Die Nutzung von Künstlicher Intelligenz gewinnt entlang der Kunststoffwertschöpfungskette an strategischer Bedeutung. Ein Positionspapier des Fraunhofer Cluster of Excellence Circular Plastics Economy (CCPE) beschreibt, wie datenbasierte Verfahren zur Steigerung von Effizienz, Qualität und Kreislauffähigkeit beitragen können und welche Voraussetzungen dafür bis 2030 geschaffen werden müssen.
Die Analyse zeigt zugleich, dass das Potenzial von Künstlicher Intelligenz weniger an der technologischen Leistungsfähigkeit scheitert als an fehlenden Datenstrukturen, Standards und tragfähigen Geschäftsmodellen. Grundlage des Positionspapiers sind eine Umfeldanalyse öffentlich zugänglicher Quellen sowie eine Befragung von 46 Expertinnen und Experten aus Fraunhofer CCPE und den Forschungsprojekten „KIOptiPack“ und „K3ICycling“ des BMFTR-geförderten KI-Hubs Kunststoffverpackungen.
Transformationsdruck in der Kunststoffindustrie
Die Kunststoffindustrie steht in Europa vor einem tiefgreifenden Strukturwandel. Nach Jahren kontinuierlichen Wachstums gehen Herstellung, Verarbeitung und Recycling von Kunststoffen in Deutschland und anderen europäischen Ländern zurück. Gleichzeitig erhöhen neue regulatorische Anforderungen – etwa beim Rezyklateinsatz, beim Ecodesign oder beim digitalen Produktpass – den Druck, Materialströme transparenter zu gestalten und Kunststoffprodukte stärker auf Kreislauffähigkeit auszurichten.
In diesem Umfeld rückt Künstliche Intelligenz zunehmend in den Mittelpunkt der technologischen Entwicklung. Verfahren des maschinellen Lernens und des Deep Learning können große Datenmengen analysieren, Muster erkennen, Vorhersagen treffen und Entscheidungsprozesse unterstützen. Trotz dieser Möglichkeiten bleibt die KI-Adoptionsrate in der Kunststoffindustrie bislang vergleichsweise niedrig, sodass viele Potenziale im Design von Produkten, in der Verarbeitung und im Recycling noch nicht genutzt werden.
Künstliche Intelligenz in Design, Produktion und Recycling
Bereits heute findet Künstliche Intelligenz in mehreren Bereichen der Kunststoffwertschöpfung Anwendung. Beispiele sind Bildverarbeitungssysteme zur Qualitätskontrolle, KI-gestützte Prozessregelungen in der Produktion sowie Sortiertechnologien in der Abfallwirtschaft und im Recycling.
Nach Einschätzung der im Positionspapier befragten Expertinnen und Experten besitzt Künstliche Intelligenz insbesondere in klar abgegrenzten Anwendungen bereits eine hohe Leistungsfähigkeit. Bis 2030 könnte ihr Beitrag entlang der gesamten Wertschöpfungskette deutlich wachsen – von der Materialentwicklung und dem Produktdesign über Verarbeitung und Qualitätssicherung bis hin zur Sammlung, Sortierung und Aufbereitung von Kunststoffabfällen.
Der zentrale Engpass liegt jedoch weniger in den Algorithmen als in der Datenbasis. Viele Daten liegen in Unternehmen unstrukturiert vor oder wurden ursprünglich für menschliche Nutzung dokumentiert und sind für Maschinen nur eingeschränkt auswertbar. Ohne gemeinsame, interoperable Datenstrukturen bleiben KI-Anwendungen daher häufig isolierte Lösungen.
Wirtschaftliche, regulatorische und organisatorische Rahmenbedingungen
Ob sich Künstliche Intelligenz aus Pilotprojekten heraus zu industriellen Anwendungen entwickelt, hängt maßgeblich von wirtschaftlichen und regulatorischen Faktoren ab. Fragen der Wirtschaftlichkeit, der Verteilung von Kosten und Nutzen sowie Haftungsfragen beeinflussen Investitionsentscheidungen ebenso wie der regulatorische Rahmen.
In der Expertenbefragung wird die Regulierung unterschiedlich bewertet. Während einige Stimmen angesichts der technologischen Dynamik eine strenge Regulierung befürworten, sehen andere darin ein mögliches Hemmnis für Innovationen und eine potenzielle Bremse für den praktischen Einsatz von KI.
Akzeptanz spielt ebenfalls eine zentrale Rolle. Nutzen, nachvollziehbare Funktionsweise und klar definierte menschliche Verantwortung gelten als Voraussetzungen dafür, Vertrauen in KI-Systeme aufzubauen. Gleichzeitig wird darauf hingewiesen, dass ein zunehmender Einsatz von Künstlicher Intelligenz langfristig auch Fragen nach dem Erhalt von Fachwissen und Kompetenzen aufwerfen kann.
Hinzu kommt der Ressourcenbedarf von KI-Technologien selbst. Training von Modellen und Betrieb von Rechenzentren können einen erheblichen Energiebedarf verursachen, weshalb der ökologische Nettoeffekt von KI-Anwendungen im Kontext der Kunststoffkreislaufwirtschaft systematisch bewertet werden muss.
Drei Prioritäten für Künstliche Intelligenz bis 2030
Das Positionspapier formuliert drei strategische Prioritäten, um Künstliche Intelligenz entlang der Kunststoffwertschöpfungskette bis 2030 breiter zu etablieren.
Erstens steht der Aufbau gemeinsamer Datenplattformen im Mittelpunkt. Material-, Prozess-, Qualitäts- und Lebenszyklusdaten sollen entlang der gesamten Wertschöpfungskette strukturiert und nach einheitlichen branchenspezifischen Standards abgelegt werden. Solche Datenräume bilden die Grundlage für zuverlässige KI-Anwendungen und für Instrumente wie digitale Produktpässe.
Zweitens empfehlen die Autorinnen und Autoren die Entwicklung und Skalierung hybrider, erklärbarer und unsicherheitsbewusster KI-Modelle. Diese sollen in Reallaboren und End-to-End-Demonstratoren erprobt werden, die den gesamten Weg von Design und Verarbeitung über Sammlung und Sortierung bis zum Rezyklat abbilden und gleichzeitig Wirtschaftlichkeit und Umweltwirkung bewerten.
Drittens geht es um Governance- und Geschäftsmodelle, die Datenteilung und vertrauenswürdige Nutzung von Künstlicher Intelligenz ermöglichen. Dazu gehört auch der Aufbau von Kompetenzen an den Schnittstellen zwischen Material- und Prozesswissen, Datenanalyse und industrieller Anwendung.
Rolle von Forschung, Industrie und Politik
Nach Einschätzung des Fraunhofer CCPE kann Künstliche Intelligenz Material-, Prozess- und Datenlücken schließen, ersetzt jedoch keine grundlegenden Maßnahmen der Kreislaufwirtschaft. Design for Recycling, vereinfachte Produktstrukturen sowie robuste Sammel- und Recyclinginfrastrukturen bleiben zentrale Voraussetzungen für funktionierende Kunststoffkreisläufe.
Die Hauptautorin Dr.-Ing. Anna Kerps betont: „KI kann Material-, Prozess- und Datenlücken schließen – ihr Potenzial entfaltet sie jedoch nur auf einer gemeinsamen, verlässlichen Datenbasis. Zugleich dürfen wir KI nicht als alleinige Lösung missverstehen: Für eine funktionierende Circular Plastics Economy braucht es ebenso konsequentes Design for Recycling, robuste Infrastrukturen und klare Regulierung.“
Der Fraunhofer Cluster of Excellence Circular Plastics Economy CCPE versteht sich als industrienaher Forschungspartner, der KI-Anwendungen, Modellstandards und Demonstrationsprojekte entwickelt und Kooperationen zwischen Industrie, Forschung und Politik unterstützt. Ziel ist eine datengetriebene Kunststoffkreislaufwirtschaft, in der ökonomische, ökologische und gesellschaftliche Anforderungen gleichermaßen berücksichtigt werden.
Das Positionspapier wird erstmals am 12. März 2026 im Rahmen der Masterclass „AI in the plastic value chain by 2030“ auf der Circular Valley Convention in Düsseldorf vorgestellt. Präsentiert wird es von Dr.-Ing. Anna Kerps und Dr.-Ing. Markus Hiebel (Fraunhofer UMSICHT) sowie Jan-Philip Kopka (Fraunhofer IML).
Originalpublikation: Kerps, A.; Hiebel, M.; Weßling, K.; Kopka, J.-P., Meller, P.: Künstliche Intelligenz in der Kunststoffwertschöpfungskette bis 2030, Fraunhofer Cluster of Excellence Circular Plastics Economy CCPE (Hrsg.), Oberhausen/Dortmund, März 2026
