Ruß-Pigment absorbiert nahinfrarotes Licht. Jede schwarze PP-Schale, jeder PE-Behälter und jedes ABS-Gehäuse, das Ihr optischer Sortierer übersieht, landet im Reststoff und anschließend auf der Deponie. Wir bauen die MWIR-Sensorik- und Edge-KI-Schicht, die es zurückgewinnt.
3-15 %
Ihres Abfallstroms sind schwarze Kunststoffe, die in den Reststoff gehen
Recycling Magazine, Plastics Engineering
83,4 %
MWIR+CNN-Genauigkeit auf echtem Abfall (peer-reviewed)
Resources, Conservation & Recycling, Jan. 2026
Note C+
EU-PPWR-Recyclingfähigkeitsminimum ab 2030
PPWR-Verordnung 2025/40, Anhang II
Das Problem ist die Sensorphysik, nicht die Software. Kein noch so umfangreiches KI-Training behebt ein Eingangssignal von null.
Standard-Sortiersysteme mit optischer Erkennung (TOMRA Autosort, Machinex MACH Hyspec, Pellenc Mistral+) setzen auf Nahinfrarot-Spektroskopie im Bereich von 0,9-1,7 Mikrometer. Sie identifizieren Polymere, indem sie die Absorptionsmuster molekularer Bindungen auslesen: C-H-, N-H-, O-H-Streckschwingungen.
Ruß absorbiert alle NIR-Wellenlängen, bevor sie diese Bindungen erreichen. Der Sensor empfängt kein reflektiertes Signal. Eine schwarze PP-Schale auf einem schwarzen Gummiförderband ist unsichtbar. Der pneumatische Auswerfer bleibt stumm. Das Material fällt in den Reststoff.
Dies ist kein Problem, das sich per Firmware-Update lösen lässt. Die Photonen erreichen den Detektor nie. Sie benötigen einen anderen Teil des elektromagnetischen Spektrums.
Mittelwelliges Infrarot (2,7-5,3 Mikrometer) zielt auf die fundamentalen Schwingungen von Polymermolekülen ab, nicht auf die schwachen Obertöne, die NIR ausliest. Bei diesen Wellenlängen ist das spektrale Signal um Größenordnungen stärker. Noch wichtiger: Der Absorptionskoeffizient von Ruß sinkt mit zunehmender Wellenlänge. Bei 3,0 Mikrometer wird das Pigment ausreichend transparent.
Eine schwarze PP-Schale, die im NIR eine Leerstelle ist, erzeugt im MWIR eine scharfe, gezackte Spektralsignatur. Der C-H-Streckpeak bei 3,4 Mikrometer ist stark und eindeutig. Polystyrol zeigt charakteristische aromatische C-H-Moden, die sich sauber von den aliphatischen C-H-Banden von PE und PP trennen lassen.
Der von uns eingesetzte Sensor (Specim FX50) erfasst 154 Spektralbänder über diesen Bereich. Er sieht keine "schwarzen Formen". Er sieht die chemische Zusammensetzung in Bandgeschwindigkeit.
Wir ersetzen Ihren vorhandenen Sortierer nicht. Wir fügen eine Sensorstation hinzu, typischerweise an einem Nebenband, das den schwarzlastigen Reststoff-Ausschuss aus Ihrer primären NIR-Sortierung aufnimmt. Die Architektur hat drei Komponenten:
Gesamte Integrationshardware: MWIR-Kamera, Montagehalterung, industrielle Edge-GPU (NVIDIA Jetson AGX Orin oder RTX-Workstation), GigE-Vision-Schnittstelle, Verkabelung. Software: vortrainiertes 1D-CNN mit Vor-Ort-Kalibrierung für den spezifischen Bandhintergrund und die Abfallstrommerkmale des Kunden.
Legen Sie diese Tabelle bei Ihrem nächsten Lieferantenbewertungsmeeting vor. Jeder Eintrag basiert auf veröffentlichten Spezifikationen und der aktuellen Produktverfügbarkeit.
| Anbieter | Produkt | Fähigkeit bei schwarzem Kunststoff | Durchsatz | Lücke |
|---|---|---|---|---|
| TOMRA | AUTOSORT BLACK, GAINnext | Ja (proprietäres MWIR/SWIR) | 2.000 Auswürfe/min; 95-98 % Reinheit bei Standardströmen | Nur im Bundle (450-650 Tsd. EUR). Geschlossene Software. Keine separate Lizenzierung oder Nachrüstung auf Nicht-TOMRA-Hardware möglich. |
| Steinert | UniSort BlackEye | Ja (HSI im MWIR-Bereich) | ~1 t/h bei 10-40-mm-Flake-Fraktion; Bandgeschwindigkeit bis 4 m/s | Nachsortierer, kein Primärsortierer. Optimiert für sauberes Flake, nicht für kontaminierten Ganzobjekt-MRF-Input. |
| Pellenc ST | Mistral+ CONNECT | Teilweise (Profilerkennung) | Hochgeschwindigkeits-Mehrmaterialsortierung | Erkennt "schwarzes Objekt im Strom" zur Kontaminantenentfernung. Klassifiziert nicht PP vs. PE vs. PS. |
| Machinex | MACH Hyspec, MACH Vision | Nein (nur SWIR) | Bis zu 99 % Reinheit mit 14 Einheiten pro Anlage | SWIR kann nicht durch Ruß hindurchsehen. Derselbe Blindfleck wie bei Standard-NIR. |
| AMP Sortation | Cortex, AMP ONE | Nein (nur RGB) | 80-140 Griffe/min/Roboter. Bezahlmodell pro Tonne (Pay-per-Ton). | Der Durchsatz beim robotergestützten Greifen liegt deutlich unter dem der pneumatischen Auswerfung. RGB kann keine Polymere klassifizieren. |
| Greyparrot (Bollegraaf) | Analyzer, Sync | Nein (RGB-Messung) | Nur Messung, keine Aktuierung | Sagt Ihnen, was vorbeifließt. Sortiert nichts. Wertvoll für Audits, nicht für die Rückgewinnung. |
| Recycleye | QuantiSort | Nein (RGB + Jetson-GPU) | Niedrigerer CapEx-Einstiegspunkt für Behälterströme | Latenzuntergrenze der Edge-GPU (~30-50 ms). Nur RGB-Erkennung. |
| Big 4 / Große SIs | Strategie + Lieferantenauswahl | Beratung | Nicht zutreffend | Erstellt eine Lieferantenauswahlmatrix und eine Umsetzungs-Roadmap. Schreibt nicht den 1D-CNN-Kernel, kalibriert keinen kryogekühlten Sensor und nimmt keine SPS-Schnittstelle in Betrieb. Mandate laufen bei 750 Tsd.-3 Mio. USD+. |
| Veriprajna | Maßgeschneiderte MWIR- + Edge-KI-Nachrüstung | Ja (Specim FX50 + maßgeschneidertes 1D-CNN) | Abgestimmt auf Bandgeschwindigkeit und Auswerfer-Setup des Kunden | Kein installierter Bestand an Bundle-Hardware. Keine 24/7-Außendienstorganisation. Wir bauen und nehmen in Betrieb; der Lifecycle-Support erfordert ein internes Kundenteam oder einen OEM-Servicevertrag. |
Der andere Weg besteht darin, dass Marken von Ruß auf NIR-detektierbare Pigmente umsteigen (UPM Circular Renewable Black, Cabot-Alternativen, Ampacet-Masterbatches). Diese Pigmente kosten 0,40-1,00 EUR/kg mehr als Standard-Ruß bei 0,20 EUR/kg, noch vor der Requalifizierung für den Lebensmittelkontakt. Die Verbreitung ist seit 2018 langsam: Weniger als 10 % der schwarzen FMCG-Verpackungen sind Stand 2026 NIR-detektierbar. Automobilinnenräume und Elektronikgehäuse stellen überhaupt nicht um. Der bestehende Ruß-Abfallstrom wird noch 15-20 Jahre fortbestehen. MWIR-Sortierung und Pigmentsubstitution sind keine konkurrierenden Strategien. Sie sind koexistierende Wege für einen Übergangszeitraum, der in Jahrzehnten gemessen wird.
Vier Fähigkeiten. Jede schließt eine Lücke, die kein einzelner Plattformanbieter abdeckt.
Eine Nachrüst-Sensorstation für Ihre vorhandene Sortierlinie. Wir montieren die Specim FX50 an einem Nebenband, das den schwarzlastigen Reststoff-Ausschuss aus Ihrem primären NIR-Sortierer aufnimmt. Das 1D-CNN wird auf Ihren spezifischen Abfallstrom trainiert. Die SPS-Integration speist direkt in Ihren vorhandenen pneumatischen Auswerfer oder Robotergreifer ein.
Wir greifen zum 1D-CNN statt zum 2D-CNN, weil es sich hierbei um Signalverarbeitung handelt, nicht um Bilderkennung. Eine zerdrückte schwarze PP-Schale sieht räumlich identisch aus wie ein zerdrückter schwarzer PE-Behälter. Die Form ist unzuverlässig. Die 154-Band-Spektralsignatur der Polymerbindungen ist es nicht. Die 1D-Architektur läuft zudem mit 3-5x geringerer Latenz als vergleichbare 2D-Modelle auf derselben Edge-Hardware.
Bevor wir Hardware empfehlen, rechnen wir die Latenzmathematik gegen Ihre tatsächliche Bandgeschwindigkeit, Auswerferteilung und Ihr Durchsatzziel. Das Ergebnis ist eine Architekturspezifikation mit drei Optionen: optimierte GPU (niedrigste Kosten), hybrides FPGA+GPU (deterministischer Pfad für kritische Latenz, GPU für anspruchsvollere Klassifizierung) oder vollständiger FPGA-Datenfluss (maximale Bandgeschwindigkeit). Jede Option umfasst CapEx, Zeitplan und erwartete Auswirkung auf die Reinheit.
Die ehrliche Antwort lautet meist "Edge-GPU ist ausreichend". Eine NVIDIA Jetson AGX Orin mit TensorRT-Optimierung erreicht eine Latenz von 12-18 ms. Für Bänder, die mit 3 m/s oder darunter laufen, genügt das. Wir verkaufen keine FPGA-Architekturen über Bedarf hinaus, es sei denn, der Durchsatzgewinn rechtfertigt den Hardware-Aufpreis von 25-40 Tsd. EUR und 4-6 Monate zusätzliche Entwicklung.
Für WEEE-Recycler, die Altelektronik verarbeiten, bauen wir eine Dual-Sensor-Fusionspipeline: MWIR für die Polymeridentifikation (ABS, HIPS, PC/ABS) und Inline-XRF für die Bromkonzentration. Das 1D-CNN fusioniert beide Merkmalssätze in einem einzigen Klassifizierungskopf. Ausgabe-Bins: sauberes rABS, sauberes rHIPS, BFR-positiver Ausschuss, gemischter Ausschuss.
Warum das wichtig ist: RoHS verbietet BFR-haltiges Recyclingmaterial in neuen Geräten. 40-50 % der erfassten WEEE-Kunststoffe werden nicht ordnungsgemäß recycelt, weil die Trennung zu schwierig ist. Sauberes rABS erzielt 800-1.100 USD/Tonne. BFR-kontaminierter Mischkunststoff ist nahezu wertlos. Die Marge dieser Trennung rechtfertigt die Sensorinvestition für die meisten WEEE-Verarbeiter, die mehr als 500 Tonnen pro Jahr verarbeiten, in unter 12 Monaten.
Für Anlagen, die bereits über optische Sortierer verfügen (TOMRA, Machinex, Pellenc, Steinert), setzen wir eine Messkamera im Greyparrot-Stil ein, um Ihren tatsächlichen Materialfluss zu charakterisieren, und justieren dann die Firmware-Einstellungen, Bandgeschwindigkeiten und das Auswurftiming Ihres vorhandenen Sortierers, um Reinheit und Rückgewinnung ohne jeglichen Neukauf von Hardware zu maximieren.
Dies ist das Mandat, das am wenigsten kostet und sich am schnellsten amortisiert. Die meisten MRFs betreiben ihre optischen Sortierer mit Werkseinstellungen. Ein einwöchiges Charakterisierungs- und Justierungsmandat hebt die Rückgewinnung typischerweise um 2-5 Prozentpunkte und senkt die Reststoffquote um 1-3 Punkte. In einer Anlage mit 50.000 t/Jahr spart eine Reststoffreduzierung um 2 % allein an vermiedenen Deponiekosten 100-150 Tsd. EUR jährlich.
Jede Entscheidung über die Sortierarchitektur läuft auf eine Gleichung hinaus: Bandgeschwindigkeit mal Latenz ergibt Verschiebung. So nutzen Sie sie.
Ausgangslage: Ein Single-Stream-MRF betreibt ein 1,2 m breites Band mit 3 m/s. Der Auswerfer-Verteiler hat eine Düsenteilung von 12,5 mm. Die aktuelle Latenz von Erkennung bis Auslösung beträgt 50 ms (Edge-GPU, nicht optimiert). Das Zielobjekt (schwarze PP-Schale) misst im Mittel 80 mm in Bandlaufrichtung.
Berechnung der Verschiebung: 3 m/s x 0,050 s = 0,150 m = 150 mm. Bei einem typischen Jitter von plus/minus 10 ms umfasst das Auslöse-Unsicherheitsfenster 120-180 mm. Das System muss einen Stoß abfeuern, der 180 mm Bandlänge abdeckt, um einen Treffer zu garantieren. Bei 12,5 mm Teilung aktiviert das 14-15 Düsen gleichzeitig.
Folge: Der breite Stoß erfasst neben dem Ziel 2-3 benachbarte Objekte. Die Reinheit sinkt um 4-6 Prozentpunkte. Bei einem Ballen, der gemäß APR-Spezifikation mindestens 97 % PP aufweisen muss, kann diese Kontamination eine Zurückweisung auslösen.
| Lösung | Latenz | Verschiebung bei 3 m/s | CapEx | Zeitplan | Urteil |
|---|---|---|---|---|---|
| Band auf 2 m/s drosseln | 50 ms | 100 mm | 0 EUR | Sofort | Vernichtet 33 % des Durchsatzes. Abgelehnt. |
| GPU-Pipeline optimieren (TensorRT, batch=1, FP16) | 12-18 ms | 36-54 mm | 0 EUR (Software) | 2-3 Wochen | Bester ROI. Aktiviert 3-4 Düsen. Akzeptable Reinheit. |
| FPGA-Datenfluss (Kria KV260) | <2 ms | 6 mm | 25-40 Tsd. EUR | 4-6 Monate | Nur oberhalb von 4,5 m/s Bandgeschwindigkeit gerechtfertigt. |
Die richtige Antwort für diese Anlage ist Option 2. Wir empfehlen sie, auch wenn sie uns weniger Beratungsumsatz einbringt als Option 3. Sollte die Anlage später entscheiden, die Bandgeschwindigkeit auf 5+ m/s zu erhöhen, steht der FPGA-Upgrade-Pfad zur Verfügung. Aber 30 Tsd. EUR für Hardware und sechs Monate Entwicklung für ein Problem auszugeben, das mit einer zweiwöchigen Software-Optimierung verschwindet, ist keine ehrliche Ingenieurarbeit.
12-18 ms
Optimierte Edge-GPU (Jetson Orin, TensorRT)
<2 ms
FPGA-Datenfluss (Kria / Zynq UltraScale+)
~500 ms
Cloud-Inferenz (für die Sortierung nicht praktikabel)
Vier Phasen. Typischer Zeitplan: 10-16 Wochen von der Erkundung bis zur Inbetriebnahme bei einer Einzellinien-Nachrüstung.
Wir besuchen Ihre Anlage. Wir messen Ihre Bandgeschwindigkeit, Auswerferteilung, aktuelle Erkennungslatenz und Reststoffzusammensetzung. Wir führen eine eintägige Abfallcharakterisierung der schwarzen Kunststofffraktion durch (RGB-Bildaufnahme, manuelle Sortierung, Wägung nach Polymertyp). Ergebnis: eine Go/No-Go-Bewertung mit projiziertem ROI anhand der tatsächlichen Zahlen Ihrer Anlage. Wenn der ROI eine 12-Monats-Amortisationsschwelle nicht erreicht, sagen wir das und beenden das Mandat. Keine Berechnung für die Bewertung, falls wir absagen.
Wir setzen die Specim FX50 in Ihrer Anlage auf einer temporären Halterung ein, um MWIR-Spektraldaten aus Ihrem tatsächlichen Abfallstrom zu erfassen. Dazu gehören verschmutzte, zerdrückte, nasse, mehrschichtige Verpackungen unter realen Betriebsbedingungen. Wir erfassen 5.000-15.000 markierte Spektren über Ihre Ziel-Polymerklassen. Das 1D-CNN trainiert auf diesen Daten, nicht auf sauberen Laborproben. Die Validierung verwendet einen zurückgehaltenen Testdatensatz aus Ihrem Strom. Wir berichten die Genauigkeit pro Polymerklasse mit Konfidenzintervallen.
Permanente Montage der MWIR-Kamera und der Edge-Compute-Hardware. Programmierung der SPS-Schnittstelle (OPC-UA, Modbus oder EtherCAT, je nach Ihrem Sortierer). Kalibrierung des Bandhintergrunds. Gebersynchronisierung für das Auswurftiming. Funktionaler Abnahmetest: Sortieren von 100 zufällig ausgewählten schwarzen Objekten, Überprüfung der Polymerklassifizierung gegen manuelle XRF-Stichproben. Reinheitsziel: vereinbart pro Polymer gemäß APR/PRE-Ballenspezifikation.
Wir schulen Ihre Bediener am System-Dashboard (Echtzeit-Sortiermetriken, Klassifizierungsverteilung, Reinheitsschätzungen, Betriebszeit). Wir richten die kontinuierliche Rekalibrierungspipeline ein: bedienerverifizierte Korrekturen fließen wöchentlich über eine automatisierte Retraining-Schleife, die auf der Edge-Hardware läuft, in das Modell zurück. Wir übergeben alle Modellgewichte, den Trainingscode und die Dokumentation. Vorbehalt: Wir sind keine 24/7-Außendienstorganisation. Für die Wartung des Stirling-Kühlers, mechanischen Förderband-Support und Notfallabdeckung benötigen Sie Ihren OEM-Servicevertrag oder einen internen Techniker. Wir liefern die KI- und Sensorschicht; wir sind transparent darüber, was wir nicht abdecken.
Geben Sie die Zahlen Ihrer Anlage ein. Das Tool schätzt den jährlich gefährdeten Umsatz, empfiehlt eine Sensor- und Compute-Architektur und kennzeichnet regulatorische Risiken. Wenn die Zahlen sagen, dass Sie dies nicht brauchen, wird das Tool Ihnen das mitteilen.
TOMRA Autosort Black und Steinert UniSort BlackEye sind die beiden kommerziellen Systeme, die schwarze Kunststoffe nach Polymertyp sortieren können. Beide verwenden proprietäre MWIR- oder erweiterte SWIR-Sensoren, gekoppelt mit integrierter KI. Es sind hervorragende Maschinen. Sie sind zugleich geschlossene Ökosysteme, die als komplette Linien zu 450-650 Tsd. EUR installiert verkauft werden, ohne die Möglichkeit, die Software separat zu lizenzieren oder auf Drittanbieter-Hardware nachzurüsten. Die Steinert BlackEye ist überdies auf einen Durchsatz von etwa 1 Tonne pro Stunde bei der 10-40-mm-Flake-Fraktion begrenzt, was sie eher zu einem Nachsortierer als zu einer Primärsortierlinie macht.
Veriprajna arbeitet anders. Wir integrieren die Specim FX50 MWIR-Kamera (154 Bänder, 2,7-5,3 Mikrometer Bereich) mit maßgeschneiderten 1D-CNN-Klassifizierungsmodellen und setzen sie auf Ihrer vorhandenen Förderinfrastruktur ein. Dieser Nachrüstansatz kostet typischerweise 150-250 Tsd. EUR einschließlich Sensor, Edge-Compute-Hardware, SPS-Integration und Inbetriebnahme. Wir können neben einer vorhandenen TOMRA- oder Machinex-Einheit an einem Nebenband montieren, speziell für die schwarze Fraktion, die Ihr aktueller NIR-Sortierer in den Reststoff abweist. Der Sensor ist dieselbe Physik. Der Unterschied sind Anbieterunabhängigkeit, niedrigere CapEx und die Möglichkeit, das Klassifizierungsmodell auf Ihren spezifischen Abfallstrom abzustimmen, statt Werks-Firmware laufen zu lassen.
Das ist die richtige Frage, denn die Lücke zwischen Labor- und Feldwerten ist erheblich. Specims Marketingmaterialien nennen nahezu 99 % Genauigkeit für saubere, einschichtige Flakes unter kontrollierten Bedingungen. Der in Resources, Conservation and Recycling im Januar 2026 veröffentlichte, peer-reviewte Benchmark berichtet 83,4 % ausgewogene Genauigkeit bei MWIR plus CNN auf echten Abfallproben. Der Unterschied rührt von Kontamination (Lebensmittelreste, Feuchtigkeit, Klebeetiketten), mehrschichtigen Verpackungen (PP/EVOH/PE-Laminate erzeugen Mischspektren, die nicht zu Einzelpolymer-Trainingsklassen passen) und bandgeschwindigkeitsbedingter Spektraldegradation.
Wir gehen diese Lücke auf drei Wegen an. Erstens trainieren wir auf verschmutzten Daten. Das 1D-CNN muss Spektren von kontaminierten, zerdrückten, nassen Proben sehen, die aus dem tatsächlichen Abfallstrom des Kunden gesammelt wurden, nicht von sauberen Laborflakes. Zweitens bauen wir eine Ausschussklasse. Wenn die Konfidenz des Modells unter die Schwelle (typischerweise 85 %) fällt, wird das Objekt an eine manuelle QC-Station geleitet, statt einen sortierten Ballen zu kontaminieren. Drittens betreiben wir kontinuierliche Rekalibrierungsschleifen, in denen bedienerverifizierte Korrekturen wöchentlich in das Modell zurückfließen. Mit diesen Anpassungen stabilisiert sich die Feldgenauigkeit bei den fünf wichtigsten schwarzen Polymeren (PP, PE, PS, ABS, PVC) nach zwei bis drei Betriebsmonaten im Bereich von 88-93 %. Das sind keine 99 %. Es ist hoch genug, um Ballen zu erzeugen, die die PRE- und APR-Spezifikationsschwellen für Note-A-rPP erfüllen (mindestens 97 % PP, höchstens 0,5 % PVC), sofern der nachgelagerte Ballen-QA-Schritt vorhanden ist.
Das hängt von Ihrer Bandgeschwindigkeit und Auswerferteilung ab. Die Mathematik ist unkompliziert. Multiplizieren Sie Ihre Bandgeschwindigkeit in Metern pro Sekunde mit Ihrer Latenz von Erkennung bis Auslösung in Sekunden. Das ergibt die Verschiebung in Metern zwischen dem Zeitpunkt, an dem die Kamera das Objekt sieht, und dem Zeitpunkt, an dem der Luftstrahl feuert. Vergleichen Sie diese Verschiebung mit Ihrer Auswerferdüsenteilung (typischerweise 12,5 mm bis 31 mm). Liegt die Verschiebung innerhalb von ein bis zwei Düsenteilungen, ist die Edge-GPU in Ordnung. Übersteigt sie das, drosseln Sie entweder das Band (was den Durchsatz vernichtet), verbreitern den Luftstoß (was die Reinheit vernichtet) oder reduzieren die Latenz.
Eine NVIDIA Jetson AGX Orin mit einer optimierten TensorRT-Pipeline erreicht eine Inferenzlatenz von 12-18 ms mit einem Jitter von etwa plus/minus 5 ms. Bei 3 Metern pro Sekunde sind das 36-54 mm Weg, was für die meisten Verteiler mit 12,5-mm-Teilung bei Einzeldüsenaktivierung praktikabel ist. Bei 5 Metern pro Sekunde erzeugt dieselbe Latenz 60-90 mm Weg plus 25 mm Jitter-Hülle, und die Reinheit verschlechtert sich um 4-6 Prozentpunkte.
Eine FPGA-Datenfluss-Pipeline auf einer AMD Kria KV260 oder Zynq UltraScale+ erreicht eine deterministische Latenz von unter 2 ms mit nahezu null Jitter. Bei 5 Metern pro Sekunde beträgt die Verschiebung 10 mm. Dieses Maß an Präzision ist nur für Anlagen gerechtfertigt, die Bandgeschwindigkeiten über 4,5 Meter pro Sekunde fahren oder ultrafeine Fraktionssortierungen betreiben, bei denen jeder Millimeter zählt. Wir rechnen die Latenzmathematik für jedes Mandat, bevor wir eine Architektur empfehlen. In etwa 70 % der Fälle ist die optimierte Edge-GPU die richtige Antwort. Der FPGA-Pfad verursacht zusätzliche Hardwarekosten von 25-40 Tsd. EUR plus vier bis sechs Monate Entwicklung. Wir empfehlen ihn nicht, es sei denn, der Durchsatzgewinn rechtfertigt die Investition.
Die Specim FX50 kühlt ihren InSb-Detektor mit einem integrierten Stirling-Kryokühler auf etwa 77 Kelvin. Das Datenblatt gibt die Kühlerlebensdauer mit 10.000 Stunden an. In einer realen MRF-Umgebung mit Staub, Vibration durch Fördermotoren und thermischer Wechselbelastung durch Schichtbeginn/-ende sind 7.000 bis 8.000 Stunden zu erwarten, bevor der Kühler gewartet werden muss. Bei 16 Betriebsstunden pro Tag sind das etwa 14 bis 18 Monate zwischen Kühlerwechseln. Ersatzkühler von Specim haben eine Lieferzeit von 12 bis 16 Wochen. Dies ist das größte einzelne Betriebsrisiko jedes MWIR-Sortiereinsatzes, und jeder Werksleiter fragt danach.
Wir mindern es mit vier Maßnahmen. Erstens eine Hot-Swap-Kamerahalterung. Die FX50 wird auf einer Schnellwechselhalterung montiert, sodass die gesamte Kameraeinheit in unter 30 Minuten getauscht werden kann, ohne das Band anzuhalten. Zweitens ein rotierendes Ersatzteilprogramm. Wir empfehlen den Kauf einer zweiten FX50 (oder die Qualifizierung eines alternativen Sensors wie der Telops Hyper-Cam Mini-MWIR) als Wartungsersatz. Kamera eins wird bei 6.500 Stunden zur vorbeugenden Kühlerwartung ausgebaut und wird zum Ersatzgerät. Kamera zwei geht in Betrieb. So bleibt die Linie kontinuierlich in Betrieb. Drittens ein Fallback-Klassifizierungsmodus. Wenn kein MWIR-Sensor verfügbar ist, kehrt das System zur reinen RGB-Segmentierung zurück. Dieser Modus kann den Polymertyp nicht klassifizieren, aber er kann schwarze Objekte aus dem Strom für die manuelle Sortierung oder Lagerung trennen, bis die MWIR-Kamera zurückkehrt. Die Linie stoppt nie. Viertens die Qualifizierung alternativer Sensoren. Wir pflegen validierte Modellgewichte für mindestens eine zusätzliche MWIR-Sensorplattform, um uns gegen Lieferkettenstörungen bei Specim abzusichern.
Ja, und dies ist eine der wertvollsten Anwendungen. WEEE-Recycler verarbeiten große Mengen schwarzer ABS-, HIPS- und PC/ABS-Mischungen aus Altelektronik. Die RoHS-Richtlinie verbietet bromierte Flammschutzmittel (BFRs) im Recycling-Ausgangsmaterial für neue Geräte, doch 40 bis 50 % der erfassten WEEE-Kunststoffe werden nicht ordnungsgemäß recycelt, weil die Trennung von BFR-positivem und BFR-negativem Material schwierig ist.
Die aktuelle Best Practice kombiniert XRF (Röntgenfluoreszenz) zur Bromdetektion mit NIR zur Polymeridentifikation. Das Problem ist, dass NIR nicht durch schwarze Gehäuse hindurchsehen kann, sodass der Polymerklassifizierungsschritt fehlschlägt. MWIR löst die Polymerseite. Es erkennt, ob ein schwarzes Teil ABS, HIPS oder PC/ABS ist, unabhängig vom Ruß-Pigment. Für die BFR-Bestimmung fusionieren wir die MWIR-Spektraldaten mit Inline-XRF-Messwerten. Bestimmte BFR-Verbindungen erzeugen detektierbare Absorptionsmerkmale im MWIR-Bereich von 3,0-4,5 Mikrometer, insbesondere die C-Br-Streckmoden, wenngleich dies bei Produktionsgeschwindigkeit weniger zuverlässig ist als XRF. Der kombinierte Sensorfusionsansatz klassifiziert jedes Teil in sauberes rABS, sauberes rHIPS, BFR-positiven Ausschuss und gemischten Ausschuss.
Veröffentlichungen berichten, dass kombinierte NIR-plus-XRF-Ansätze bis zu 98 % der BFR-haltigen Kunststoffe entfernen. Indem wir MWIR bei der schwarzen Fraktion durch NIR ersetzen, erweitern wir diese Fähigkeit auf den Materialstrom, der derzeit gänzlich übersprungen wird. Die Wirtschaftlichkeit ist attraktiv. Sauberes rABS erzielt 800-1.100 USD pro Tonne. BFR-kontaminierter WEEE-Mischkunststoff ist nahezu wertlos. Die Trennung von 500 Tonnen sauberem rABS pro Jahr aus einem WEEE-Strom, der derzeit in die energetische Verwertung geht, stellt einen rückgewonnenen Wert von 400-550 Tsd. USD dar.
Die EU-Verpackungs- und Verpackungsabfallverordnung (PPWR, Verordnung 2025/40) führt verpflichtende Recyclingfähigkeits-Leistungsnoten für alle in der EU verkauften Verpackungen ein. Die Europäische Kommission muss bis zum 1. Januar 2028 delegierte Rechtsakte erlassen, die Design-for-Recycling-Kriterien und Notenschwellen festlegen. Ab 2030 dürfen nur noch mit A, B oder C bewertete Verpackungen auf dem EU-Markt in Verkehr gebracht werden. Ab 2038 steigt das Minimum auf Note B.
RecyClass (betrieben von Plastics Recyclers Europe) bewertet rußpigmentierte Verpackungen derzeit nur dann als recyclingfähig, wenn an der verarbeitenden Anlage MWIR-fähige Sortierinfrastruktur vorhanden ist. Ohne diese Infrastruktur fällt die Verpackung standardmäßig auf eine niedrigere Note. Fällt sie unter Note C, wird sie nach 2030 in der EU nicht mehr vermarktbar.
Für Marken schafft dies einen dringenden Anreiz, entweder auf NIR-detektierbare schwarze Pigmente umzusteigen (was langsam geschieht, mit Stand 2026 weniger als 10 % der schwarzen FMCG-Verpackungen umgestellt, aufgrund von Kostenaufschlägen von 0,40-1,00 EUR pro Kilogramm gegenüber Standard-Ruß) oder sicherzustellen, dass ihre Verpackungen MRFs erreichen, die mit MWIR-Sortierung ausgestattet sind. Für MRF-Betreiber schafft dies eine kommerzielle Chance. Anlagen, die eine MWIR-Schwarzkunststoff-Rückgewinnung nachweisen können, werden zu bevorzugten Partnern für die EPR-Compliance von Marken. Parallel beginnt Kalifornien mit SB 54 im Jahr 2027 mit der Erhebung von EPR-Gebühren, geschätzt 500 Millionen USD jährlich von Konsumgüterherstellern plus bis zu 150 Millionen USD von Harzherstellern. Die Recyclinganteil-Vorgaben (30 % rPET in Flaschen, 35 % in sonstigen Kunststoffverpackungen bis 2030) werden die Nachfrage nach hochreinem Recyclinggranulat, einschließlich schwarzem rPP und rABS, weit über das aktuelle Angebot treiben. MRFs, die diese Ballen in Note-A-Reinheit produzieren können, werden Premiumpreise erzielen, zu denen Anlagen mit reiner NIR-Sortierung keinen Zugang haben.
Die interaktiven Whitepaper hinter dieser Lösungsseite. Für die detaillierte Physik, Architektur und ökonomische Modellierung.
MWIR-Hyperspektral-Bildgebungsarchitektur, 1D-CNN-Spektralklassifizierung, Sensorfusion mit RGB-Segmentierung und der wirtschaftliche Fall für die Schwarzkunststoff-Rückgewinnung in MRFs.
FPGA- vs. GPU-Edge-Inferenzarchitekturen für die Hochgeschwindigkeitssortierung auf Förderbändern. Latenzanalyse, Quantisierungsstrategien und die Kinematik des pneumatischen Auswurftimings.
Ein MRF mit 50.000 t/Jahr, der 5 % schwarzen Kunststoff zurückgewinnt, erwirtschaftet 2,0-2,5 Mio. EUR jährlichen Granulatumsatz aus Material, das derzeit auf die Deponie geht.
Wir beginnen mit einem kostenlosen Erkundungsbesuch: Wir messen Ihre Reststoffzusammensetzung, rechnen die Latenzmathematik auf Ihrer Sortierlinie und liefern eine Go/No-Go-Bewertung mit echten Zahlen. Wenn der ROI nicht gegeben ist, sagen wir es Ihnen.