Erste Versuche, spezielle Hardware für künstliche Intelligenz zu entwickeln, wurden als ziemlicher Schrott kritisiert. Doch hier ist ein KI-Gerät in der Mache, bei dem es buchstäblich um Schrott geht: das finnische Startup Binit wendet die Bildverarbeitungsfunktionen großer Sprachmodelle (LLMs) zur Verfolgung von Hausmüll an.
KI zum Sortieren unserer weggeworfenen Sachen, um die Recyclingeffizienz auf kommunaler oder kommerzieller Ebene zu steigern, erregt schon seit einiger Zeit die Aufmerksamkeit von Unternehmern (siehe Startups wie Greyparrot, TrashBot, Glacier). Doch Binit-Gründer Borut Grgic meint, dass die Nachverfolgung von Haushaltsabfällen Neuland ist.
„Wir produzieren den ersten Haushaltsmüll-Tracker“, erzählt er Tech und vergleicht das kommende KI-Gerät mit einem Schlaf-Tracker, der allerdings Ihre Müllentsorgungsgewohnheiten überwacht. „Es handelt sich um eine Kamera-Vision-Technologie, die von einem neuronalen Netzwerk unterstützt wird. Wir nutzen also die LLMs, um normale Haushaltsmüllobjekte zu erkennen.“
Das junge Startup, das während der Pandemie gegründet wurde und von einem Angel-Investor fast 3 Millionen Dollar an Kapital erhalten hat, entwickelt KI-Hardware, die für den Einsatz in der Küche konzipiert ist (und cool aussieht) – montiert an einem Schrank oder einer Wand in der Nähe der Stelle, an der Mülleimer entsorgt werden. Das batteriebetriebene Gerät verfügt über eingebaute Kameras und andere Sensoren, sodass es aktiviert werden kann, wenn jemand in der Nähe ist, und Gegenstände scannen kann, bevor sie in den Müll geworfen werden.
Grgic sagt, sie verlassen sich auf die Integration mit kommerziellen LLMs – hauptsächlich OpenAIs GPT – um Bilderkennung zu ermöglichen. Binit verfolgt dann, was der Haushalt wegwirft – und bietet über eine App Analysen, Feedback und Gamification, wie zum Beispiel eine wöchentliche Müllbewertung, um die Benutzer zu ermutigen, weniger wegzuwerfen.
Das Team versuchte ursprünglich, sein eigenes KI-Modell für die Müllerkennung zu trainieren, die Genauigkeit war jedoch gering (ca. 40 %). Daher kamen sie auf die Idee, die Bilderkennungsfunktionen von OpenAI zu nutzen. Grgic behauptet, dass sie nach der Integration des LLM eine Müllerkennung mit einer Genauigkeit von fast 98 % erreichen.
Der Gründer von Binit sagt, er habe „keine Ahnung“, warum es so gut funktioniert. Es ist nicht klar, ob in den Trainingsdaten von OpenAI viele Bilder von Müll waren oder ob es einfach aufgrund der schieren Datenmenge, mit der es trainiert wurde, in der Lage ist, viele Dinge zu erkennen. „Die Genauigkeit ist unglaublich“, behauptet er und deutet an, dass die hohe Leistung, die sie beim Testen mit dem Modell von OpenAI erreicht haben, darauf zurückzuführen sein könnte, dass es sich bei den gescannten Gegenständen um „gewöhnliche Objekte“ handelt.
„Es kann sogar relativ genau erkennen, ob eine Kaffeetasse eine Beschichtung hat oder nicht, weil es die Marke erkennt“, fährt er fort und fügt hinzu: „Im Grunde genommen lassen wir den Benutzer das Objekt vor der Kamera vorbeiführen. Er ist also gezwungen, es vor der Kamera ein wenig zu stabilisieren. In diesem Moment nimmt die Kamera das Bild aus allen Winkeln auf.“
Daten über von Benutzern gescannten Müll werden in die Cloud hochgeladen, wo Binit sie analysieren und Feedback für Benutzer generieren kann. Die Basisanalyse wird kostenlos sein, aber es ist geplant, Premiumfunktionen per Abonnement einzuführen.
Das Startup positioniert sich außerdem als Anbieter von Daten zu den Dingen, die die Leute wegwerfen. Dies könnte für Unternehmen wie den Verpackungshersteller wertvolle Informationen liefern, vorausgesetzt, es kann die Nutzung skalieren.
Dennoch gibt es eine offensichtliche Kritik: Brauchen die Leute wirklich ein Hightech-Gerät, um zu wissen, dass sie zu viel Plastik wegwerfen? Wissen wir nicht alle, was wir konsumieren – und dass wir versuchen sollten, nicht so viel Müll zu produzieren?
„Es sind Gewohnheiten“, argumentiert er. „Ich denke, wir sind uns dessen bewusst – aber wir handeln nicht unbedingt danach.“
„Wir wissen auch, dass es wahrscheinlich gut ist, zu schlafen, aber dann habe ich einen Schlaftracker angelegt und schlafe viel mehr, obwohl er mir nicht beigebracht hat, irgendetwas das wusste ich noch nicht.“
Bei Tests in den USA konnte Binit außerdem feststellen, dass der Abfall in gemischten Mülleimern um rund 40 % reduziert wurde, da die Nutzer die von dem Produkt gebotene Transparenz in Bezug auf den Müll erkannten. Das Unternehmen geht daher davon aus, dass der Transparenz- und Gamification-Ansatz den Menschen dabei helfen kann, tief verwurzelte Gewohnheiten zu ändern.
Binit möchte, dass die App ein Ort ist, an dem die Benutzer sowohl Analysen als auch Informationen erhalten, die ihnen helfen, weniger wegzuwerfen. Für Letzteres planen sie laut Grgic auch, LLMs für Vorschläge zu nutzen – wobei der Standort des Benutzers berücksichtigt wird, um die Empfehlungen zu personalisieren.
„Es funktioniert so – nehmen wir zum Beispiel Verpackungen – dass für jedes Stück Verpackung, das der Benutzer scannt, in Ihrer App eine kleine Karte erstellt wird und auf dieser Karte steht: Das ist, was Sie weggeworfen haben. [e.g. a plastic bottle]… und in Ihrer Umgebung sind dies Alternativen, die Sie in Betracht ziehen könnten, um Ihren Plastikverbrauch zu reduzieren“, erklärt er.
Er sieht auch Spielraum für Partnerschaften, etwa mit Influencern zur Reduzierung von Lebensmittelabfällen.
Grgic argumentiert, eine weitere Neuheit des Produkts sei, dass es „gegen den unkontrollierten Konsum“ sei, wie er es ausdrückt. Das Startup folgt dem wachsenden Bewusstsein und den Maßnahmen in Sachen Nachhaltigkeit. Es herrscht das Gefühl, dass unsere Wegwerfkultur des Einmalkonsums über Bord geworfen und durch bewussteren Konsum, Wiederverwendung und Recycling ersetzt werden muss, um die Umwelt für zukünftige Generationen zu schützen.
„Ich habe das Gefühl, wir stehen an der Schwelle [something]”, schlägt er vor. „Ich denke, die Leute beginnen, sich die Fragen zu stellen: Ist es wirklich notwendig, alles wegzuwerfen? Oder können wir anfangen, über Reparaturen nachzudenken? [and reusing]?”
Könnte Binits Anwendungsfall nicht einfach eine Smartphone-App sein? Grgic argumentiert, dass dies davon abhängt. Er sagt, dass einige Haushalte gerne ein Smartphone in der Küche verwenden, wenn sie sich beispielsweise bei der Essenszubereitung die Hände schmutzig machen, andere jedoch einen speziellen, freihändigen Müllscanner als wertvoll erachten.
Es ist erwähnenswert, dass sie auch planen, die Scanfunktion kostenlos über ihre App anzubieten, sodass sie beide Optionen anbieten werden.
Bisher hat das Startup seinen KI-Müllscanner in fünf Städten in den USA (New York, Austin, Texas, San Francisco, Oakland und Miami) und vier Städten in Europa (Paris, Helsinki, Lissabon und Ljubljana in der Slowakei, wo Grgic ursprünglich herkommt) getestet.
Er sagt, sie arbeiten auf eine Markteinführung im Herbst hin – wahrscheinlich in den USA. Der Preis, den sie für die KI-Hardware anstreben, liegt bei etwa 199 US-Dollar, was er als „Sweet Spot“ für Smart-Home-Geräte bezeichnet.