In dieser Arbeit wurde die Verbesserung der Sortierbarkeit von gesleevten Flaschen für bestehende NIR-Sensorsortierer untersucht. Die untersuchten Aspekte umfassen (i) die Auswahl der Trainingsmaterialen zum Anlernen der Klassifizierungsalgorithmen; (ii) die Auswahl und Hyperparameter-Optimierung verschiedener Machine Learning Algorithmen (Decision Tree, Random Forest, Support Vector Machine, Partial Least Squares und Convolutional Neural Network); sowie (iii) das Produktdesign der gesleevten Flaschen (Flaschen- und Sleeve-Parameter, Oberflächenbeschaffenheit und nicht-detektierbare Fälle). Zur Simulation unterschiedlicher Trainingsmaterialien wurden dabei zwei Materialdatensätze erstellt, die aus (a) Sleeve- und Flaschenneuware und (b) Post-Consumer-Kunststoffflaschen aus Sortieranlagen bestehen.