Das Ziel des Promotionsvorhabens ist die Entwicklung einer Sensortechnologie für die Erkennung und Klassifizierung schwarzer Kunststoffgranulate, welche die Grundlage für ein ökologisch und ökonomisch sinnvolles Recycling solcher Materialien bilden soll.

Die stoffliche Verwertung von Kunststoffprodukten ist aufgrund begrenzter Rohstoffressourcen und der Umweltbelastungen, welche durch Produktion und Entsorgung entstehen, eine ökologische Notwendigkeit und wird auch zunehmend durch gesetzliche Vorgaben gefordert. Da hochqualitative Recyclingprodukte gewinnbringend wiedereinsetzen werden können, ist ein hoher Recyclinggrad auch aus ökonomischer Sicht wünschenswert.

Zurzeit werden in Deutschland nur ca. 42% der jährlich anfallenden ca. 5½ Mio. t  Kunststoffabfälle stofflich recycelt. Der überwiegende Anteil wird demzufolge thermisch verwertet oder auf Deponien verbracht und belastet damit direkt die Umwelt. Eine Erhöhung der Recyclingquote ist somit aus ökologischer dringend  erstrebenswert.

Der Hauptgrund für die niedrige Recyclingquote ist das Fehlen wirtschaftlicher Wiederaufbereitungstechnologien. Die Qualität recycelter Kunststoffe, und damit der später erzielbarer Verkaufspreis, ist unmittelbar von der Reinheit des aufbereiteten Kunststoffes abhängig. So muss die Reinheit aufbereiteter, technischer Kunststoffe zwingend über 99,9% liegen, um neue Bauteile ohne Qualitätsverluste fertigen zu können. Für schwarze Kunststoffabfälle, wie sie in großen Mengen in der Automobil- und Elektronikindustrie anfallen, ist es derzeit nicht möglich, eine solche Reinheit bei der Aufbereitung zu erreichen, da keine Erkennungstechnologien für eine sortenreine Trennung existieren. Das Hauptproblem bei der Trennung technischer Kunststoffprodukte liegt in ihrem komplexen Aufbau aus verschiedenen Polymeren, Metallen und Additiven. Die derzeit verfügbaren Erkennungstechnologien scheitern wegen einer zu geringen Messgeschwindigkeit, einer ungenügenden Klassifikationsgüte schwarzer Kunststoffe und, sich daraus unmittelbar ableitend, an der fehlenden Wirtschaftlichkeit.

Ein erfolgversprechender Lösungsansatz für dieses beschriebene Problem ist die Entwicklung eines bildgebenden Raman- bzw. Fluoreszenz-Messsystems in Verbindung mit einer multivariaten Datenauswertung. Die Raman-Spektroskopie basiert auf der inelastischen Streuung von monochromatischer Strahlung und erlaubt die Unterscheidung schwarzer Kunststoffe anhand ihrer charakteristischen Spektren. Um den hohen Anforderungen an die Messgeschwindigkeit eines potenziellen Erkennungsverfahrens für das Kunststoffrecycling gerecht zu werden, muss das entwickelte Raman- bzw. Fluoreszenz--System „bildgebend“, d. h. ein flächig- und spektroskopisch auflösendes Verfahren sein, da erst so eine schnelle und kontinuierliche Erkennung und Klassifizierung schwarzer Kunststoffe möglich wird.

Die Klassifizierung der Kunststoffpartikel anhand ihrer Raman- bzw. Fluoreszenz-Spektren bzw. deren charakteristischer Merkmale soll mithilfe multivariater, statistischer Modelle erfolgen. Das bedeutet, dass eine automatisierte Erkennung und Bewertung der aufgenommenen Daten hinsichtlich der Art des untersuchten Kunststoffpartikels erfolgt. Der Hauptteil des vorgestellten Promotionsvorhabens ist daher die Erstellung und Validierung robuster und effizienter Klassifikationsalgorithmen. Das Hauptaugenmerk soll dabei auf technisch relevanten Kunststoffmischungen liegen, wie sie bereits heute bei Recyclingunternehmen anfallen. Um diesen Anwendungsbezug zu gewährleisten, erfolgt eine Zusammenarbeit mit einem etablierten Recyclingunternehmen für Kunststoffabfälle (Kunststoffrecycling CKT GmbH&Co.KG).

Als Ergebnis der Promotion soll eine Sensortechnologie demonstriert werden, welche für eine zuverlässige Klassifizierung schwarzer Kunststoffe geeignet ist, und die somit deren sortenreine Trennung, also eine ökonomische stoffliche Verwertung dieser schwarzen Kunststoffe ermöglicht. Die Lösung dieses Aspekts ermöglicht einen deutlich ökologischeren Stoffkreislauf für Kunststoffmaterialien.