Wie zuverlässig lassen sich unterschiedliche Arten von Abfällen – von großteiligen Ablagerungen bis hin zu kleinteiligem Littering – durch optische Sensoren erkennen? Dieser Frage ist die erste Phase des Pilotprojekts „Stadt Mannheim erprobt digitale Erfassung der Sauberkeit im öffentlichen Raum“ nachgegangen. Vier Monate lang wurden zwei Arten von Auswertungen im laufenden Betrieb getestet: Datafleet zur Erkennung größerer Verschmutzungen und Cortexia zur Erfassung kleinteiliger Abfälle und zur Berechnung eines digitalen Sauberkeitsindex. Im Mittelpunkt stand zunächst eine grundlegende Frage: Funktioniert die Technik im Alltag – und entsteht daraus ein konkreter Mehrwert für Stadtreinigung und Abfallwirtschaft? 

Wenn das Abfallsammelfahrzeug zum Sensor wird 

Der besondere Ansatz des Piloten: Die Datenerhebung erfolgt quasi nebenbei. Kameras an Abfallsammelfahrzeugen und Kehrmaschinen erfassen während der regulären Fahrten den öffentlichen Raum. Datafleet erkennt beispielsweise wilde Ablagerungen oder Littering. Im Pilotzeitraum wurden mehr als 1.000 Objekte als wilde Ablagerungen erkannt. Zusätzlich wurden rund 84.000 Verkehrszeichen auf mögliche Auffälligkeiten untersucht. 

Cortexia verfolgt einen anderen Ansatz: Das System erfasst kleinteilige Verschmutzungen wie Zigaretten, Verpackungen sowie Flaschen und Dosen. Alle 20 Meter wird ein Segment zusammengeführt. Daraus entsteht ein Clean City Index (CCI) zur Bewertung der Sauberkeit. 

Die wichtigste Erkenntnis: Früher sehen kann einen Unterschied machen 

Besonders deutlich zeigt sich der potenzielle Nutzen von Datafleet bei der Erkennung wilder Ablagerungen. Von den 169 untersuchten Fällen waren 46 zum Zeitpunkt der automatisierten Erkennung der Abfallwirtschaft noch nicht bekannt. In rund zwei Dritteln dieser Fälle lagen zwischen der systemgestützten Erkennung und dem späteren Eingang einer Information – beispielsweise durch eine Meldung aus der Bevölkerung – mehrere Tage, in jedem Fall jedoch mindestens eine halbe Woche. 

Gute Erkennung – aber nicht jede Information ist sofort einsatzbereit 

Der Test zeigt zugleich: Zwischen „erkannt“ und „einsatzfähig“ liegt ein wichtiger Schritt. Rund drei Viertel der automatisch ermittelten Adressen konnten als passend bewertet werden. In weiteren Fällen lag die Hausnummer daneben oder – insbesondere in Kreuzungsbereichen – wurde die falsche Straße zugeordnet.  

Auch Verkehrszeichen lassen sich digital prüfen 

Ein weiterer Anwendungsfall zeigt sich bei der Verkehrstechnik. Datafleet erkannte rund 84.000 Verkehrszeichen und klassifizierte deren Zustand. Der überwiegende Teil wurde als mängelfrei erkannt. Auffällig waren vor allem Verunreinigungen, beispielsweise durch Aufkleber, sowie verblasste Schilder. 

Die wesentlichen Kategorien wurden insgesamt zuverlässig erkannt. Eine technische Grenze zeigte sich jedoch, wenn mehrere Verkehrszeichen auf einem Bild zu sehen sind: Dann ist die Zuordnung eines Mangels zum jeweils richtigen Schild schwierig. 

Cortexia: Ein neuer Blick auf Sauberkeit 

Bei Cortexia liegt die Stärke weniger in der einzelnen Müllmeldung als in der systematischen Betrachtung größerer Bereiche. Der CCI ermöglicht, Sauberkeit kontinuierlich entlang der gefahrenen Strecken abzubilden. Interessant ist, dass die Ergebnisse grundsätzlich ähnliche Bereiche als besonders sauber beziehungsweise besonders verschmutzt erkennen wie die etablierte manuelle Erhebung und Bewertung. 

Eine vollständige Gleichsetzung beider Verfahren ist allerdings noch nicht möglich. Messmethoden, Bewertungsskalen und erfasste Kriterien unterscheiden sich. Zudem konnten während des Piloten keine parallelen manuellen Erhebungen durchgeführt werden.  

Gleichzeitig bewertet Cortexia einen vergleichsweise hohen Anteil der Messungen mit der Bestnote. Innerhalb sehr sauberer Bereiche ist die Differenzierung damit begrenzt. Für eine belastbare Vergleichbarkeit wären daher parallele Messungen mit beiden Verfahren sinnvoll. 

Wetter ist weniger problematisch als erwartet 

Bei Cortexia und Datafleet zeigten sich zwischen sonnigen, bewölkten und regnerischen Tagen keine nennenswerten Unterschiede beim errechneten Sauberkeitswert bzw. der Menge der erfassten Abfälle. Das ist relevant, weil eine digitale Messmethode für den Alltag robust gegenüber wechselnden Bedingungen sein muss. Eine Einschränkung bleibt: Der Pilot konnte keine Aussagen zum Einsatz bei Dunkelheit liefern, da die Fahrzeuge im Testzeitraum nicht in entsprechenden Nachtstunden unterwegs waren. 

Was bleibt aus der Pilotphase? 

Die erste Pilotphase liefert eine realistische Vorstellung davon, was die Technik bereits kann – und wo ihre Grenzen liegen. Für Datafleet liegt der Mehrwert insbesondere in der früheren Erkennung bislang unbekannter Ablagerungen. Cortexia bietet Potenzial für eine kontinuierliche, flächige Messung von Sauberkeit und die Beobachtung von Entwicklungen über Zeit und Raum. 

Die Smart City Mannheim hat die Ergebnisse der Pilotphase nun ausgewertet und wird sie an den Eigenbetrieb Stadtraumservice übergeben. Dort werden sie aus betrieblicher Sicht betrachtet und bilden die Grundlage dafür, welche Folgemaßnahmen definiert werden und wie es mit der Digitalen Stadtsauberkeit weitergeht. 

Bild unten: Anzeige von Müllablagerungen im Datafleet-System