Diese Kügelchen können als so genannte Absorber Schadstoffe in Abwässern einfangen. An der HFU werden die schlauen Schadstoffmagneten in verschiedenen Projekten mit KI kombiniert - und tragen so zu Gewässer- und Umweltschutz bei! Bildquelle Materialbilder: PolymerActive
An der Hochschule Furtwangen wird KI in Umweltschutzprojekten eingesetzt
Arzneimittel, Chemikalien, Schwermetalle: Was uns im Alltag nützt, kann in der Umwelt zur Gefahr werden. Ein besonderer Sammelpunkt für diese Stoffe ist das Abwasser – aus Haushalten ebenso wie aus der Industrie. „Abwasser ist wie ein Spiegel unserer Gesellschaft“, sagt Prof. Dr. Matthias Kohl, Leiter der Forschungsgruppe „Data Science for Life Sciences“ an der Hochschule Furtwangen. „Man sieht darin, was wir konsumieren – nur leider bleiben viele dieser Stoffe viel länger in der Umwelt als in unserem Körper.“
In den vergangenen Jahren sind vor allem Mikroplastikpartikel in den Fokus gerückt. Sie können Schadstoffe anlagern, Fachleute sprechen von Sorption. „Man kann sich das ähnlich wie einen Schadstoffmagneten vorstellen“, erklärt Kohl. „Je nach Kunststoffart und Schadstoff ‚haften‘ die Moleküle unterschiedlich gut.“
Genau dieses Prinzip macht sich die PolymerActive GmbH aus Offenburg zunutze. Das Unternehmen – gegründet von ehemaligen Studierenden der Hochschule Furtwangen – upcycelt Mikroplastikabfälle und verwandelt sie in sogenannte Adsorber – Partikel also, die Schadstoffe aus dem Wasser aufnehmen können. An der HFU untersucht das Team um Prof. Kohl, wie sich Datenwissenschaft und Künstliche Intelligenz (KI) einsetzen lassen, um diese Partikel gezielt zu optimieren.
HyplastDB: Was KI aus hunderten Versuchen lernt
Theoretisch klingt es einfach: Unterschiedliche Kunststoffe haben unterschiedliche Sorptionseigenschaften. Für jede Art von Verunreinigung ließe sich also eine ideale Kunststoffkombination finden, um Abwasser möglichst effizient zu reinigen. Praktisch ist das ein Mammutprojekt. „Man kann nicht jede denkbare Kombination aus Kunststoff, Schadstoff und Umweltbedingung im Labor testen“, so Kohl. „Das würde sehr lange dauern und wäre sehr teuer.“
Im Invest BW-Projekt „HyplastDB“ setzt das Team daher auf KI-Modelle, die Sorptionseigenschaften vorhersagen. Dafür wurden aus der wissenschaftlichen Literatur Daten aus mehreren hundert Experimenten zusammengetragen. Was einfach klingt, entpuppt sich als Detektivarbeit: uneinheitliche Darstellungen, fehlende Versuchsparameter, unterschiedliche Einheiten.
„Wir standen vor einer Datenlandschaft, die eher einem Flickenteppich glich als einer sauberen Tabelle“, beschreibt Kohl. Mithilfe statistischer Verfahren zur sogenannten Imputation – also zur Ergänzung fehlender Werte – konnten die Forschenden Lücken schließen und Zusammenhänge sichtbar machen. Die vielleicht überraschendste Erkenntnis: „Ein relativ kleiner Satz gut ausgewählter Deskriptoren reicht, um trotz aller Heterogenität Vorhersagen auf aktuellem Stand der Technik zu erzielen“, sagt Kohl. Anders formuliert: Wenn man die richtigen Merkmale kennt, kann die KI sehr gut abschätzen, wie stark ein Schadstoff am „Kunststoff-Schadstoffmagneten“ hängen bleibt – ganz ohne jeden Einzelversuch im Labor.
reABSorb: Die Oberfläche als Feintuning-Schraube
Während es bei HyplastDB darum geht, Sorptionseigenschaften aus vorhandenen Daten zu lernen, geht an der Hochschule das laufende KMU-Innovativ-Projekt „reABSorb“ einen Schritt weiter. Dieses wird von Prof. Dr. Magnus Schmidt geleitet und verfolgt ein ehrgeiziges Ziel: Die Oberfläche der von PolymerActive produzierten Partikel soll so angepasst werden, dass bestimmte Schadstoffe besonders gut und andere möglichst wenig anlagern.
„Im Idealfall bauen wir einen Schadstoffmagneten, der nur bestimmte ‚Haftpartner‘ mag“, beschreibt Schmidt. „Ein Partikel, das zum Beispiel Arzneimittelrückstände sehr effizient bindet, aber andere Stoffe weitgehend in Ruhe lässt.“
Die Herausforderung liegt im Produktionsprozess selbst. Geschwindigkeiten, Temperaturen, Verweilzeiten in einzelnen Schritten – all das hat Einfluss darauf, wie die Oberfläche der Partikel am Ende aussieht und wie gut sie als „Schadstoff-Fänger“ funktioniert. Hier kommt erneut das Team von Prof. Kohl ins Spiel: Es entwickelt KI-Modelle, die den Produktionsprozess überwachen und steuern sollen.
„Wir versuchen, aus Prozessdaten und späteren Sorptionseigenschaften zu lernen“, erklärt Kohl. „Also: Welche Einstellung am Anfang führt zu welcher Qualität am Ende? Unser Ziel ist, dass die Produktion datenbasiert optimiert werden kann.“ Langfristig sollen so Partikel entstehen, deren Sorptionseigenschaften möglichst exakt definiert sind – maßgeschneiderte Werkzeuge also für den Einsatz in Kläranlagen oder industriellen Reinigungsverfahren.
Künstliche Intelligenz mit ganz praktischem Nutzen
Die beiden Projekte der Hochschule Furtwangen zeigen, dass Künstliche Intelligenz ein wichtiges Instrument im Umweltschutz sein kann. „Am Ende geht es darum, mit Hilfe von Daten reale Umweltprobleme besser zu lösen“, fasst Schmidt zusammen. „Wenn wir es schaffen, mit KI gesteuerte Kunststoff-Adsorber gezielt für Schadstoffe einzusetzen, leisten wir einen Beitrag zum Schutz von Gewässern – und damit auch zur Gesundheit von uns allen.“
