Research Project ReMEPP

Motivation:

Einsatz von variablen PP-Rezyklatströmen zur Herstellung von rEPP-Formteilen

Mit steigenden Anforderungen an Ressourceneffizienz und Kreislaufwirtschaft gewinnt das werkstoffliche Recycling von Kunststoffen – insbesondere EPP-Recycling – zunehmend an Bedeutung. Eine zentrale Herausforderung bleibt dabei die stark schwankende Qualität und Zusammensetzung verfügbarer Rezyklatströme. Bei geschäumten Kunststoffen wirken sich diese Schwankungen besonders stark aus, da sie sich prozesstechnisch nur begrenzt kompensieren lassen. Die industrielle Herstellung von Formteilen aus rEPP setzt daher bislang auf sortenreine, hochwertige Rezyklate, deren Verfügbarkeit die steigende Nachfrage langfristig jedoch nicht decken kann.

Lösungsansatz:

Entwicklung eines Machine‑Learning‑Modells zur Optimierung der rEPP‑Herstellung aus schwankenden PP‑Rezyklatströmen

Das Projekt ReMEPP verfolgt das Ziel, durch ein intelligentes, datenbasiertes und selbstlernendes Vorhersagemodell neben sortenreinen Rezyklatströmen auch PP-Rezyklatströme mit stark variierenden Materialzusammensetzungen für die Herstellung von Formteilen aus rEPP nutzbar zu machen.

Dafür erfasst das Projekt Prozess- und Materialdaten entlang der gesamten Wertschöpfungskette und integriert sie in ein Machine-Learning-Modell. Dieses bewertet die Qualität der Rezyklatströme in Echtzeit und ermöglicht eine adaptive Prozessführung, um den Recyclingprozess ökologisch wie ökonomisch zu optimieren.

Vorgehen:

Etablierung einer Kreislaufwirtschaft für variable PP-Rezyklatströme im Partikelschaumbereich

Nachweisliche Reduktion des Product Carbon Footprint der rEPP-Produkte (≥ 40 % Rezyklatanteil)

Entwicklung von Machine Learning (ML)-Modellen auf Basis von Prozessdaten entlang des gesamten Kreislaufs

Ökologische sowie wirtschaftliche Bewertung des Einsatzes von variablen PP-Rezyklatströmen