KI-basierte Identifizierung von CO₂-Werten
Für die Ziele des Pariser Klimaabkommens müssen wir die CO2-Emissionen weltweit schnell reduzieren. Ein erheblicher Teil entsteht durch industrielle Prozesse, deren CO2-Fußabdrücke schwer zu berechnen sind. Dies beeinträchtigt die Transparenz und Vergleichbarkeit der CO2-Bilanz von Produkten. Das KI-Pilotprojekt des Green-AI Hub Mittelstand mit CircularTree setzt auf eine KI-Lösung, welche die Berechnung des CO2-Fußabdrucks unterstützt, schneller bessere Ergebnisse erzielt, die Transparenz erhöht und die Vorgehensweise skalierbar gestaltet. So eröffnen sich vielfältige neue Möglichkeiten zur Dekarbonisierung von Produkten.
Unterstützung bei der Dekarbonisierung
CircularTree, ein 2018 in Berlin gegründetes Unternehmen, hat es sich zur Aufgabe gemacht, Unternehmen bei der Dekarbonisierung ihrer Produkte und Lieferketten zu unterstützen. Ihre SaaS-Plattform „CarbonBlock“ ermöglicht die Berechnung und den Austausch des CO2-Fußabdrucks entlang der Lieferkette. CarbonBlock ist interoperabel, besitzt also die Fähigkeit mit allen relevanten Austauschstandards zu interagieren und fördert die Dekarbonisierung durch Zusammenarbeit mit Lieferant*innen.
Herausforderung der manuellen CO2-Berechnung
Die manuelle CO2-Berechnung von Produktkomponenten anhand einer Stückliste erfordert erhebliche personelle und zeitliche Ressourcen. Informationen zu den einzelnen Komponenten müssten zunächst online gesucht und dann den richtigen Prozessen in einer Life-Cycle-Assessment (LCA)-Datenbank (enthält Branchendurchschnittswerte) zugeordnet werden. Dies erfordert umfassende Materialkenntnisse, Erfahrung im Umgang mit diversen LCA-Datenbanken und Expertise in CO2-Lebenszyklusanalysen. Für Unternehmen mit vielen eingekauften Komponenten stellt dies eine erhebliche finanzielle Belastung dar.
Ressourceneffizienz durch automatische Berechnung des CO2-Fußabdrucks
Im Green-AI Hub Pilotprojekts wird ein Entity-Mapping (Klassifizierung) erstellt. Es ermöglicht es den Kund*innen von CircularTree, die Produktkomponenten einfach zu identifizieren, um ihren CO2-Fußabdruck zu berechnen. Um dieses Ziel zu erreichen, sind folgende Schritte geplant:
- Analyse und Definition der Anforderungen
- Beschaffung von Daten
- Einsatz natürlicher Sprachverarbeitungstechnologien und Klassifizierungstechniken, um die am besten geeigneten Klassen oder Bezeichnungen für jedes Produkt oder jede Produktkomponente zu identifizieren
- Training eines Modells auf Basis von BERT oder Transformers mithilfe von Zero-Shot- oder Few-Shot-Lerntechniken sowie die Möglichkeit der Nutzung von generativen Modellen, wie ChatGPT zur Durchführung der Klassifizierung
- Implementierung einer Visualisierung von Entity Mapping
Mehr Transparenz in der Wertschöpfungskette
Das KI-Pilotprojekt adressiert verschiedene Stufen der Wertschöpfungskette. Zunächst geht es um die Transparenz des CO2-Fußabdrucks von Komponenten und Rohstoffen. Die gewonnene Transparenz unterstützt in der Entwicklung wiederum die Auswahl geeigneter Komponenten und Rohstoffe zur Minimierung des CO2-Fußabdrucks. In der Produktion können durch die erhöhte Transparenz schlussendlich Ziele mit Lieferanten vereinbart werden, um die Lieferkettenemissionen zu reduzieren.
Effizienzsteigerung durch Automatisierung
Auf Grundlage der gewonnenen Daten kann der CO2-Fußabdruck von Produkten reduziert werden, etwa durch den Einsatz von Recyclingmaterialien. Dieser auch finanzielle Effizienzgewinn ist für jedes Unternehmen relevant, welches Produktkomponenten anhand ihres Namens klassifizieren muss. Darüber hinaus wird der Zeit- und Arbeitsaufwand reduziert, den CircularTree bisher in die manuelle Klassifizierung der CO2-Emissionen der zahlreichen Komponenten jedes Produkts investieren musste.
Vorstellung des Green-AI Hub-Pilotprojekts „KI-basierte Identifizierung von CO₂-Werten“ - 8:06 min.
-
Gunther Walden, CircularTree GmbH
- Julián Moreno Schneider, Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
Technologie
Fähigkeit der KI: analysieren
KI-Modell: Entity-Mapping (Klassifizierung)
Wertschöpfung
Phase: Produktion
Ziel der KI: automatisierte Klassifizierung des CO2-Fußabdrucks
Ressourceneffizienz
Effizienzsteigerungen der zeitlichen, personellen und finanziellen Ressourcen
Mögliche Reduzierung des CO2-Fußabdrucks von Produkten durch Einsatz von Recyclingmaterialien
