Seit der Einführung des Autosort-Systems im Jahr 1996 hat sich die Sortiertechnik von regelbasierten optischen Systemen hin zu integrierten, vernetzten Lösungen entwickelt. Die ersten Lösungen kombinierten automatisierte Sortierung, optische Sensorik und erste Ansätze künstlicher Intelligenz. Spätere Fortschritte umfassten hyperspektrale Bildgebung, optimierte Beleuchtung, die Erkennung schwarzer Materialien sowie eine erhöhte Flexibilität durch Softwarekonfiguration.

Die Einführung des Deep-Learning-Moduls GAINnext im Jahr 2019 verbesserte die Sortierfähigkeiten, insbesondere in anspruchsvollen Szenarien wie bei lebensmitteltauglichen Kunststoffen. Heutige Systeme integrieren Multisensor-Technologien, Bildverarbeitung und KI-gestützte Materialerkennung und sind mit digitalen Tools zur Überwachung und Optimierung von Prozessen ausgestattet.

Auf der Messe IFAT 2026 wird Tomra eine neue Softwareplattform vorstellen. Tomra Local Control ermöglicht die zentrale Steuerung von Sortieranlagen über ein einziges Interface innerhalb eines Werksnetzwerks, liefert kontinuierlich Leistungsdaten und unterstützt die Fernanpassung von Sortierparametern und -konfigurationen, um datengesteuertes Anlagenmanagement und betriebliche Effizienz zu fördern.

Tomra wird außerdem eine gemeinsam mit PolyPerception entwickelte Abfallanalysetechnologie präsentieren. Dieses System nutzt Deep Learning zur Echtzeitanalyse von Materialströmen, liefert Informationen zur Zusammensetzung, Rückgewinnungsrate und Materialreinheit und generiert Daten, die zur Optimierung von Prozessen und Qualitätskontrolle in Sortieranlagen genutzt werden können.

Zusätzlich zu bestehenden Lösungen plant Tomra, weitere KI-basierte Sortierlösungen auf Deep-Learning-Basis einzuführen, um das Anwendungsspektrum zu erweitern und die Sortiereffizienz für verschiedene Materialströme zu steigern. Unternehmensvertreter werden technische Details zu den neuen Systemen und deren Integration in bestehende Anlageninfrastrukturen bereitstellen.