Intelligente Risikobewertung und Frühwarnung für die Mensch–Maschine–Umwelt-Kopplung in Aufbereitungsanlagen für Kohle

Warum die Sicherheit in Kohleanlagen wichtig ist

Aufbereitungsanlagen für Kohle sind die Orte, an denen Rohkohle gereinigt und sortiert wird, bevor sie in Kraftwerken verbrannt oder in der Industrie verwendet wird. Diese Anlagen sind von schnell bewegten Maschinen, Staub, Lärm und Wasser geprägt — Bedingungen, die Arbeiter leicht in Gefahr bringen können. Diese Studie untersucht, wie die Kombination aus strukturierter Risikoanalyse und moderner Computer-Vision herkömmliche Überwachungskameras in intelligente Wächter verwandeln kann, die Abstände zwischen Menschen und Maschinen beobachten und Arbeiter warnen, bevor etwas schiefgeht.

Verborgene Gefahren auf einer lebhaften Baustelle

In einer Kohleaufbereitungsanlage drohen Gefahren aus vielen Richtungen gleichzeitig. Brecher und Siebanlagen können schwere Kohlebrocken auswerfen oder defekte Teile abwerfen; Dichtemediensysteme drücken abrasive Suspensionen unter hohem Druck durch Rohrleitungen, die als kraftvolle Strahlen austreten können. Hochspannungsanlagen stehen in feuchten Räumen, in denen Isolierungen versagen können, und Förderbänder sowie Lagerbereiche können sich mit feinem Kohlestaub füllen, der bei Zündung explodieren kann. Becken, Eindicker und Filterpressen bringen Ertrinkungs- und Quetschgefahren mit sich. Langzeitexposition gegenüber Staub kann zudem die Lunge der Arbeiter schädigen. Die Autoren nutzten eine strukturierte Checkliste, bekannt als 4M1E‑Rahmen — mit Blick auf Mensch, Maschine, Material, Methode und Umwelt —, um diese vielfältigen Risiken in der Anlage zu erfassen.

Bewertung, was Menschen am stärksten schadet

Da nicht jede Maschine gleichermaßen gefährlich ist, wollte das Team die Risikostufen systematisch einstufen. Sie bauten einen Fehlersuchbaum — eine Art Logikdiagramm, das mit einem schweren Unfall beginnt, etwa einem Verletzten, weil ein Förderband unerwartet anlief, und rückwärts zu den Kombinationen kleiner Fehler arbeitet, die das möglich machen. Das half, Schwachstellen wie ausgelassene Vorgehensweisen zum Abschalten, Fehler in elektrischen Steuerungen und fehlende physische Schutzvorrichtungen hervorzuheben. Unter Verwendung internationaler Risikomanagementstandards kombinierten sie dann die Eintrittswahrscheinlichkeit eines Ereignisses mit dem möglichen Schweregrad des Ergebnisses und wendeten ein Gewichtungsverfahren an, um Maschinenfaktoren, Umweltbedingungen und menschliches Verhalten auszugleichen. Das Ergebnis war eine „Ampel“-artige Einstufung, bei der etwa Bandförderer und Siebanlagen als besonders risikoreiche Elemente markiert wurden, die die strengsten Kontrollen erfordern.

Kameras das Abstandsmessen beibringen

Um von der Papieranalyse zur Praxis zu gelangen, rüsteten die Forscher gewöhnliche Überwachungskameras mit einem modernen Objekterkennungsalgorithmus namens YOLOv10 auf. Diese Software ermöglicht es einem Computer, in jedem Videobild Personen und Maschinen in Echtzeit zu erkennen. Da Kohleanlagen staubig, dunkel und mit Rohrleitungen und Bauwerken überfrachtet sind, ergänzte das Team den Algorithmus mit Aufmerksamkeitsmodulen, die helfen, die aussagekräftigsten Bildbereiche zu fokussieren, sowie mit intelligenteren Methoden zur Kombination von Informationen aus Objekten unterschiedlicher Größe. Sie verfeinerten außerdem, wie das System die Übereinstimmung zwischen vorhergesagten und tatsächlichen Positionen bewertet, um sicherzustellen, dass Begrenzungsrahmen um Arbeiter und Maschinen auch unter schlechten Bedingungen stabil und genau bleiben.

Von Pixeln zu Alarmen auf der Werkstattbühne

Objekte zu erkennen ist nur die halbe Aufgabe; das System muss auch wissen, wann sich Menschen zu nah an Gefahren befinden. Anstatt teure 3D‑Kameras oder Laserscanner zu verwenden, nutzte das Team einen cleveren Umweg: Eine einzelne Kamera wird mithilfe eines Objekts bekannter Breite kalibriert, sodass Pixelabstände im Bild in ungefähre reale Abstände auf dem Boden umgerechnet werden können. Mit diesem Aufbau misst die Software fortlaufend die Lücke zwischen jeder Person und nahegelegenen Maschinen. Betritt ein Arbeiter eine Vorsichtszone, erscheint eine visuelle Warnung auf dem Bildschirm; das Betreten einer engeren Gefahrenzone löst einen akustischen Alarm sowie automatische Schnappschüsse und Protokolleinträge aus und schafft so eine Aufzeichnung darüber, wer was wann und wo getan hat. Unter kontrollierten Tests konnte das System Abstände im Mittel auf etwa sechs Zentimeter genau schätzen und Alarme in ungefähr drei Zehntelsekunden auslösen.

Intelligente Warnung in der Praxis umsetzen

Das System wurde in einer realen Kohleaufbereitungsanlage pilotiert und konzentrierte sich auf Förderkorridore und Filterpressenbereiche, die als besonders risikoreich eingestuft waren. An einem typischen Tag erzeugte es rund fünfzehn gültige Warnmeldungen und fing unsichere Handlungen wie das Annähern von Arbeitern an laufende Maschinen oder das Nichttragen von Helmen ab. Da jedes Ereignis mit Bildern und Zeitstempeln dokumentiert wurde, konnten Sicherheitsverantwortliche genau feststellen, wann und wo Verstöße am häufigsten auftraten — etwa während Schichtübergaben — und die Aufsichtspläne anpassen. Innerhalb eines Monats gingen die erfassten Verstöße in diesen Spitzenzeiten um etwa 40 % zurück, was darauf hindeutet, dass die Kombination aus Echtzeit‑Hinweisen und nachverfolgbaren Belegen das Verhalten vor Ort veränderte.

Was das für sicherere Kohleprozesse bedeutet

Einfach gesagt zeigt diese Forschung, dass die Verbindung systematischer Risikoeinstufung mit intelligenten Kameras Kohleaufbereitungsanlagen dabei helfen kann, vom Reagieren nach Unfällen zur Verhinderung in Echtzeit überzugehen. Die Methode beansprucht nicht, jedes Detail menschlichen Verhaltens oder der Organisationskultur zu erfassen, und ihre Genauigkeit hängt von Kamerapositionierung, Beleuchtung und lokalem Nachtrainieren des Erkennungsmodells ab. Dennoch bietet der Ansatz durch die klare Identifizierung der gefährlichsten Anlagen, das automatische Überwachen von Annäherungen und das Protokollieren jeder Warnung einen praktischen Weg, vorhandene Videosysteme in aktive Sicherheitspartner zu verwandeln — was potenziell Leben rettet und Verletzungen in einer der herausforderndsten Arbeitsumgebungen der Industrie reduziert.

Zitation: Zhao, Y., Hu, Y. & Shi, Q. Intelligent risk assessment and early warning for human–machine–environment coupling in coal preparation plants. Sci Rep 16, 12503 (2026). https://doi.org/10.1038/s41598-026-42874-5

Schlüsselwörter: Sicherheit in Kohleaufbereitungsanlagen, Computer-Vision-Überwachung, industrielle Risikobewertung, Mensch–Maschine-Interaktion, Frühwarnsysteme