{"id":1403,"date":"2026-05-19T10:11:38","date_gmt":"2026-05-19T08:11:38","guid":{"rendered":"https:\/\/matvision.eu\/?p=1403"},"modified":"2026-05-19T10:11:39","modified_gmt":"2026-05-19T08:11:39","slug":"ai-in-recycling-constraints-and-challenges","status":"publish","type":"post","link":"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/","title":{"rendered":"KI im Recycling: Randbedingungen und Grenzen"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

K\u00fcnstliche Intelligenz wird oft als Universall\u00f6sung dargestellt, die ein breites Spektrum komplexer Probleme bew\u00e4ltigt. Systeme, die auf umfangreichen \u00f6ffentlichen Datens\u00e4tzen trainiert wurden, erkennen Objekte, segmentieren Bilder und klassifizieren Werkstoffe in kontrollierter Umgebung mit beeindruckender Genauigkeit. Recycling findet jedoch nicht unter solchen Bedingungen statt.<\/p>\n

<\/p>\n

<\/p>\n

\n

<\/p>\n

KI ist die neue Elektrizit\u00e4t. <\/p>\n

Andrew Ng<\/cite><\/p>\n<\/blockquote>\n

<\/p>\n

<\/p>\n

Die Herausforderung des Recyclings: saubere Daten in einer schmutzigen Welt<\/h3>\n

<\/p>\n

<\/p>\n

Die meisten \u00f6ffentlich verf\u00fcgbaren KI-Datens\u00e4tze bestehen aus unversehrten, klar erfassten Objekten, aufgenommen bei stabilem Licht und unter sorgf\u00e4ltig kontrollierten Bedingungen. Recyclingstr\u00f6me sind genau das Gegenteil. Das Material kommt zerdr\u00fcckt, geschreddert oder verformt an. Oberfl\u00e4chen sind oxidiert, staubig oder nass. Objekte \u00fcberlappen, Formen sind unregelm\u00e4\u00dfig, die Geometrie ist chaotisch.<\/p>\n

Modelle, die auf idealisierten Datens\u00e4tzen trainiert wurden, lassen sich auf diese Komplexit\u00e4t selten \u00fcbertragen. Dom\u00e4nenspezifische Datens\u00e4tze m\u00fcssen daher von Grund auf aufgebaut werden.<\/p>\n

In der Praxis verlangt der Aufbau belastbarer Datens\u00e4tze f\u00fcr Recyclinganwendungen eine umfangreiche manuelle Vorsortierung, eine strenge Validierung der Referenzwerte mit Messtechniken wie tragbarem RFA, LIBS oder Funken-OES, eine sorgf\u00e4ltig kontrollierte Sensoraufnahme und mitunter eine Oberfl\u00e4chenvorbereitung, um Beschichtungen oder Verschmutzungen zu entfernen. Das ist teuer und technisch anspruchsvoll, und das erkl\u00e4rt, warum gro\u00dfe, hochwertige Datens\u00e4tze bei komplexen Metallstr\u00f6men selten bleiben.<\/p>\n

Eine weitere Schwierigkeit liegt in der Natur der Etikettierung selbst. Im Recycling ist die Klassifikation nicht immer bin\u00e4r oder eindeutig. Viele Werkstoffe bilden Zusammensetzungskontinua statt klar getrennter Kategorien. Messing umfasst eine Spanne von Kupfer-Zink-Verh\u00e4ltnissen, und Aluminiumlegierungen zeigen flie\u00dfende \u00dcberg\u00e4nge in der Zusammensetzung. Grenzf\u00e4lle sind h\u00e4ufig. Unter solchen Bedingungen kann die Etikettierung vom Messger\u00e4t, von der Auslegung des Bedieners oder von vorgegebenen Schwellwerten abh\u00e4ngen.<\/p>\n

Das bringt ein inh\u00e4rentes Rauschen in den Datensatz. Modelle, die auf unvollkommenen oder kontextabh\u00e4ngigen Labels trainiert werden, erben diese Mehrdeutigkeit zwangsl\u00e4ufig. In diesem Zusammenhang wird die Datenqualit\u00e4t und nicht die Modellarchitektur zum wichtigsten begrenzenden Faktor.<\/p>\n

<\/p>

<\/p>

<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\"Hand-sorted<\/picture><\/picture>\t\t\t\t\t\t\t\t\t\t\t
Von Hand sortierte Metallschrottproben, vorbereitet f\u00fcr die Sensoraufnahme und das KI-Training.<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Sensorvariabilit\u00e4t und Dom\u00e4nenanpassung<\/h3>\n

Industrielle k\u00fcnstliche Intelligenz im Recycling st\u00fctzt sich auf spezialisierte Messverfahren: R\u00f6ntgendurchstrahlung, laserinduzierte Plasmaspektroskopie, hyperspektrale Bildgebung und dreidimensionale Profilometrie. Anders als gew\u00f6hnliche RGB-Bilder reagieren diese Signale empfindlich auf Kalibrierparameter, optische Ausrichtung, Integrationszeit, Umgebungsbedingungen und die allm\u00e4hliche Alterung der Sensoren.<\/p>\n

Folglich kann ein Modell, das mit den Daten eines Sensors trainiert wurde, auf einem anderen versagen, selbst wenn beide Systeme nominell identisch sind. Geringe Konfigurationsunterschiede verschieben die Signalverteilungen erheblich. Daraus entsteht ein Problem der Dom\u00e4nenanpassung, das in der allgemeinen KI-Literatur selten behandelt wird.<\/p>\n

Arbeiten wie die von Sterkens et al. zur Batterieerkennung in R\u00f6ntgenbildern oder von D\u00edaz Romero et al. zur Klassifikation von Aluminiumschrott mit LIBS in Verbindung mit RGB- und Tiefendaten zeigen das Potenzial des Deep Learning im Recycling. Dieselben Studien unterstreichen zugleich, wie wichtig kontrollierte Aufnahmebedingungen und sorgf\u00e4ltig kuratierte Datens\u00e4tze sind. \u00dcbertragbarkeit von einer Industrieanlage auf die andere ergibt sich nicht von selbst.<\/p>\n

Pr\u00e4zision gegen Ausbringung: die wirtschaftliche Randbedingung<\/h3>\n

Das Verh\u00e4ltnis von Pr\u00e4zision und Ausbringung bringt eine weitere Randbedingung. Im Recycling l\u00e4sst sich die Klassifikationsleistung nicht isoliert bewerten. Jedes Modell wirkt zugleich auf die Reinheit der sortierten Fraktion und auf die Ausbringung des Wertstoffs. H\u00f6here Konfidenzschwellen verbessern die Reinheit, senken aber die Ausbringung; niedrigere Schwellen erh\u00f6hen die Ausbringung auf Kosten der Verunreinigung. Dieser Zielkonflikt l\u00e4sst sich nicht aufl\u00f6sen: Er muss bewusst und im Einklang mit den wirtschaftlichen Zielen eingestellt werden.<\/p>\n

Erschwerend kommt hinzu, dass sich die Eingangsstr\u00f6me ver\u00e4ndern. Die Zusammensetzung verschiebt sich, saisonale Schwankungen treten auf, Verunreinigungsmuster \u00e4ndern sich und Sensoren driften. Modelle, die unter bestimmten Aufnahmebedingungen trainiert wurden, k\u00f6nnen im Produktionsbetrieb an Leistung verlieren. Gegenma\u00dfnahmen sind Datenaugmentierung, bewusste Variabilit\u00e4t im Training, periodisches Neuetikettieren, fortlaufende Leistungs\u00fcberwachung und eine kalibrierungsbewusste Vorverarbeitung.<\/p>\n

Das verweist auf eine allgemeinere Grenze des \u00fcberwachten Lernens im industriellen Umfeld: die Stabilit\u00e4t \u00fcber die Zeit. Die Leistung k\u00fcnstlicher Intelligenz im Recycling ist nicht allein an den \u00fcblichen Genauigkeitsma\u00dfen zu messen, sondern an ihrer Robustheit unter ver\u00e4nderlichen industriellen Bedingungen.<\/p>\n

Interpretierbarkeit und Betriebsrisiko<\/h3>\n

Interpretierbarkeit bringt eine weitere kritische Dimension. Deep-Learning-Systeme gelten oft als undurchsichtig; im Recycling hat diese Undurchsichtigkeit greifbare betriebliche Folgen. Eine falsch klassifizierte Legierung kann nachgelagerte Schmelzprozesse st\u00f6ren. Eine nicht erkannte eingebaute Batterie in einem Elektroaltger\u00e4t kann die Brandgefahr erh\u00f6hen. In solchen Zusammenh\u00e4ngen ist Interpretierbarkeit keine theoretische Vorliebe, sondern eine Frage von Sicherheit und Wirtschaftlichkeit. Hybride Architekturen, sensorspezifische Teilmodelle und ausdr\u00fcckliche Strategien zum Umgang mit Konfidenz sind oft n\u00f6tig, um das Vertrauen im Betrieb zu erhalten.<\/p>\n

Fazit<\/h3>\n

K\u00fcnstliche Intelligenz ver\u00e4ndert das Recycling zweifellos, doch ihre Einbindung in industrielle Sortiersysteme ist weder trivial noch ein Einstecken und Loslegen. Degradiertes Material, unscharfe Klassengrenzen, Sensorvariabilit\u00e4t, ver\u00e4nderliche Eingangsstr\u00f6me und wirtschaftliche Abw\u00e4gungen bringen Komplexit\u00e4t mit sich, die in der klassischen Bildverarbeitung selten vorkommt.<\/p>\n

K\u00fcnstliche Intelligenz wird im Recycling erst dann wirklich stark, wenn sie in einen sorgf\u00e4ltig konstruierten Rahmen eingebettet ist, der Messtechnik, Kalibrierprotokolle, Datenverwaltung und Prozessgestaltung verbindet. Ohne diese systemische Integration bleiben selbst fortgeschrittene Modelle fragil. Die Zukunft der intelligenten Sortierung h\u00e4ngt weniger allein von Fortschritten im maschinellen Lernen ab als von der Tiefe der Zusammenarbeit zwischen Werkstoffkunde, Messphysik, Dateningenieurwesen und industriellem Betrieb.<\/p>\n

Folgen Sie uns auf LinkedIn<\/a> oder abonnieren Sie unseren Newsletter<\/a> f\u00fcr mehr.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Artificial intelligence in recycling requires robust datasets, sensor calibration, and domain-specific training to ensure accurate metal sorting under real industrial conditions.<\/p>","protected":false},"author":8,"featured_media":1418,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[18],"tags":[30,33,23,29,32,21,22,31],"class_list":["post-1403","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-sustainable-technology","tag-ai","tag-challenges","tag-cleantech","tag-metals","tag-model-training","tag-recycling","tag-sorting","tag-stability"],"yoast_head":"\nKI im Recycling: Randbedingungen und Grenzen<\/title>\n<meta name=\"description\" content=\"Warum KI im Recycling saubere Daten, kalibrierte Sensoren und wirtschaftliche Abw\u00e4gungen braucht, um im realen Betrieb zu bestehen.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"KI im Recycling: Randbedingungen und Grenzen\" \/>\n<meta property=\"og:description\" content=\"Warum KI im Recycling saubere Daten, kalibrierte Sensoren und wirtschaftliche Abw\u00e4gungen braucht, um im realen Betrieb zu bestehen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/\" \/>\n<meta property=\"og:site_name\" content=\"Matvision\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/people\/Matvision\/61554439169848\/\" \/>\n<meta property=\"article:published_time\" content=\"2026-05-19T08:11:38+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-05-19T08:11:39+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/matvision.eu\/wp-content\/uploads\/2026\/02\/IMG_3122-scaled-e1771520515944.jpeg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1920\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Bonnie De Smet-Maia\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@matvisionEU\" \/>\n<meta name=\"twitter:site\" content=\"@matvisionEU\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Bonnie De Smet-Maia\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"4\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/\"},\"author\":{\"name\":\"Bonnie De Smet-Maia\",\"@id\":\"https:\/\/matvision.eu\/de\/#\/schema\/person\/dba6529fd2ed22dcacbe90626a53735f\"},\"headline\":\"AI in recycling: constraints and challenges\",\"datePublished\":\"2026-05-19T08:11:38+00:00\",\"dateModified\":\"2026-05-19T08:11:39+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/\"},\"wordCount\":860,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/matvision.eu\/de\/#organization\"},\"keywords\":[\"ai\",\"challenges\",\"cleantech\",\"metals\",\"model training\",\"recycling\",\"sorting\",\"stability\"],\"articleSection\":[\"Sustainable Technology\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/\",\"url\":\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/\",\"name\":\"AI in recycling: constraints and challenges\",\"isPartOf\":{\"@id\":\"https:\/\/matvision.eu\/de\/#website\"},\"datePublished\":\"2026-05-19T08:11:38+00:00\",\"dateModified\":\"2026-05-19T08:11:39+00:00\",\"description\":\"Why AI in recycling needs clean data, calibrated sensors, domain-specific models and economic trade-offs to hold up in real sorting conditions.\",\"breadcrumb\":{\"@id\":\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\/\/matvision.eu\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"AI in recycling: constraints and challenges\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/matvision.eu\/de\/#website\",\"url\":\"https:\/\/matvision.eu\/de\/\",\"name\":\"Matvision\",\"description\":\"Extract value from waste with our multi-sensor robotic solution\",\"publisher\":{\"@id\":\"https:\/\/matvision.eu\/de\/#organization\"},\"alternateName\":\"MATVISION\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/matvision.eu\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/matvision.eu\/de\/#organization\",\"name\":\"Matvision\",\"url\":\"https:\/\/matvision.eu\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/matvision.eu\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/matvision.eu\/wp-content\/uploads\/2023\/03\/logo_arrow.png\",\"contentUrl\":\"https:\/\/matvision.eu\/wp-content\/uploads\/2023\/03\/logo_arrow.png\",\"width\":498,\"height\":320,\"caption\":\"Matvision\"},\"image\":{\"@id\":\"https:\/\/matvision.eu\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/people\/Matvision\/61554439169848\/\",\"https:\/\/twitter.com\/matvisionEU\",\"https:\/\/www.linkedin.com\/company\/matvision\/\",\"https:\/\/www.facebook.com\/profile.php?id=61554439169848\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/matvision.eu\/de\/#\/schema\/person\/dba6529fd2ed22dcacbe90626a53735f\",\"name\":\"Bonnie De Smet-Maia\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/matvision.eu\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/e39adc319bb477b424aaaa6819bf7adbffc2796425637061d0d65df61de8843e?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/e39adc319bb477b424aaaa6819bf7adbffc2796425637061d0d65df61de8843e?s=96&d=mm&r=g\",\"caption\":\"Bonnie De Smet-Maia\"},\"description\":\"Hello, I\u2019m Bonnie ! I hold a Bachelor\u2019s degree in Communication and Journalism and am currently pursuing a Master\u2019s in Science, Technology and Society. My work focuses on how technology, innovation, and media intersect with society, especially in areas like sustainability, science communication, and digital transformation. Each post reflects my exploration of these themes, aiming to make complex ideas more accessible and impactful. #ScienceCommunication #Innovation #Technology #Sustainability #Society #DigitalTransformation #Media #STEM\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/bonnie-de-smet-maia-554246289\/?originalSubdomain=be\"],\"url\":\"https:\/\/matvision.eu\/de\/author\/bonnie\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"KI im Recycling: Randbedingungen und Grenzen","description":"Warum KI im Recycling saubere Daten, kalibrierte Sensoren und wirtschaftliche Abw\u00e4gungen braucht, um im realen Betrieb zu bestehen.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/","og_locale":"de_DE","og_type":"article","og_title":"KI im Recycling: Randbedingungen und Grenzen","og_description":"Warum KI im Recycling saubere Daten, kalibrierte Sensoren und wirtschaftliche Abw\u00e4gungen braucht, um im realen Betrieb zu bestehen.","og_url":"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/","og_site_name":"Matvision","article_publisher":"https:\/\/www.facebook.com\/people\/Matvision\/61554439169848\/","article_published_time":"2026-05-19T08:11:38+00:00","article_modified_time":"2026-05-19T08:11:39+00:00","og_image":[{"width":2560,"height":1920,"url":"https:\/\/matvision.eu\/wp-content\/uploads\/2026\/02\/IMG_3122-scaled-e1771520515944.jpeg","type":"image\/jpeg"}],"author":"Bonnie De Smet-Maia","twitter_card":"summary_large_image","twitter_creator":"@matvisionEU","twitter_site":"@matvisionEU","twitter_misc":{"Verfasst von":"Bonnie De Smet-Maia","Gesch\u00e4tzte Lesezeit":"4\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/#article","isPartOf":{"@id":"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/"},"author":{"name":"Bonnie De Smet-Maia","@id":"https:\/\/matvision.eu\/de\/#\/schema\/person\/dba6529fd2ed22dcacbe90626a53735f"},"headline":"AI in recycling: constraints and challenges","datePublished":"2026-05-19T08:11:38+00:00","dateModified":"2026-05-19T08:11:39+00:00","mainEntityOfPage":{"@id":"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/"},"wordCount":860,"commentCount":0,"publisher":{"@id":"https:\/\/matvision.eu\/de\/#organization"},"keywords":["ai","challenges","cleantech","metals","model training","recycling","sorting","stability"],"articleSection":["Sustainable Technology"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/","url":"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/","name":"AI in recycling: constraints and challenges","isPartOf":{"@id":"https:\/\/matvision.eu\/de\/#website"},"datePublished":"2026-05-19T08:11:38+00:00","dateModified":"2026-05-19T08:11:39+00:00","description":"Why AI in recycling needs clean data, calibrated sensors, domain-specific models and economic trade-offs to hold up in real sorting conditions.","breadcrumb":{"@id":"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/matvision.eu\/de\/news\/ai-in-recycling-constraints-and-challenges\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/matvision.eu\/"},{"@type":"ListItem","position":2,"name":"AI in recycling: constraints and challenges"}]},{"@type":"WebSite","@id":"https:\/\/matvision.eu\/de\/#website","url":"https:\/\/matvision.eu\/de\/","name":"Matvision","description":"Extract value from waste with our multi-sensor robotic solution","publisher":{"@id":"https:\/\/matvision.eu\/de\/#organization"},"alternateName":"MATVISION","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/matvision.eu\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/matvision.eu\/de\/#organization","name":"Matvision","url":"https:\/\/matvision.eu\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/matvision.eu\/de\/#\/schema\/logo\/image\/","url":"https:\/\/matvision.eu\/wp-content\/uploads\/2023\/03\/logo_arrow.png","contentUrl":"https:\/\/matvision.eu\/wp-content\/uploads\/2023\/03\/logo_arrow.png","width":498,"height":320,"caption":"Matvision"},"image":{"@id":"https:\/\/matvision.eu\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/people\/Matvision\/61554439169848\/","https:\/\/twitter.com\/matvisionEU","https:\/\/www.linkedin.com\/company\/matvision\/","https:\/\/www.facebook.com\/profile.php?id=61554439169848"]},{"@type":"Person","@id":"https:\/\/matvision.eu\/de\/#\/schema\/person\/dba6529fd2ed22dcacbe90626a53735f","name":"Bonnie De Smet-Maia","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/matvision.eu\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/e39adc319bb477b424aaaa6819bf7adbffc2796425637061d0d65df61de8843e?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/e39adc319bb477b424aaaa6819bf7adbffc2796425637061d0d65df61de8843e?s=96&d=mm&r=g","caption":"Bonnie De Smet-Maia"},"description":"Hello, I\u2019m Bonnie ! I hold a Bachelor\u2019s degree in Communication and Journalism and am currently pursuing a Master\u2019s in Science, Technology and Society. My work focuses on how technology, innovation, and media intersect with society, especially in areas like sustainability, science communication, and digital transformation. Each post reflects my exploration of these themes, aiming to make complex ideas more accessible and impactful. #ScienceCommunication #Innovation #Technology #Sustainability #Society #DigitalTransformation #Media #STEM","sameAs":["https:\/\/www.linkedin.com\/in\/bonnie-de-smet-maia-554246289\/?originalSubdomain=be"],"url":"https:\/\/matvision.eu\/de\/author\/bonnie\/"}]}},"_links":{"self":[{"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/posts\/1403","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/comments?post=1403"}],"version-history":[{"count":18,"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/posts\/1403\/revisions"}],"predecessor-version":[{"id":1486,"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/posts\/1403\/revisions\/1486"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/media\/1418"}],"wp:attachment":[{"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/media?parent=1403"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/categories?post=1403"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/matvision.eu\/de\/wp-json\/wp\/v2\/tags?post=1403"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}