Hintergrund und Ziele des Projekts
Ziel und innovativer Kern des Forschungsvorhabens ist die Entwicklung wissenschaftlicher Grundlagen für ein Verfahren, das sowohl die Anreicherung reaktiver Ziegelkomponenten aus Mauerwerkbruch als auch die Berechnung ihrer puzzolanischen Reaktivität ermöglicht. Hierzu soll künstliche Intelligenz eingesetzt werden, um den Zusammenhang zwischen Farbkennwerten und der chemisch-mineralogischen Zusammensetzung systematisch auszuwerten. Die optische, sensorgestützte Sortierung wird mithilfe von KI basierten Verfahren so weiterentwickelt, dass verschiedene Ziegelarten zuverlässig voneinander unterschieden und gleichzeitig Rückschlüsse auf die Reaktivität der sortierten Materialien gezogen werden können. Dafür müssen die Beziehungen zwischen Farb-, Bild-, Spektral-, Reaktivitäts- und Materialkennwerten umfassend untersucht und geeigneten Machine- und Deep Learning Modellen antrainiert werden. Eine solche Methodik würde es ermöglichen, die Reaktivität von Mauerwerkbruch bereits im Recyclingwerk abzuschätzen und damit neue Anwendungspotenziale für reaktive Ziegelmehle zu erschließen. Alle erhobenen Kennwerte werden in einer zentralen Datenbank zusammengeführt und systematisch miteinander verknüpft, um eine robuste Grundlage für Analyse, Modellierung und spätere Anwendung zu schaffen.
