Welche Auswirkungen haben KI-Innovationen auf die Circular Economy?

Was ist Circular Economy, also die Kreislaufwirtschaft?

Die Kreislaufwirtschaft verfolgt einen holistischen Ansatz für Design, Produktion und den Verbrauch von Waren und Dienstleistungen mit dem Ziel, die Abfallmenge zu minimieren, während Ressourcen maximiert werden. Es ist eine Revolution des linearen Modells, eine Abkehr vom „Nehmen Herstellen Entsorgen“ Ansatz. Stattdessen konzentriert sich das Modell auf Wiederverwendung, Reparatur, Wiederaufbereitung und Recycling.

Welchen Beitrag leistet die KI dazu?

KI kann eine wichtige Rolle bei der Förderung dieses Konzepts spielen. Sie fördert Innovationen bei der Abfalltrennung, beim KI-gestützten Verpackungsdesign, bei Kreislauf-Produktionssystemen und vielem mehr. Durch den Einsatz von KI-Technologien wie maschinelles Lernen und Deep-Learning-Algorithmen können Unternehmen ihren ökologischen Fußabdruck verringern und gleichzeitig die Effizienz ihrer Abläufe optimieren.

Warum können wir nicht einfach alle Abfälle recyceln?

Die Bedeutung des Recyclings ist nicht zu unterschätzen. Es ist unerlässlich für den Schutz unserer Umwelt und die Verringerung der Menge an biologisch nicht abbaubarem und nicht wiederverwertbarem Abfall, der auf Mülldeponien landet. Allerdings können nicht alle Arten von Abfällen recycelt werden. Einwegartikel wie Plastiktüten, Styroporbehälter und Wegwerfwindeln sind schwer zu recyceln, da sie aus verschiedenen Materialien bestehen, die vor dem Recycling getrennt werden müssten. Die Klassifizierung ist hier der Schlüssel, um zu vermeiden, dass wiederverwendbare und wiederverwertbare Materialien auf Mülldeponien landen.

Der übermäßige Verbrauch nicht kreislauffähiger Gegenstände macht es letztendlich schwierig, mit der Nachfrage nach Recycling oder Wiederverwendung Schritt zu halten. Dies erfordert einen Paradigmenwechsel im Verhalten, weg von nicht nachhaltigen Produkten und Materialien und hin zu Wiederverwendung, Reduzierung und achtsamem Konsum. Recycling ist da kein Allheilmittel, sondern Teil eines vielschichtigen Nachhaltigkeitsansatzes, der auch die Umgestaltung von Produkten für ein leichteres Recycling, einen geringeren Verbrauch und die Förderung einer nachhaltigen kulturellen Praxis umfasst.

Wie kann KI den Übergang zu einer Kreislaufwirtschaft fördern?

Wir können KI einfach als eine Gruppe von neu entstehenden Lösungen und Werkzeugen definieren, die sich aus Techniken ergeben, die es Maschinen ermöglichen, zu lernen und ihre eigenen Algorithmen zu trainieren. Diese Systeme lösen oft Probleme, die mit klassischen Techniken nur schwer zu bewältigen sind. Zum Beispiel die Entdeckung, wie komplizierte Proteine in drei Dimensionen geformt werden (siehe Proteinfaltung mit Alphafold) oder die Suche nach einer optimalen Route für einen Müllwagen, der den Abfall von mehreren Haltestellen in einer Stadt abholt (siehe das bekannte "travelling salesman problem")! KI wird eingesetzt, um Probleme wie Mustererkennung, Vorhersage, Optimierung und Empfehlungen zu lösen. Dies geschieht in der Regel durch einen Prozess, der als Training bezeichnet wird. Beim Training werden Daten, die für den Problembereich von Bedeutung sind, erzeugt oder verwendet. Die Qualität dieser Daten kann ein entscheidender Faktor sein, und die Auswahl der Daten muss mit großer Sorgfalt erfolgen. Aus diesem Grund können Industrie, große Unternehmen und Behörden auf die unterschiedlichsten und umfangreichsten Datensätze zugreifen, was ihnen bisher einen Vorteil bei der Entwicklung von KI verschafft hat.

Mit KI-gesteuerten Lösungen können Unternehmen den Übergang zu einer Kreislaufwirtschaft einfacher und effizienter gestalten. Sie können helfen, Ressourcen zu optimieren, indem sie die Nachfrage vorhersagen, das Angebot prognostizieren und die Produktionsprozesse optimieren. Sie kann auch genutzt werden, um Möglichkeiten für die Wiederverwendung, das Recycling und die Reparatur von Produkten und Materialien zu ermitteln. So können wir beispielsweise anhand von Daten aus dem Verkauf von Gebrauchtwaren einen vernünftigen Preis für den Wiederkauf von Waren festlegen oder mit Hilfe der maschinellen Wahrnehmung die Reparaturkosten abschätzen – ganz zu schweigen von der bereits gut etablierten Verwendung der Computer Vision bei der Abfallklassifizierung.

KI-Innovationen für die Wiederverwendung

In modernen Produktionsumgebungen können wir mittlerweile den Verschleiß von Komponenten vorhersehen. Ein Beispiel dafür ist das CNC-Fräsen, wo prädiktive Modelle auf Datensätzen wie dem Datensatz "Tool Wear Detection in CNC Mill" trainiert werden, um präventiv zu erkennen, wann Werkzeuge ersetzt oder gewartet werden müssen. Diese Vorhersagefähigkeit ist bei der Wiederaufarbeitung von großem Nutzen, da sie dazu beiträgt, den Lebenszyklus von Geräten und Komponenten zu verlängern, wodurch sowohl Effizienz als auch Nachhaltigkeit gefördert werden.

Darüber hinaus gibt es den Re-Buy-Markt schon seit einiger Zeit, aber die wesentlichen Techniken, wie z. B. die Preisvorhersage, waren noch nie so einfach zu beherrschen, da Datensätze wie etwa die Verkaufspreise für Smartphones auf ebay es Entwickler:innen ermöglichen, direkt mit der Entwicklung von Modellen und Algorithmen zu beginnen. Auch die Nachfragevorhersage und das Vertrauen in Sharing-Netzwerke werden durch KI gestärkt, während der Abgleich und die Empfehlung von gemeinsam genutzten Gütern schon seit einiger Zeit durch maschinelles Lernen unterstützt wird.

KI-Innovationen für das Recyceln

KI revolutioniert auch die Recyclingbranche und hilft beim Übergang von einer linearen zu einer stärker kreislauforientierten Wirtschaft. Im Mittelpunkt dieses Wandels steht die intelligente Anwendung der maschinellen Erfassung, insbesondere des maschinellen Bildverstehens, in Abfallverarbeitungsanlagen. KI-Modelle, die auf neuronalen Netzen (Convolutional Neural Networks) basieren, werden darauf trainiert, verschiedene Abfallarten präzise zu erkennen und zu sortieren, was die Abfallklassifizierung verbessert und ein effizientes Recycling gewährleistet. Mit der "Transformer"-Architektur, die traditionell für Aufgaben im Bereich des Sprachverständnisses eingesetzt wird, werden diese Systeme noch besser in der Lage sein, komplexe Abfallmuster zu erkennen.

KI rationalisiert nicht nur das Abfallmanagement auf Werksebene, sondern kann auch Verhaltensänderungen in Haushalten und am Arbeitsplatz fördern. Intelligente Geräte, die mit einer lokalen maschinellen Erfassung ausgestattet sind, sind in der Lage, Abfall an der Quelle zu kategorisieren und sogar Verhaltensanreize zu geben - freundliche, überzeugende Vorschläge, die den Nutzer:inen helfen, ihren Abfall besser zu trennen. KI-Innovationen erstrecken sich auch auf die Logistik mit vorausschauender Abholung (predictive pickup systems). Diese Systeme prognostizieren Trends im Abfallaufkommen und optimieren die Abholpläne, wodurch der Kraftstoffverbrauch und die gesamte CO2-Bilanz reduziert werden. Zusammengenommen beschleunigen sie unseren Weg zu einer nachhaltigeren, abfallbewussten Welt.

KI in Design und Produktion

KI hat einen erheblichen Einfluss auf die Bereiche Design und Produktion und ebnet den Weg für eine intelligente Fertigung. Auch bei der Qualitätskontrolle für neue Technologien wie dem 3D-Druck macht die KI Fortschritte. Datensätze wie der 3D Printer Defected Dataset werden verwendet, um Modelle zu trainieren, die Fehler in 3D-gedruckten Objekten erkennen und so eine qualitativ hochwertige Produktion bei gleichzeitiger Reduzierung von Ausschuss gewährleisten können. Auch die Lagerautomatisierung hat durch den Einsatz von KI eine deutliche Veränderung erfahren. Mithilfe von Datensätzen wie den KITTI-Lidar-basierten 2D-Tiefenbildern können KI-Modelle den Bestand effektiv verwalten, das Lagerlayout optimieren und sogar sicher navigieren.

Abschließende Gedanken

Wir stehen erst am Anfang dessen, was wir mit KI und maschinellem Lernen tun können, um den Übergang zu einer Kreislaufwirtschaft zu beschleunigen. Die unglaubliche Zunahme des Angebots an neuen Open-Source- und/oder Public-Domain-Modellen hat dazu geführt, dass Entwickler:innen, die vor fünf Jahren noch nicht mit KI hätten arbeiten können, jetzt Zugang dazu haben und damit experimentieren können. In der Zwischenzeit gibt es Anwendungsfälle, die schon seit einiger Zeit existieren, wie z. B. die maschinelle Erfassung der Abfallklassifizierung, deren Genauigkeit und Skalierbarkeit durch die unglaublichen Fortschritte auf diesem Gebiet (von RNN über CNN bis hin zu Transformer Architecture und Reinforcement Learning) sprunghaft angestiegen ist. Dies bedeutet, dass sich die Palette der Anwendungsfälle vervielfältigt hat - mittlerweile kann ein intelligenter Mülleimer in Ihrem Büro das tun, was vor 5 Jahren noch eine Industriemaschine getan hätte. Diese Entwicklung der Anwendungsfälle, die gesunkenen Eintrittsbarrieren und die Fortschritte in der Modelltechnologie bieten eine perfekte Gelegenheit für die beiden Megatrends KI und Kreislaufwirtschaft, ihre Kräfte zu vereinen!

Wir bei N3XTCODER sind begeistert, dass wir diese beiden Themen genau zu diesem Zeitpunkt erforschen können. In unserem KI-Innovationsprogramm „re:think Circular Economy“ werden wir Projekte, Startups, KI-Ingenieur:innen und andere Fachkräfte zusammenbringen, um dieses Thema voranzutreiben.

War dieser Artikel hilfreich? ja nein

Mach mit bei der Unterhaltung auf verschiedenen sozialen Kanälen. Wir diskutieren die neuesten Entwicklungen in der Technologie, sobald sie passieren!

Dieser Artikel wurde realisiert mit der Hilfe von