Vorhersage der Druckfestigkeit von Mörteln mit recyceltem CRT-Glas mittels GMDH- und GEP-Methoden

Alte Fernseher in sicherere, stärkere Bausteine verwandeln

Millionen ausgesonderter Kathodenstrahlröhren-(CRT-)Fernseher und -Monitore türmen sich weltweit auf Deponien. Ihr schweres Glas enthält viel Blei, das in Boden und Wasser gelangen kann. Diese Studie untersucht einen Weg, dieses gefährliche Glas sicher in Baustoffmörteln einzuschließen und gleichzeitig die notwendige Festigkeit für den praktischen Einsatz zu erhalten. Durch die Kombination von Recycling mit modernen datengetriebenen Modellen zeigen die Forschenden, wie aus einem giftigen Abfallstrom ein nützlicher Bestandteil für umweltfreundlichere Gebäude und sogar strahlenschirmende Wände werden könnte.

Warum das Glas alter Bildschirme ein Problem und eine Chance ist

CRT-Glas ist ungewöhnlich dicht und enthält etwa 20–25 % Bleioxid. Wird es zermahlen und entsorgt, kann dieses Blei langsam ausgewaschen werden und die Umwelt kontaminieren. Frühere Versuche zeigten, dass beim Einmischen von CRT-Glas in zementbasierte Mörtel die stark alkalische Porenflüssigkeit des Zements Schwermetalle effektiv bindet und so deren Auswaschung stark reduziert. Gleichzeitig kann die hohe Dichte des Glases die Abschirmung gegen Röntgen- und andere Strahlung verbessern. Nachteilig ist jedoch, dass das Ersetzen von natürlichem Sand durch recyceltes CRT-(RCRT-)Glas den Mörtel häufig schwächt, weil die glatten Glaspartikel schlecht mit der umgebenden Bindemittelpaste haften. Ingenieure stehen daher vor einem Zielkonflikt zwischen Umweltvorteilen, Abschirmeigenschaften und mechanischer Festigkeit.

Von aufwändigen Labortests zur intelligenten Vorhersage

Das Auslegen von Mörtelmischungen, die das richtige Gleichgewicht treffen, erforderte bislang zahlreiche zeit- und kostenintensive Versuch-Reihen im Labor. Frühere Arbeiten berichteten überwiegend einzelne Testergebnisse und nutzten gelegentlich traditionelle statistische Formeln zur Vorhersage der Festigkeit; diese Ansätze hatten jedoch Schwierigkeiten mit den komplexen, nichtlinearen Wechselwirkungen zwischen den Zutaten. Insbesondere hatte bisher keine Studie Vorhersagemodelle speziell für Mörtel mit RCRT-Glas entwickelt, und viele moderne Machine-Learning-Studien konzentrierten sich auf andere recycelte Materialien oder verwendeten "Black-Box"-Algorithmen, die kaum Einblick geben, wie einzelne Bestandteile die Festigkeit beeinflussen. Diese Studie wollte diese Lücke mit transparenten, gleichungsbasierten Modellen schließen.

Wie die Forschenden die Modelle trainierten

Das Team stellte eine Datenbank mit 139 Mörtelproben zusammen, die unterschiedliche Anteile von Wasser, Zement, Flugasche, Naturkies/Sand, RCRT-Glas und verschiedene Aushärtezeiten enthielten. Zunächst bereinigten sie die Daten durch Entfernen von Ausreißern und Standardisierung der Variablenmaßstäbe. Anschließend wurden zwei sogenannte "White-Box"-Soft-Computing-Methoden trainiert, um die Druckfestigkeit vorherzusagen: Group Method of Data Handling (GMDH), das ein mehrschichtiges Netzwerk aus einfachen Polynomgleichungen aufbaut, und Gene Expression Programming (GEP), das mathematische Formeln auf genetisch inspiriertes Weise evolvieren lässt. Beide Verfahren liefern explizite Gleichungen, die Ingenieure in Taschenrechnern oder Tabellenkalkulationen verwenden können, statt undurchsichtigen Code. Die Daten wurden in Trainings- und Testsets aufgeteilt, und die Modelle wurden zusätzlich mit einer fünffachen Kreuzvalidierung auf Stabilität geprüft.

Welche Methode gewann und was am meisten zählt

Das GMDH-Modell übertraf deutlich sowohl das GEP-Modell als auch klassische Regressionsverfahren. Auf ungesehenen Testdaten erreichte GMDH einen Bestimmtheitsmaß (R²) von 0,942 bei niedrigen Vorhersagefehlern, was bedeutet, dass die berechneten Festigkeiten eng mit den Laborwerten übereinstimmten. GEP erzielte ordentliche Ergebnisse, zeigte aber stärkere Streuung und höhere Fehler, während einfache lineare und nichtlineare Regressionen viel der zugrunde liegenden Komplexität verfehlten. Um zu verstehen, welche Zutaten die Festigkeit am stärksten beeinflussen, nutzten die Forschenden ein modernes Erklärungswerkzeug namens SHAP. Es zeigte, dass der Wassergehalt der dominierende Faktor ist: zu viel Wasser erzeugt zusätzliche Poren und reduziert die Festigkeit. Danach folgte die Aushärtezeit — längere Aushärtung ermöglicht weitergehende Hydratationsreaktionen und stärkere Mörtel. Der Zementgehalt hatte einen moderaten Effekt, während die Anteile von RCRT-Glas und Sand im untersuchten Mischungsbereich kleinere, sekundäre Rollen spielten.

Was das für umweltfreundlicheres Bauen bedeutet

Für den allgemeinen Leser lautet die Kernbotschaft, dass es offenbar sowohl sicher als auch praktikabel ist, moderate Mengen CRT-Glas in Zementmörtel zu recyceln, ohne die Festigkeit stark zu beeinträchtigen, sofern die Mischung sorgfältig ausgelegt wird. Die GMDH-Gleichungen liefern Ingenieuren ein zuverlässiges, leicht anwendbares Werkzeug, um vor dem Mischen einer Charge abzuschätzen, wie stark ein rCRT-reicher Mörtel sein wird. Da die Methode transparent ist, können Planer außerdem sehen, wie Änderungen bei Wasser, Zement oder Aushärtezeit die Leistung verschieben und so die kleine Festigkeitsminderung durch das Glas kompensiert werden kann. Kurz gesagt zeigt die Studie, dass die Kombination von industriellem Abfallrecycling mit interpretierbaren Machine-Learning-Modellen helfen kann, gefährlichen Elektroschrott in einen vorhersagbaren, strukturell tauglichen Baustoff für nachhaltige und sogar strahlenschutzende Bauanwendungen zu verwandeln.

Zitation: Ghorbani, V., Seyedkazemi, A. & Kutanaei, S.S. Predicting compressive strength of mortars containing recycled CRT glass using GMDH and GEP methods. Sci Rep 16, 6655 (2026). https://doi.org/10.1038/s41598-026-36553-8

Schlüsselwörter: recyceltes CRT-Glas, Druckfestigkeit von Zementmörtel, nachhaltiges Bauen, maschinelle Lernmodelle, Strahlenschutzmaterialien