Die LEIPA Georg Leinfelder GmbH ist ein führender Papierhersteller im Europäischen Markt. Am Standort in Schwedt werden jährlich ca. 1,195 Millionen Tonnen Papier und Verpackungen aus 100 Prozent Altpapier produziert. Am Standort wird bisher eine konventionelle lineare Altpapiersortierung bestehend aus den Stufen Aufgabebunker, Grobsieb, Feinsieb, PaperSpike/NIR-Spektroskopie und Sortierkabine betrieben. Durch die Sortierung erhält man drei wesentliche Altpapierströme. Darunter die Deinkingware, welche für die Herstellung von hochwertigen weißen Papieren eingesetzt wird, die OCC-Ware (old corrugated containerboard), welche als braune Fasern für Kartonagen und Pappe verwendet wird und die Mischware, welche ebenfalls in die Herstellung von Kartonagen und Pappe fließt. Das übergeordnete Ziel der Sortierung ist es, möglichst hochwertige Deinkingware sowie OCC-Ware in einer hohen Sortenreinheit zu sortieren. Bisher landen jedoch große Mengen hochwertigerer Deinkingware im Mischpapier und in den Sortierresten und gehen damit für eine höherwertige Verwertung verloren. Vorversuche des Unternehmens haben erhebliche Potentiale von hochwertigen weißen Altpapieren im Mischpapier und auch in anderen bisher unwirtschaftlichen Altpapierströmen wie Papier, Karton und Pappe (PPK) aus der Erfassung von Leichtverpackungen, Altpapier aus dem Restabfall und Gewerbeabfall aufgezeigt, die mit den konventionellen Systemen noch nicht stofflich verwertet werden können. Im Rahmen dieses Vorhabens möchte die LEIPA Georg Leinfelder GmbH in eine innovative Anlage zur hocheffizienten und sortenreinen Sortierung von Altpapier investieren. Die neue Anlage mit einer jährlichen Kapazität von 120.000 Tonnen soll einerseits die Sortierausbeute, insbesondere der hochwertigen Deinkingware für grafische Papiere, deutlich steigern und andererseits auch alternative Altpapierquellen erschließen. Als Herz der Sortieranlage ermöglicht die NIR-Sortierung mit GAIN-Technologie zusätzlich zur Nahinfrarotspektroskopie eine Bilderkennung mit deep-learning-Funktion. Diese Bilderkennung stellt eine absolute Neuheit im Bereich der Papiersortierung dar. Sie ist in der Lage, durch eine moderne Sensorik Bilddaten (Form/Textur) zu sammeln und diese zu klassifizieren. So können beispielsweise komplexe Verpackungsreste wie Kartonagen mit weißer Außenschicht und grauen oder braunen Fasern im Inneren erkannt werden. In der Folge entstehen im Sortierprozess ein weitaus reineres Deinkinggut und zugleich eine höhere Ausbeute. Eine Innovation liegt auch in der geplanten Vernetzung der Anlage bzw. der Anlagenkomponenten untereinander. Mit der Software Insight von TOMRA werden sämtliche NIR/GAIN-Systeme untereinander vernetzt, die Software stellt eine leistungsfähige Industrie 4.0-Datenplattform zur Verbesserung der Sortier- und Klassifizierungseffizienz dar. Durch die innovative Sortiertechnik soll die Sortierquote für weiße Altpapiere (Deinkingware) aus Haushaltssammelware um ca. 10 Prozent gesteigert werden. Jährlich können mit der neuen Anlagen 8.640 Tonnen Deinkingware aus Haushaltssammelware und 6.435 Tonnen Deinkingware aus Leichtverpackungen für das stofflich hochwertige Recycling zurückgewonnen werden. Insgesamt können jährlich 15.075 Tonnen Deinkingware zurückgewonnen werden, die Frischfaser substituieren können. Durch die Digitalisierung und automatische Steuerung der Prozesse in der Altpapieraufbereitung und der Papierproduktion können im weiteren Verlauf weitere Energie und Chemikalieneinsparungen erreicht werden. Vor dem Hintergrund, dass die Menge an weißen Papierfasern im Altpapier stetig abnimmt und daher in der Zukunft Beschaffungsprobleme entstehen können, ist die Steigerung der Sortierquote für deinkbare Fasern von zentraler Bedeutung, um auch in Zukunft auf den Einsatz von Frischfasern verzichten zu können und die 100prozentige Altpapierquote in LEIPAs Papierproduktion zu erhalten. So gelingt langfristig auch die Vermeidung eines höheren Energie- und Ressourceneinsatzes in der Erzeugung von Frischfasern.
Branche: Papier und Pappe
Umweltbereich: Ressourcen
Fördernehmer: LEIPA Georg Leinfelder GmbH
Bundesland: Brandenburg
Laufzeit: seit 2023
Status: Laufend
Das Gesamtziel des Vorhabens besteht in einer Steigerung der stofflichen Verwertung von Altholz durch - Entwicklung altholzgerechter, innovativer Sortier- und Zerkleinerungsverfahren - Generelle Steigerung der Wirtschaftlichkeit der stofflichen Altholznutzung durch eine maßgeschneiderte, auf den Rohstoffeigenschaften basierende Weiterverarbeitung - Orientierende Versuche zur Erhöhung der Rohstoffqualität als Voraussetzung für die Produktion von Holzwerkstoffplatten - Erprobung innovativer Sortierverfahren zur Entfernung kritischer Fehlwürfe aus ansonsten stofflich zu verwertenden Altholzsortimenten Das vorgeschlagene Konzept - Fusion der Signale optischer bildgebender Verfahren (Farbkameratechnik) mit NIR-Spektroskopie bei Auswertung durch Methoden der künstlichen Intelligenz (KI) und des maschinellen Lernens (Deep Learning) in Kombination mit innovativer Zerkleinerungstechnik - hat das Potenzial, die Sortierung und Verwendung von Altholz deutlich zu verbessern. Methoden der künstlichen Intelligenz haben bereits in zahlreichen anderen Anwendungsgebieten, z.B.im maschinellen Bildverstehen, autonomen Fahren und in der Spracherkennung, zu signifikanten Fortschritten geführt.
<span><strong>Definitionen:</strong>
In den Geowissenschaften beschreibt die Sedimentologie die Entstehung, Zusammensetzung und Verbreitung von Sedimenten. Die marine Sedimentologie widmet sich der Erforschung von Morpho-, Sediment- und Habitatdynamik in marinen Systemen.</span>
<span><strong>Datenerzeugung:</strong>
Auf der Basis von einer Vielzahl von Oberflächensedimentproben unterschiedlicher Jahre wurden im Rahmen des Projektes TrilaWatt mit einem prozessorientierten Interpolationsverfahren unter Berücksichtigung hydrodynamischer Effekte (Strömung, Seegang, Bodenschubspannungen) und Erosions- und Sedimentationsmustern reguläre Raster der Oberflächensedimentologie berechnet. An jedem dieser Rasterknoten liegt die Sedimentverteilung als Kornsummenkurve, als Eigenschaften der Summenkurve oder als abgeleitete Größe (bspw. Porosität) vor.</span>
<span><strong>Produkte:</strong>
Der Datensatz "TrilaWatt: Sedimentologie" beinhaltet Korngrößenverteilungen, sedimentologische Karten der Haupt- und Nebenkomponenten und GeoTiffs des Median-Korndurchmessers d50 bzw. phi50, der Schiefe, der Sortierung (beide nach Folk and Ward, 1957) und der Porosität für die Jahre 2015-2022. Die Datenprodukte liegen im trilateralen Wattenmeer als Basisprodukt im 10 m Raster vor. Die Karten werden in unterschiedlichen Detailstufen angeboten. Die Namensbezeichnungen „short“ und „long“ der sedimentologischen Karten beziehen sich auf Anzahl und Detailgrad der einzelnen Komponenten. Eine CSV-Tabelle mit den Daten der Korngrößenverteilungen und den Koordinaten für jeden Rasterknoten ist vorhanden.</span>
<span><strong>English:</strong>
Sedimentology describes the formation, composition and distribution of sediments. Marine sedimentology is dedicated to the study of morphological, sediment and habitat dynamics on the seabed. The dataset contains maps of major and minor sediment components and grid data of median grain diameter d50, phi50, skewness, sorting, and porosity for the years 2015-2022. Data are distributed on regular 10 m grids as GeoTIFFs. A table in CSV-format with the grain size distribution and the coordinates for each grid node is also available.</span>
<span><strong>Download:</strong>
A download is located under references (in German: "Verweise und Downloads"). </span>
Das Gesamtziel des Vorhabens besteht in einer Steigerung der stofflichen Verwertung von Altholz durch - Entwicklung altholzgerechter, innovativer Sortier- und Zerkleinerungsverfahren - Generelle Steigerung der Wirtschaftlichkeit der stofflichen Altholznutzung durch eine maßgeschneiderte, auf den Rohstoffeigenschaften basierende Weiterverarbeitung - Orientierende Versuche zur Erhöhung der Rohstoffqualität als Voraussetzung für die Produktion von Holzwerkstoffplatten - Erprobung innovativer Sortierverfahren zur Entfernung kritischer Fehlwürfe aus ansonsten stofflich zu verwertenden Altholzsortimenten Das vorgeschlagene Konzept - Fusion der Signale optischer bildgebender Verfahren (Farbkameratechnik) mit NIR-Spektroskopie bei Auswertung durch Methoden der künstlichen Intelligenz (KI) und des maschinellen Lernens (Deep Learning) in Kombination mit innovativer Zerkleinerungstechnik - hat das Potenzial, die Sortierung und Verwendung von Altholz deutlich zu verbessern. Methoden der künstlichen Intelligenz haben bereits in zahlreichen anderen Anwendungsgebieten, z.B.im maschinellen Bildverstehen, autonomen Fahren und in der Spracherkennung, zu signifikanten Fortschritten geführt.