlicher Sprache auszuwerten. Fragen wie etwa nach den Auswirkungen bestimmter Einstellungen auf die Materialreinheit sollen direkt beantwortet werden können. Die Plattform interpretiere die Daten kontextbezogen und liefere daraus konkrete Handlungsempfehlungen, erklärte PolyPerception.
Darüber hinaus kann das System automatisiert Qualitätsberichte erstellen und operative Warnmeldungen generieren. Ziel sei es, die Auswertung komplexer Anlagendaten zu vereinfachen und schneller nutzbar zu machen.
Neu sind außerdem offene Datenschnittstellen, über die sich Informationen aus der Sortieranlage in bestehende Managementsysteme integrieren lassen. Ergänzend dazu führt die Plattform Funktionen zur Ähnlichkeitssuche und zur Text- beziehungsweise Markensuche ein. Damit können Betreiber laut TOMRA bestimmte Objekte oder Materialien im laufenden Stoffstrom identifizieren – etwa Batterien, gefüllte Müllsäcke oder Windeln.
Lars Enge, Executive Vice President und Leiter von TOMRA Recycling, bezeichnete die Mehrheitsübernahme von PolyPerception als nächsten Schritt hin zu einer „zentralen Intelligenz der Recyclinganlage“. Durch die Verbindung von Sortiertechnik und KI-Plattform entstehe eine durchgängige Lösung zur Optimierung von Anlagenbetrieb und Materialqualität.
Neben der Plattform erweitert TOMRA auch das GAINnext™-Ökosystem um drei neue Anwendungen auf Basis von Deep Learning. Eine davon richtet sich an die Sortierung von PET-Schalen. Das System kann laut Unternehmen zwischen lebensmitteltauglichen Verpackungen und anderen PET-Anwendungen unterscheiden. Damit sollen Reinheitsgrade von mehr als 95 Prozent erreicht werden.
Eine weitere Anwendung zielt auf die Erkennung sogenannter Kupferknäuel („Copper Meatballs“) im Metallrecycling. Dabei identifiziert das System komplexe Kupfer-Stahl-Verbundstoffe, beispielsweise Motoranker, auch in verschmutzten oder oxidierten Materialströmen.
Die dritte Lösung betrifft das Recycling gebrauchter Getränkedosen aus Verpackungsabfällen. Nach Angaben von TOMRA erreicht die Technologie einen bis zu 33-fach höheren Durchsatz gegenüber manueller Sortierung und Reinheitsgrade von mindestens 98 Prozent.
TOMRA sieht in den neuen Anwendungen einen technologischen Wendepunkt für die Recyclingbranche. Deep-Learning-Systeme würden künftig nicht nur einzelne Sortierprozesse verbessern, sondern Datenanalyse und operative Steuerung stärker miteinander verknüpfen.
