Regensdorfer für nationalen Award nominiert

REGENSDORF. Joël Alfeld forscht zum Thema Reifenerkennung und Aussortierung mit KI-Support. Die Nominierung verdankt Alfeld einer beeindruckenden Innovation im Bereich der Zementproduktion. Im Rahmen seiner Bachelorarbeit an der Fachhochschule Nordwestschweiz (FHNW) hat er eine KI-basierte Lösung zur Reifenerkennung entwickelt, die den Recyclingprozess von Altreifen optimiert.

Altreifen werden in der Zementindustrie als alternative Energiequelle genutzt, da sie hohe Temperaturen liefern und die CO-2-Emissionen reduzieren können. Bislang mussten Reifen mit komplexer Form und Lage manuell aussortiert werden - ein aufwendiger Prozess, der Zeit und Ressourcen kostete. Alfelds Algorithmus automatisiert diesen Vorgang und ermöglicht eine effizientere Nutzung dieser wertvollen Rohstoffe.

Für diese herausragende Arbeit wurde er bereits mit dem regionalen Siemens Excellence Award ausgezeichnet und ist nun für den nationalen Preis nominiert. Bis Ende März kann da das Publikum mitentscheiden, wer den Publikumspreis gewinnt. Auf jeden Fall ist es schon jetzt eine inspirierende lokale Erfolgsgeschichte, die beispielhaft für Innovationskraft und Engagement junger Talente aus dem Furttal ist. Im Interview mit dem «Furttaler» beschreibt Alfeld den Werdegang seines Projekts. Alfeld hat von September 2020 bis September 2024 Vollzeit studiert und arbeitet seit Februar 2025 bei der Jura-Cement-Fabriken AG. Nach der erfolgreichen Zusammenarbeit im Rahmen seiner Bachelorarbeit erhielt er ein Jobangebot von der Firma. Dort wurde sein Algorithmus speziell für den Pneubereich entwickelt. «Er könnte jedoch auch in anderen Kontexten des Pneuhandlings Anwendung finden. Generell sehe ich weiteres Potenzial für KI-gestützte Lösungen bei JURA Cement, je nach spezifischen Anforderungen und Herausforderungen. Meine Bachelorarbeit dient als Grundlage, auf der ich in weiteren Projekten aufbauen und meine Arbeit weiterentwickeln werde.

Wie verliefen der Ablauf sowie die verschiedenen Phasen von der Entstehung bis zur Umsetzung?

Das Projekt erstreckte sich über zwei Semester. Im ersten Semester umfasste es ein Modul mit sechs ECTS, im zweiten Semester eines mit 12 ECTS, was einem geschätzten Arbeitsaufwand von rund 540 Stunden entspricht. Tatsächlich habe ich aber rund 1000 Stunden investiert. Jedes Semester gliederte sich in folgende Phasen: Analyse der Problemstellung. Untersuchung möglicher Lösungsansätze, Durchführung erster Tests zur Evaluierung der technischen Umsetzbarkeit. Entscheidung «Go» oder No-Go» für die Entwicklung. Im zweiten Semester folgte dann die Konzeption und Umsetzung des Algorithmus, Integration in bestehende Systeme sowie Optimierung der Performance basierend auf Tests. In der Validierungs- und Abschlussphase folgt der Testbetrieb unter realen Bedingungen, die Analyse der Ergebnisse und die finale Optimierungen sowie die Dokumentation und Präsentation der Arbeit.

Können Sie die einzelnen Schritte der Umsetzung beschreiben?

Mein Projekt begann im September 2023 mit dieser Machbarkeitsstudie. Im Rahmen meiner Bachelorarbeit entwickelte ich dann ein Endprodukt, das seit Ende Juli 2024 rund um die Uhr eingesetzt wird.

Wo und wann gab es besonders knifflige Stellen? Oder welche Herausforderungen galt es zu meistern?

Eine der grössten Herausforderungen bestand technisch darin, den besten Kompromiss zwischen verschiedenen Ansätzen und Anforderungen zu finden. Projektbezogen galt es, skeptische Beteilige von der neuen Technologie zu überzeugen und sie erfolgreich in einem industriellen Umfeld zu etablieren.

Welche Rolle spielte die Künstliche Intelligenz in Ihrem Projekt?

KI ist der Kern des Algorithmus. Mein Algorithmus interagiert mit dem Leitsystem von Jura. Die Rollenförderbänder werden basierend auf den Ergebnissen des Algorithmus gesteuert.

Wie ist der lokale Award einzuordnen? Gegen wie viele andere Projekte haben Sie sich durchgesetzt?

Es gibt rund 400 Abschlussarbeiten, aus denen einige für den regionalen Award nominiert werden - eine davon gewinnt. Die Kategorien umfassen alle technischen Studiengänge an der Fachhochschule Nordwestschweiz. National sind sieben Projekte nominiert.

Wie sind Sie auf die Idee zu diesem Projekt gekommen? Und was hat Sie daran fasziniert?

Die FHNW arbeitet im Rahmen von Studienprojekten mit Industriepartnern zusammen, um praxisnahe Themen für Studierende zu entwickeln. Mein Projekt wurde von der Jura-Cement-Fabriken AG in Zusammenarbeit mit der FHNW initiiert. Besonders hatte mich die Kombination aus Machine Learning, künstlicher Intelligenz (KI) und Bildverarbeitung fasziniert.