Forscher der Agraruniversität Athen haben ein maschinelles Lernverfahren entwickelt, das den biologischen Abbau von Biokunststoffen im natürlichen Umfeld nahezu in Echtzeit vorhersagt. Die in der Fachzeitschrift Polymers veröffentlichte Studie unter der Leitung von Chrysanthos Maraveas adressiert das traditionell langwierige Problem, dass Tests zur Bestimmung der Abbaurate Monate bis Jahre dauern können. Im Fokus steht das bakteriell produzierte Biopolymer PHBV, das als mikroplastikfreie Alternative zu erdölbasierten Kunststoffen gilt und insbesondere in Regionen mit eingeschränkter Abfallinfrastruktur, etwa in humanitären Krisengebieten, an Bedeutung gewinnt. Das Forschungsteam aggregierte Daten aus fast drei Jahrzehnten Forschung. Eine kuratierte Datenbank umfasst 13 peer-geprüfte Studien mit 93 experimentellen Durchläufen und mehr als 1300 Einzelmessungen zur Mineralisierung durch Kohlendioxidentwicklung. Auf dieser Grundlage wurden die Algorithmen Random Forest und XGBoost trainiert. Beide Modelle erreichten bei Tests an nicht gesehenen Daten R2-Werte zwischen 0,95 und 0,97, was auf eine exzellente Generalisierungsfähigkeit und hohe Vorhersagegenauigkeit hindeutet. Die Modellanalyse zeigt, dass zwar die Verweildauer der dominante Faktor bleibt, doch entscheidende sekundäre Einflussgrößen identifiziert wurden. Neben der Umgebungstemperatur bestimmen das Verhältnis der Polymerbausteine Hydroxyvalerat und Hydroxybutyrat, der Abbauweg, insbesondere der Oberflächenabtrag, die Art der Mikrobenpopulation sowie das Additiv-Spektrum das Degradationsverhalten. Die Ergebnisse belegen, dass der biologische Abbau von einem komplexen Zusammenspiel von Materialdesign und Umgebungsbedingungen abhängt. Zur praktischen Anwendung wurde das Random-Forest-Modell als kostenloses, interaktives Webtool auf der Jaqpot-Plattform freigeschaltet. Entwickler und Hersteller können fortan spezifische Formulierungen und Umweltparameter eingeben, um schnelle Abschätzungen zur biologischen Abbaubarkeit zu erhalten. Dieses Instrument unterstützt nachhaltig die Entwicklung nächster Generationen biobasierter Materialien nach dem Prinzip Safe-and-Sustainable-by-Design, da es ressourcenschonend die Optimierung von Kunststoffrezepturen ermöglicht, ohne auf langwierige Umwelttests angewiesen zu sein.