Wie KI Kläranlagen beim Mikroplastik-Problem unterstützen kann

Kläranlagen wurden nie gezielt dafür konzipiert, Mikroplastik herauszufiltern – und dennoch fangen sie einen überraschend grossen Anteil davon ab.

Dieser Erfolg klingt allerdings überzeugender, als er in der Praxis ist, sobald man genauer betrachtet, was sich hinter den Zahlen tatsächlich verbirgt.

Eine neue Übersichtsarbeit untersucht, ob Künstliche Intelligenz helfen könnte, bestehende Lücken beim Erkennen, Nachverfolgen und Umgang mit Mikroplastikverschmutzung zu schliessen, während diese die einzelnen Stufen der Abwasserreinigung durchläuft.

Geleitet wurde die Review vom korrespondierenden Autor Konstantinos Tsamoutsoglou von der Technischen Universität Kreta.

Sie bündelt Forschungsergebnisse aus Veröffentlichungen zwischen 2019 und 2026. Behandelt werden Quellen und Konzentrationen von Mikroplastik, Nachweisverfahren, Behandlungstechnologien sowie die wachsende Rolle von KI in diesem Bereich.

Woher Mikroplastik stammt

Mikroplastik gelangt aus nahezu allen Bereichen in Kläranlagen: aus Haushalten, aus industriellen Einleitungen, durch Fasern, die sich beim Waschen aus Kleidung lösen, über Körperpflegeprodukte sowie über allgemeinen städtischen Oberflächenabfluss.

Diese Anlagen wurden ursprünglich mit völlig anderen Prioritäten geplant. Deshalb ist das Zurückhalten von Mikroplastik – insbesondere der kleinsten Partikel – eher ein günstiger Nebeneffekt als eine bewusst entwickelte Funktion.

„Wastewater treatment plants provide an essential barrier against microplastic pollution, but removal does not necessarily mean elimination,“ sagte Tsamoutsoglou.

„By combining reliable analytical measurements with artificial intelligence, treatment facilities could move from occasional monitoring toward faster, predictive, and more informed management.“

An welcher Stelle die meisten Mikroplastikpartikel hängen bleiben

Die berichteten Mikroplastik-Konzentrationen variieren stark von Studie zu Studie. Jede Kläranlage ist etwas anders aufgebaut. Zudem verwenden Forschende unterschiedliche Verfahren, um Partikel überhaupt zu beproben und nachzuweisen.

Trotz dieser Unterschiede zeigt sich über den Reinigungsprozess hinweg ein relativ stabiles Muster.

In den Vor- und Primärstufen werden etwa 72 Prozent des einströmenden Mikroplastiks entfernt. Die Sekundärbehandlung erhöht diesen Wert auf ungefähr 88 Prozent, und eine Tertiärbehandlung kann die Entfernungsraten bis auf 94 Prozent steigern.

Doch diese Kennzahlen verdecken ein grundlegendes Problem der Grössenordnung: 94 Prozent Entfernung bedeutet nicht, dass das gereinigte Wasser tatsächlich frei von Kunststoff ist.

Kläranlagen setzen jeden Tag enorme Wassermengen um.

Selbst eine sehr geringe Restkonzentration im Ablauf kann sich zu Millionen einzelner Partikel summieren, die direkt in Flüsse, Seen und Küstengewässer gelangen.

Partikel unter etwa 150 Mikrometern rutschen besonders leicht durch. Sie bleiben im Wasser in Schwebe, statt sich abzusetzen – genau darauf sind konventionelle Reinigungsstufen jedoch ausgelegt.

Kunststoff verschwindet nicht

Die Review beleuchtet auch einen weniger sichtbaren Teil der Geschichte. Kläranlagen halten schätzungsweise 60 bis 80 Prozent der Mikroplastikpartikel zurück, zerstören sie aber nicht. Stattdessen sammeln sich die Partikel im Klärschlamm an.

Landwirte nutzen diesen Schlamm häufig als Dünger oder zur Bodenverbesserung – eine Praxis, die allgemein als nachhaltig und vorteilhaft gilt.

Allerdings gelangen die im Schlamm gebundenen Mikroplastikpartikel damit direkt auf landwirtschaftliche Flächen, wo sie über lange Zeit verbleiben können.

Die Partikel können mit Bodenmikroben und Pflanzenwurzeln interagieren oder später über Abschwemmung in den Abfluss geraten und so in terrestrische Nahrungsnetze gelangen.

Das deutet darauf hin, dass die Abwasserbehandlung Mikroplastikverschmutzung weniger beseitigt als vielmehr unauffällig verlagert. Das Problem wird aus Gewässern herausgenommen und stattdessen auf Felder übertragen.

Wo KI bei Mikroplastik in Kläranlagen helfen könnte

Künstliche Intelligenz bietet mehrere konkrete Ansätze, mit denen Betreiber besser damit umgehen könnten.

Systeme für Computer Vision können Kunststoffpartikel in Mikroskopbildern automatisch erkennen und sortieren. Das reduziert die zeitaufwendige manuelle Arbeit, die Labortechniker derzeit noch händisch erledigen müssen.

Ausserdem könnte dadurch die Uneinheitlichkeit sinken, die entsteht, wenn verschiedene Personen Partikel leicht unterschiedlich bewerten.

Unter kontrollierten Laborbedingungen haben einige dieser bildbasierten Modelle bereits Klassifikationsgenauigkeiten zwischen 85 und 95 Prozent erreicht.

Machine Learning kann ausserdem Partikelzählungen mit alltäglichen Betriebsdaten verknüpfen, darunter Durchflussrate, Trübung, Schwebstoffe sowie die Art und Weise, wie Schlamm im System rezirkuliert wird.

Modelle, die auf solchen kombinierten Datensätzen trainiert wurden, könnten vorhersagen, wie effektiv eine Anlage Partikel tatsächlich entfernt.

Sie könnten zudem wahrscheinliche Verschmutzungsquellen markieren, ungewöhnliche Betriebszustände früh erkennen und Echtzeit-Anpassungen bei der Behandlung oder beim Schlammmanagement unterstützen.

Drei Schritte zu intelligenterem Monitoring

Darauf aufbauend skizzieren die Autoren einen dreiteiligen Rahmen, um KI-gestütztes Monitoring zu entwickeln, das im Betrieb wirklich nutzbar ist.

Als erster Schritt wird Labor-, Bild-, spektroskopische und betriebliche Datenlage umfassend und konsistent erhoben.

Anschliessend lässt sich dieses Material nutzen, um Modelle für die Partikelklassifikation und die Vorhersage der Anlagenleistung zu trainieren.

Im letzten Schritt wird das Ganze in Frühwarnsysteme und Entscheidungsunterstützung überführt, die Anlagenbetreiber tatsächlich in ihrer täglichen Arbeit einsetzen können.

KI ist noch nicht so weit

Viele vorhandene Modelle wurden mit kleinen, „sauberen“ Labor-Datensätzen trainiert, die die Unordnung und Variabilität von realem Abwasser kaum abbilden.

Auch die Monitoring-Methoden unterscheiden sich von Studie zu Studie erheblich. Diese Uneinheitlichkeit erschwert Vergleiche zwischen Anlagen. Gleichzeitig wird es dadurch schwieriger, zu erwarten, dass ein an einem Standort trainiertes Modell anderswo zuverlässig funktioniert.

Um diese Lücken zu schliessen, braucht es grössere, standardisierte Datensätze sowie echte unabhängige Validierung.

Zudem sind transparente Algorithmen nötig, denen Betreiber vertrauen können, ebenso wie Tests im Vollmassstab in laufenden Kläranlagen.

Menschliche Expertise bleibt entscheidend

Die Forschenden achten darauf, die Möglichkeiten von KI an dieser Stelle nicht zu überschätzen.

Sie betonen, dass KI die chemische Analytik und die über Jahre aufgebaute Erfahrung der Menschen, die diese Anlagen betreiben, ergänzen soll – nicht ersetzen.

Beides zusammenzuführen könnte zu präziserem Monitoring und einer intelligenteren Steuerung von Mikroplastikverschmutzung führen.

Dieser kombinierte Ansatz könnte Belastungen sowohl im Wasser als auch an Land adressieren und damit ein Problem angehen, das offensichtlich nicht am Zaun einer Kläranlage endet.