Return on Innovationby hy, zur StartseiteSay hy!

Markt-Radar · Stand 10/2026 · Wird monatlich aktualisiert

KI-gestützte Sortierung im Recycling

KI-gestützte Sortierung im Recycling stützt sich auf 137 Fachpublikationen im Kernfeld, fordert vor großem Budget aber einen ehrlichen Markttest.

Im Podcast:Folge #022: Corporate Venture Building in der KreislaufwirtschaftFolge #010: Digitale Services für die Recyclingindustrie

Reifegrad unklar

Von 444 Patentfamilien zur Sortiertechnik in allen Anwendungen nennen nur 28 das Recycling, und 41 gegen 24 wissenschaftliche Publikationen im Zeitraum 2022 bis 2024 gegen 2019 bis 2021 sind zu wenig für einen Trend. Weil die Daten das Feld nicht verlässlich messen, steht vor dem Binden von Budget zwingend ein ehrlicher Markttest.1,2,3

Patentfamilien111im Kern 444
Veröffentlichungen41in 2022–2024zu wenig für einen Trend
EU-Projekte28in 2023–2025

Erste Einordnung: Erst validierenValidiert zuerst, wenn ihr als Verwerter, Anlagenbetreiber oder Materialhersteller prüfen wollt, ob KI-gestützte Sortierung die Reinheit eurer Fraktionen im Kerngeschäft verbessert.

Datenlage und Aussagekraft
  • Patenteniedrig
  • Forschungmittel
  • Medienniedrig
  • EU-Förderungniedrig
  • Dealsniedrig

Das Wichtigste

  1. Forschung kombiniert Nahinfrarot-Sensorik und maschinelles Lernen für Anlagenmodelle

    Unter den 137 wissenschaftlichen Publikationen im Kernfeld arbeiten Institute wie die RWTH Aachen University und die Montanuniversität Leoben an digitalen Zwillingen und Vorhersagemodellen für Sortieranlagen mittels Nahinfrarot- und LiDAR-Sensoren. Auch das Massachusetts Institute of Technology kombiniert Spektroskopie mit maschinellem Lernen für Biokunststoffe, wobei 41 gegen 24 Publikationen im Vergleich 2022 bis 2024 gegen 2019 bis 2021 für einen Trend nicht ausreichen. Das heißt: Die Kopplung aus optischer Sensorik und Datenmodellen ist wissenschaftlich dokumentiert und bietet konkrete Anknüpfungspunkte für technische Piloten im eigenen Sortierprozess.2,4,5

  2. Verpackungsdesign und diverse Stoffströme bestimmen die technische Sortierbarkeit

    Publikationen der RWTH Aachen University untersuchen den Einfluss des Verpackungsdesigns auf die sensorbasierte Sortierbarkeit von Leichtverpackungen, und die University of Cyprus liefert Datensätze für Bau- und Abbruchabfälle. Gleichzeitig fließen 150,2 Mio. € EU-Förderung in 29 Konsortialprojekte für so unterschiedliche Stoffströme wie Textilien, Batterien, Aluminium oder Feuerfestmaterialien. Das heißt: Es gibt keine universelle Sortierlösung, weshalb ihr jeden Test strikt auf euren spezifischen Abfallstrom und eure Materialzusammensetzung zuschneiden müsst.6,7,8,9,10,11

  3. Patentanmeldungen liegen in der allgemeinen Sortiertechnik, selten im Recycling

    Von 444 Patentfamilien zur Sortiertechnik in allen Anwendungen nennen nur 28 zusätzlich Abfall oder Recycling, etwa bei Aetech, Hanol Environmental Industry oder Xinyang Jinghong Industry. Übergreifende Anmelder wie Satake Engineering mit 30 Patentfamilien zu Sortiertechnik insgesamt oder Siemens und Baumer Inspection schützen optische Sortierung und Handhabung ohne spezifischen Recyclingbezug im Titel. Das heißt: Wer Technologie für das Recycling sucht, muss prüfen, ob allgemeine Sortier- und Sensorikpatente aus anderen Industrien für den eigenen Abfallstrom adaptierbar sind.12,13,3,14,15,16

Die Zahlen

Patentfamilien

2016unvollständig2026

Im Kern 444 Familien

So gezählt

Google Patents (BigQuery): Patentfamilien (jede Erfindung einmal gezählt), deren englischer Titel oder Kernbegriffe die Technologie („automated sorting“, „robotic sorting“, „optical sorting“, „sensor-based sorting“) nennen, nach frühestem Prioritätsjahr 2016 bis 2026: 444 Familien. Nur 28 Familien nennen zusätzlich die Anwendung („recycling“, „waste“), zu wenige für belastbare Zahlen. Reihe, Anmelder und Anteile zählen deshalb die Technologie in allen Anwendungen. Häufigste Patentklassen dieser Familien: B07C5 (104), Y02W30 (31), B07C2501 (30). 2025 und 2026 sind noch unvollständig (rund 18 Monate zwischen Anmeldung und Veröffentlichung) und zählen nicht in den Trend. Anteil der international angemeldeten Familien (mindestens zwei Patentämter, EP oder WO; 41 mit bekanntem Anmelder) mit Anmelder aus Deutschland: 7 %, aus der EU-27: 17 %. Das Land eines Anmelders ist das Land, das die Mehrheit seiner Familien nennt. Anmelder: Familien je Anmelder, Schreibvarianten zusammengefasst, Privatpersonen nicht gelistet; wer fast nur gemeinsam mit einem größeren Anmelder anmeldet, ist dort zusammengefasst. Belege: Familien ab Priorität 2023, Technologie und Anwendung im Titel zuerst, dann nach Zahl der Patentämter, höchstens zwei je Anmelder. Hell gezeichnete Jahre sind noch nicht vollständig erfasst und zählen nicht in den Trend.

Veröffentlichungenzu wenig für einen Trend

2016unvollständig2026

So gezählt

OpenAlex (wissenschaftliche Publikationen): Wissenschaftliche Publikationen (Artikel, Preprints, Konferenzbeiträge, Bücher), die im Titel die Technologie („automated sorting“, „robotic sorting“, „optical sorting“, „sensor-based sorting“) und in Titel oder Abstract die Anwendung („recycling“, „waste“) nennen: 137 von 2016 bis 2026. 2025 und 2026 sind noch unvollständig (Publikationen werden noch nachgetragen) und zählen nicht in den Trend. Der Trend vergleicht den Anteil an allen erfassten Publikationen des jeweiligen Jahres, damit das Wachstum der Wissenschaft insgesamt nicht als Wachstum des Felds zählt. Institutionen: Zahl der Publikationen 2021 bis 2026 mit mindestens einer Autorin oder einem Autor der Institution. Belege: die 10 meistzitierten Publikationen ab 2023. Hell gezeichnete Jahre sind noch nicht vollständig erfasst und zählen nicht in den Trend.

EU-Projekte

2016unvollständig2026

So gezählt

CORDIS (EU-Forschungsförderung): EU-geförderte Projekte aus Horizon 2020 und Horizon Europe mit Projektstart ab 2016, deren Titel oder Beschreibung die Technologie („automated sorting“, „robotic sorting“, „optical sorting“, „sensor-based sorting“) und die Anwendung („recycling“, „waste“) nennt: insgesamt 67 Projekte, gezählt nach Startjahr. 2026 ist noch unvollständig (laufendes Jahr) und zählen nicht in den Trend. Belege: die 15 Projekte mit der größten EU-Förderung unter den 50 relevantesten. Von den 67 relevantesten Projekten gehören nach Prüfung der Titel 29 zum Thema; ihre EU-Förderung beträgt zusammen 150,2 Mio. €. Das ist die Förderung ganzer Konsortien, nicht Geld an einzelne Unternehmen. Partner: Koordinatoren und Teilnehmer dieser 29 Projekte. Hell gezeichnete Jahre sind noch nicht vollständig erfasst und zählen nicht in den Trend.

Wer das Feld prägt

  • RWTH Aachen UniversityDEForschungDie Hochschule gehört mit 4 Publikationen zu den aktivsten Forschungsinstitutionen im Kernfeld und erforscht digitale Zwillinge sowie den Einfluss von Verpackungsdesign auf Sortieranlagen.2,7,17
  • Montanuniversität LeobenATForschungDie Universität führt das Publikationsranking im Kernfeld mit 12 Arbeiten an und entwickelt Vorhersagemodelle für Sortieranlagen mit Nahinfrarot- und LiDAR-Sensorik.5
  • Fraunhofer Institute of Optronics, System Technologies and Image ExploitationDEForschungDas Institut verfasst mit 5 Publikationen im Kernfeld vielzitierte Überblicksarbeiten zum Stand der sensorbasierten Sortiertechnologie.1
  • Teknologian Tutkimuskeskus VTT OyFIForschungDas Forschungszentrum koordiniert EU-geförderte Konsortien zur automatisierten Sortierung und zum Faserrecycling von Textilien.8,18
  • Satake EngineeringJPMittelstandDas Unternehmen hält 30 Patentfamilien zur Sortiertechnik in allen Anwendungen, insbesondere bei optischen Unterscheidungs- und Sortiergeräten.16
  • Baumer InspectionDEMittelstandDer Anbieter schützt Geräte zur optischen Sortierung bewegter Objekte mit Geschwindigkeitsbestimmung über zwei Patentämter.14
  • SiemensDEKonzernDer Konzern meldet internationale Schutzrechte für Methoden und Systeme zur automatisierten Sortierung von Gütern in Handhabungssystemen an.15
  • Rhi Magnesita GmbHATKonzernDas Industrieunternehmen koordiniert ein EU-Konsortium zur automatisierten Sortierung von Feuerfestmaterialien.11
  • CPGMittelstandDas Unternehmen tritt als Käufer des KI-Sortieranbieters Recycleye auf.19
  • RecycleyeStartupDas Unternehmen entwickelt KI-gestützte Sortiertechnik und wurde von CPG übernommen.19

Wohin Geld fließt

Finanzierungen und Übernahmen

  • Recycleye2026Übernahme durch CPG19
  • Circle-8 Textile Ecosystems2025Kauf einer automatisierten Sortieranlage von Newretex20

Build, Partner oder Invest

Strategische Relevanz: Für Betreiber von Sortieranlagen, Verwerter und produzierende Unternehmen mit eigenen Stoffströmen wie Feuerfestmaterialien, Aluminium oder Textilien ist das Feld eine Ergänzung des Kerngeschäfts. Für Maschinenbauer und Sensorikanbieter, die bisher Güter außerhalb der Abfallwirtschaft sortieren, eröffnet die Adaption auf Recyclingströme ein neues Geschäft.Distanz zum Kerngeschäft: Das Feld erfordert die Kombination aus optischer Sensorik wie Nahinfrarot oder LiDAR, maschinellem Lernen für Prozessmodelle und mechanischer Förder- oder Robotertechnik. Für Unternehmen mit eigener Bildverarbeitung, Sensorik oder bestehenden Sortieranlagen liegt das nah am Bestand, für reine Entsorgungslogistik oder Verpackungshersteller ohne eigene Anlagensteuerung liegt es weit entfernt.

Erst validierennaheliegend

Validiert zuerst, wenn ihr als Verwerter, Anlagenbetreiber oder Materialhersteller prüfen wollt, ob KI-gestützte Sortierung die Reinheit eurer Fraktionen im Kerngeschäft verbessert. Weil nur 28 Patentfamilien die Anwendung direkt nennen und der Reifegrad unklar ist, schützt ein ehrlicher Markttest mit klarem Abbruchkriterium davor, Budget in unbewiesene Technik zu binden.

Build

Baut selbst, wenn die Sortiertechnik euer zentrales Produkt ist und ihr bereits über Fähigkeiten in optischer Sensorik und Bildverarbeitung verfügt, da die fünf größten Anmelder nur 10 % der Patentfamilien im Kernfeld halten und das Feld nicht durch wenige Schutzrechtsinhaber blockiert ist.

Partner

Partnert, wenn ihr euer Kerngeschäft in der Verwertung oder Anlagensteuerung um eine eng abgegrenzte Fähigkeit wie Prozessmodelle für Nahinfrarot-Daten ergänzen wollt, wofür ein Anteil von 63 % Forschungseinrichtungen in den passenden EU-Projekten viele wissenschaftliche Anlaufstellen zeigt, ein neues Geschäft lässt sich über Forschungskonsortien allein aber nicht aufbauen.

Invest

Investiert, wenn das Feld für euch strategisch zentral ist, euch aber eigene Sensorik- und KI-Kompetenzen fehlen, auch wenn nur 2 Deal-Meldungen in den Daten zeigen, dass sichtbare Übernahmeziele wie Recycleye rar sind.

Hypothese: Ein eng abgegrenzter Pilot an einem einzelnen Stoffstrom über Venture Clienting mit einem Technologieanbieter oder Forschungsinstitut klärt die technische Sortierleistung verlässlicher als eine direkte Großinvestition. Diese Annahme bestätigt sich in den nächsten 12 Monaten, wenn ein Testlauf die vorab definierte Sortierquote im Realbetrieb erreicht, und kippt, wenn die Erkennungsrate bei verschmutzten oder gemischten Fraktionen unter dem Schwellenwert bleibt.

Wann die Antwort Nein ist

Wenn ihr in eurer Wertschöpfungskette keinen direkten Zugriff auf physische Abfall- oder Rücklaufströme habt und keine eigene Sensorik- oder Sortiertechnik herstellt, trägt dieses Feld für euch nicht. Für Verpackungshersteller zeigen die Publikationen der RWTH Aachen University zwar Relevanz beim Verpackungsdesign für die Sortierbarkeit, das erfordert aber Produktanpassungen im Design und keine eigene Sortier-KI.

Prüfpunkte für die nächsten 12 Monate

Beobachtet in den nächsten 12 Monaten, ob aus den unvollständigen Jahrgängen 2025 und 2026 mehr Patentfamilien hervorgehen, die explizit das Recycling nennen, und ob weitere Übernahmen nach dem Kauf von Recycleye durch CPG folgen. Setzt parallel einen zeitlich begrenzten Piloten auf, etwa zur Datenmodellierung einer bestehenden Sortierlinie mit Instituten wie der RWTH Aachen University oder der Montanuniversität Leoben oder durch den Test einer Komponente von Anbietern wie Recycleye oder Newretex. Definiert vorab eine feste Zielmarke für die Sortierreinheit, unterhalb derer ihr das Projekt beendet.

Wie hy zwischen Build, Partner und Invest entscheidet: Build, Partner oder Invest.

Was ihr klären solltet, bevor ihr Budget bindet

  1. Für welche eurer spezifischen Abfall- oder Materialfraktionen von Kunststoffen über Textilien bis zu Bauabfällen wollt ihr die Sortierreinheit erhöhen, und rechtfertigt das Volumen einen eigenen Piloten?
  2. Liefern eure bestehenden Sortieranlagen bereits Sensor- und Nahinfrarot-Daten, auf denen sich Prozessmodelle und digitale Zwillinge aufsetzen lassen?
  3. Prüft ihr als Hersteller von Verpackungen oder Bauteilen bereits, wie euer Produktdesign die sensorbasierte Sortierbarkeit in Verwertungsanlagen beeinflusst?
Heike LöfflerSenior Vice President bei hy

30 Minuten mit dem Team Strategy & Innovation

Wir gehen das Radar mit euch durch und legen unsere Startup- und Patentdaten daneben.

Was das Radar nicht sieht

  • Startups: wer jung ist, kaum patentiert und noch nicht in der Presse steht.
  • Deals: Runden, Beteiligungen und Kooperationen, die nicht öffentlich gemeldet sind.
  • Eure Position: was ihr schon könnt, wie weit das Feld von eurem Kerngeschäft weg ist.
Worum geht es?
Wir nutzen die Adresse nur, um einen Termin mit euch zu finden. Mehr in der Datenschutzerklärung.

Dazu bei Return on Innovation

Quellen und Methode

20 Belege
  1. A Survey of the State of the Art in Sensor-Based Sorting Technology and Research · Fraunhofer Institute of Optronics, System Technologies and Image Exploitation · DE · 2024-01-01
  2. Towards digital twins of waste sorting plants: Developing data-driven process models of industrial-scale sensor-based sorting units by combining machine learning with near-infrared-based process monitoring · RWTH Aachen University · DE · 2023-11-06
  3. An optical sorting machine for waste plastic recycling · Xinyang Jinghong Industry · CN · 2023-05-09
  4. Improving the Optical Sorting of Polyester Bioplastics via Reflectance Spectroscopy and Machine Learning Classification Techniques · Massachusetts Institute of Technology · US · 2024-11-25
  5. Developing a prediction model in a lightweight packaging waste sorting plant using sensor-based sorting data combined with data of external near-infrared and LiDAR sensors · Montanuniversität Leoben · AT · 2024-04-30
  6. CODD: A benchmark dataset for the automated sorting of construction and demolition waste · University of Cyprus · CY · 2024-02-19
  7. Influence of plastic packaging design on the sensor-based sortability in lightweight packaging waste sorting plants · RWTH Aachen University · DE · 2024-05-15
  8. PESCO-UP: Textile fibre recycling from mixed streams of PESCO textiles · Teknologian Tutkimuskeskus VTT Oy · FI · 2024-01-01
  9. RESTORE: Automated soRting and safE pre-procesSing of EoL BaTteries with nOvel smart and fast dismantling, and sepaRation technolgies for direct reuse of high purity materials in Energy storage application · Acondicionamiento Tarrasense Associacion · ES · 2025-01-01
  10. CLEANMAT: Smart Clean Aluminium Material Processing - Digital Sorting, Intelligent Pre-treatment, and Advanced Melt Refining · Brunel University London · UK · 2026-06-01
  11. ReSoURCE: Refractory Sorting Using Revolutionising Classification Equipment · Rhi Magnesita GmbH · AT · 2022-06-01
  12. Waste sorting system for automated sorting station operations · Aetech · KR · 2024-10-15
  13. Efficient sorting process and consistant automated sorting device for recycling metals utilizing a megnetic conveyor for metal sorting · Hanol Environmental Industry · KR · 2023-12-18
  14. Device for optically sorting moving objects with speed determination · Baumer Inspection · DE · 2025-02-26
  15. Method, system and computer program product for automated sorting of goods in a handling system · Siemens · DE · 2024-12-10
  16. Optical discrimination device and optical sorting device · Satake Engineering · JP · 2023-12-13
  17. Sensor-based sorting · RWTH Aachen University · DE · 2024-01-01
  18. TexMat: AUTOMATED COLLECTION AND SORTING SOLUTION FOR CONSUMER TEXTILES · Teknologian Tutkimuskeskus VTT Oy · FI · 2025-10-01
  19. CPG acquires Recycleye to boost AI-powered sorting · plasticsnews.com · 2026-04-15
  20. Circle-8 Textile Ecosystems buys automated Newretex sorting line · euwid-recycling.com · 2025-05-22

Methode: Wir zählen und lesen öffentliche Daten (Google Patents (BigQuery), OpenAlex (wissenschaftliche Publikationen), Online-Medien (Google News, GDELT), CORDIS (EU-Forschungsförderung), Finanzierungsmeldungen (Google News)) zu den Suchbegriffen des Felds. Das Briefing ist aus diesen Belegen geschrieben, jede Aussage verweist auf ihre Quelle. Es ist ein Blick von außen: ein Indikator, kein vollständiges Bild.

Was die Daten nicht zeigen: Dieser Blick von außen zeigt weder interne Entwicklungsprojekte der etablierten Sortiermaschinenbauer noch Kaufpreise der gemeldeten Transaktionen, Betriebskosten im Dauerbetrieb oder erreichte Sortierquoten in kommerziellen Anlagen. Zudem lassen sich die öffentlich sichtbaren Schutzrechte kaum vom allgemeinen Logistik- und Sortiermarkt trennen, weshalb belastbare Aussagen über Marktanteile einzelner Anbieter im Recycling fehlen.

Kurz gefragt

Wie reif ist KI-gestützte Sortierung im Recycling?
Reifegrad unklar. Von 444 Patentfamilien zur Sortiertechnik in allen Anwendungen nennen nur 28 das Recycling, und 41 gegen 24 wissenschaftliche Publikationen im Zeitraum 2022 bis 2024 gegen 2019 bis 2021 sind zu wenig für einen Trend. Weil die Daten das Feld nicht verlässlich messen, steht vor dem Binden von Budget zwingend ein ehrlicher Markttest.
Wer prägt das Feld KI-gestützte Sortierung im Recycling?
Vor allem RWTH Aachen University (Forschung, DE), Montanuniversität Leoben (Forschung, AT) und Fraunhofer Institute of Optronics, System Technologies and Image Exploitation (Forschung, DE). RWTH Aachen University: Die Hochschule gehört mit 4 Publikationen zu den aktivsten Forschungsinstitutionen im Kernfeld und erforscht digitale Zwillinge sowie den Einfluss von Verpackungsdesign auf Sortieranlagen.
Was spricht gegen KI-gestützte Sortierung im Recycling?
Wenn ihr in eurer Wertschöpfungskette keinen direkten Zugriff auf physische Abfall- oder Rücklaufströme habt und keine eigene Sensorik- oder Sortiertechnik herstellt, trägt dieses Feld für euch nicht. Für Verpackungshersteller zeigen die Publikationen der RWTH Aachen University zwar Relevanz beim Verpackungsdesign für die Sortierbarkeit, das erfordert aber Produktanpassungen im Design und keine eigene Sortier-KI.

Eigenes Feld prüfen

Gebt ein anderes Technologie- oder Marktfeld ein. Nach rund zwei Minuten habt ihr dasselbe Briefing für euer Thema, kostenlos und ohne Anmeldung.

Alle Felder im Überblick