civity Data Team auf der DATA&CITY Night
Deep Learning, APIs und Abfallcontainer – eine ungewöhnliche Kombination. Doch es lohnt sich, diese Begriffe miteinander zu verknüpfen: Im Zuge der Digitalisierung der Abfallwirtschaft gewinnt die bedarfsorientierte Entleerung an Bedeutung.
Bereits heute kann der Kunde Aufträge auslösen, indem er über eine App Missstände per Foto dokumentiert und meldet. Eine sinnvolle Dienstleistung, die die Entsorger gezielt mit Aufträgen versorgt, jedoch eines hohen Personalaufwands in der Umsetzung bedarf. Jedes Foto muss einzeln und manuell bewertet werden: Ist ein Abfallbehälter abgebildet? Ist dieser überfüllt oder verschmutzt? An dieser Stelle setzt das Projekt an und ermöglicht mit einem Deep-Learning-Ansatz eine Objekt- und Statuserkennung für Glascontainer.
Typische Probleme werden automatisch erkannt: Überfüllung, Vermüllung des Umfeldes, Beschädigung, Graffiti. In einer zweiten Phase werden neben Glascontainern auch Papierkörbe und Altkleidercontainer im öffentlichen Raum berücksichtigt. Mit Hilfe einer automatisierten Auswertung kann der Entsorger eine kundenorientierte Dienstleistung anbieten und schnell auf Verschmutzungen und überfüllte Behälterstandplätze reagieren. Ein Filtern von Falschmeldungen sowie die automatische Beantwortung und Vorklassifizierung von Zuständen senken bei einer spürbaren Qualitätssteigerung der Kundenkommunikation den Aufwand für den Entsorger.
civity plant, die Technologie zusammen mit den Entsorgern zu entwickeln. Zusammen mit dem InfraLab Berlin soll eine anwendungsorientierte Lösung konzipiert und zur Anwendungsreife gebracht werden. In diesem Zusammenhang stellen Robin Kabelitz und Benno Bock das Konzept von civity auf dem DATA&CITY Night vor. Zur Umsetzung ist zunächst eine umfangreiche Lerndatenbank nötig, die Fotos von sauberen und verschmutzten bzw. beschädigten Behältern umfasst. civity beabsichtigt, das Produkt zu einem späteren Zeitpunkt national wie international bereitzustellen.