Die Routen der Müllabfuhr soll optimieren werden, eine Künstliche Intelligenz hilft Forschenden der Universität Fribourg dafür. Informatik-Absolvent David Jenni von der Hochschule Luzern hat dieses sogenannte neuronale Netzwerk als Teil seiner Master-Arbeit programmiert.

Güselsäcke zählen – das klingt nicht nach einem Forschungsgegenstand. In David Jennis Fall sieht die Sache anders aus. Für seine Master-Arbeit «trainierte» der Informatik-Absolvent der Hochschule Luzern eine Künstliche Intelligenz (KI) darauf, Abfallsäcke und -container zu erkennen und zu zählen. Ziel des Projekts: die automatisierte Erfassung von Abfallmengen. Das sogenannte neuronale Netzwerk, das Jenni dafür einsetzte, funktioniert ähnlich wie Googles Bilderkennungs-Programm. «Je mehr Bilder es als Datenbasis zur Verfügung hat, desto besser erkennt es Objekte aus allen möglichen Winkeln», erläutert der gebürtige Sempacher. Als «Trainings»-Basis nutzte Jenni Filmaufnahmen vom Müllschacht eines Kehrrichtlasters.

Weniger Abgase und tiefere Kosten

Forschende der Universität Fribourg um Wirtschaftsinformatiker Reinhard Bürgy können dank Jennis KI bestimmen, an welchen Orten wie viel Abfall anfällt. Mittels dieser Daten berechnet das Fribourger Team optimale Routen und Sammelpunkte für die Müllabfuhr. Reinhard Bürgy: «Kehrricht-Laster müssen dann weniger oft anhalten und ihre Crews nicht jeden Müllsack einzeln einsammeln. Das spart Treibstoff – was letztlich weniger Abgase und tiefere Kosten bedeutet.»

Die optimierten Routen und die Sammelpunkte sind Massnahmen, die im Rahmen eines gemeinsamen Innosuisse-Forschungsprojekts der Universität Fribourg und der bernischen Abfallentsorgungsfirma Schwendimann AG erarbeitet wurden. Sie sollen die kommunale Kehrrichtabfuhr effizienter, nachhaltiger und für die Endkunden letztlich günstiger machen.