Das Startup Purency, eine Unternehmensgründung von Absolventen der TU Wien, nutzt Machine Learning um Mikroplastik aufzuspüren. Diese Woche wird der sogenannte „Microplastics Finder“ erstmals dem interessierten Fachpublikum vorgestellt.
Mit freiem Auge kann man sie nicht sehen, aber sie können trotzdem Schaden anrichten: Die winzigen Partikel, aus denen Mikroplastik besteht, sind eine Gefahr für die Umwelt. Man findet sie im Meer, aber auch im Boden, im Klärschlamm oder sogar in Lebensmitteln.
Mikroplastik aufgespürt durch Machine Learning
Um die Gefahr, die von Mikroplastik ausgeht, richtig einschätzen zu können, muss man es zunächst genau charakterisieren: Wie viele Partikel sind in einer bestimmten Probe enthalten, wie groß sind sie, und aus welcher Art von Kunststoff bestehen sie? Bisher war es in der Praxis kaum möglich, all das rasch und zuverlässig herauszufinden. Eine neue einfache, kostengünstige und präzise Analysetechnik hat nun das Startup Purency entwickelt.
Die Proben werden mit elektromagnetischer Strahlung in einem breiten Frequenzbereich bestrahlt, Machine Learning-Algorithmen ermitteln dann die Zusammensetzung des Mikroplastiks in der Probe.
Rasche Analyse für kleine Partikel
„Unser Wissen über Mikroplastik beruht bisher eher auf größeren Partikeln. Über Plastikteilchen mit einer Größe von weniger als 100 Mikrometer wissen wir immer noch sehr wenig – ganz einfach deshalb, weil bisher die Datenauswertung nicht zufriedenstellend war“, sagt Benedikt Hufnagl. Er studierte Technische Chemie und Verfahrenstechnik an der TU Wien und gründete dann gemeinsam mit zwei anderen TU-Alumni und einer Betriebswirtin die Purency GmbH.
Unterstützung dabei gab es vom Innovation Incubation Center der TU Wien und seit kurzem auch vom AWS. „Unser Ziel ist es, die Analyse von Mikroplastik zu verbessern und auf das Niveau von Routineanalytik zu heben.“
Proben werden beleuchtet
Unterschiedliche Ansätze wurden bisher verfolgt, um Mikroplastik nachzuweisen. Einer davon ist die FTIR-Spektrometrie (Fourier-Transform-Infrarot-Spektrometrie). Dabei wird die Probe mit elektromagnetischer Strahlung im Infrarotbereich beleuchtet – allerdings verwendet man nicht wie bei vielen anderen Spektrometern immer nur eine bestimmte Wellenlänge, sondern man nutzt viele Wellenlängen gleichzeitig.
Diese Wellen überlagen sich auf komplexe Art miteinander, die daraus resultierenden Wellen werden gemessen – sie ergeben einen charakteristischen „Fingerabdruck“ der untersuchten Probe.
Partikel leuchten farbig auf
Purency setzt daher auf einen neuen Weg: Die Daten werden mit Hilfe von Machine Learing Algorithmen ausgewertet. Dadurch wird es möglich, die Anzahl, Art und Größe der Partikel verlässlich zu bestimmen. In kurzer Zeit können große Datenmengen analysiert werden. „Das Spektrometer rastert die gesamte Probe ab und für jedes einzelne Pixel wird ein Wellenlängenspektrum aufgenommen“, sagt Hufnagl. „So ergeben sich Bilder mit einer Million Spektren und 5 GB Größe. Trotzdem kommt unsere Software mit üblichen Office-PCs aus.“
Mehr als 20 Polymerarten können unterschieden werden, Partikel mit einer Größe von nur 10 Mikrometern können erkannt werden – die Grenze wird nur durch das Auflösungsvermögen des verwendeten Messgeräts gesetzt, nicht durch die Datenverarbeitungsmethode.
Das Ergebnis ist eine ausführliche Tabelle, in der alle vorhandenen Polymerarten nach Partikelgröße und Anzahl dargestellt werden – sie liegt innerhalb von etwa zehn Minuten vor.