Projekt PURESCRAP

In der Stahlherstellung stellt Schrott einen wichtigen Sekundärrohstoff dar, der abgesehen von seiner Hauptfunktion als Eisenquelle, auch seine Verwendung als Kühlmittel in Schmelzöfen, zur Steuerung der Ofentemperatur, findet. Bei der Rohstahlerzeugung mit dem LD-Verfahren lassen sich laut derzeitiger in der Industrie gängigen Praxis 0,2–0,25 t Schrott pro Tonne Rohstahl einsetzen. Beim Elektrostahlwerk liegt die mögliche Schrottrate bei 100 %, was ca. 1,0–1,2 t Schrott pro Tonne Stahl entspricht. 2019 recycelte die Stahlindustrie der EU28 ~90 Mio. Tonnen Schrott, zu dem Eigenschrott, Abschnitte von Herstellern der Stahlprodukte und Post-Consumer-Schrott zählen.

Die Verfügbarkeit von minderwertigen Schrottsorten nimmt zu, wobei in einigen Fällen jedoch Begleitelemente wie Kupfer, Zinn, Chrom, Nickel oder Molybdän eine gesteigerte oder vollständige Wiederverwendung behindern. Dieser Überschuss an Schrott mit geringerer Qualität innerhalb der EU führt zu enormen Schrottexporten. Im Jahr 2019 beliefen sich diese auf 21,8 Mio. Tonnen. Im Gegensatz dazu muss Schrott von höherer Qualität in die EU importiert werden, um den Schrottbedarf für die Stahlproduktion zu decken. PURESCRAP setzt im Vergleich zum Stand der Technik einen ehrgeizigen, großen Schritt zur Verringerung der Verunreinigungen im Schrott vor dem Einschmelzen, indem hocheffiziente Sensorstationen in Verbindung mit einer verbesserten Schrottsortierung zur Anwendung kommen.

Die Reduktion von Verunreinigungen durch den Einsatz und die Anwendung der bestmöglichen Technologien erhöht die Verwertung von minderwertigen Schrottsorten. Eine zentrale Rolle spielt dabei die Vernetzung zwischen Schrottaufbereiter und der Stahlindustrie, die die Schrottabnehmer bilden. Dies stellt sicher, dass eine Nachfrage nach den optimierten Aufbereitungs- und Verwertungsmethoden besteht. Die Ziele von PURESCRAP lauten:

• Verringerung der Verunreinigungen in minderwertigen Schrottsorten durch Spektroskopie- und Bildverarbeitungssysteme
• Steigerung des Einsatzes von Post-Consumer-Schrott zur Erzeugung hochwertiger Stahlsorten
• Optimierung der Schrottcharakterisierung durch Bilderkennungs- und Verarbeitungs-modelle unter Einsatz von Deep Learning-Lösungen
• Reduzierung der CO₂-Emissionen beim Schmelzen von Schrott um 10–30 % im Vergleich zu einem Referenzbetrieb mit dem LD-Verfahren oder Elektrolichtbogenofen unter Verwendung eines höheren Anteils an Post-Consumer-Schrott