Veranstaltungsprogramm

Die Kreislaufwirtschaft gilt als vielversprechendes Konzept für nachhaltiges Handeln, um dem stetig steigenden Druck auf die Primärressourcen entgegenzuwirken. Allerdings beschränkt sich die methodische Unterstützung für die Entwicklung zirkulärer Produkte derzeit auf Gestaltungsrichtlinien im Rahmen des „Design for Circularity“ (DfCE). Darüber hinaus fehlt es an weiterführenden Methoden, die die Richtlinien im Entwicklungsprozess umsetzen, insbesondere in den frühen Phasen. Für die frühe Implementierung im Entwicklungsprojekt sollten jedoch die Implikationen einer späteren gestalterischen Umsetzung der Merkmale auf die Produktarchitektur – dem Arbeitsergebnis der frühen Phasen – bekannt sein. Mit einer schrittweisen Ableitung von Anforderungen ausgehend von DfCE-Richtlinien an die Eigenschaften der Produktarchitektur präsentiert dieser Beitrag ein Abhängigkeitsmodell, das die Verknüpfung der Kreislaufgerechtheit mit den Arbeitsergebnissen der frühen Entwicklungsphasen zulässt.

Ein Produkt ist besonders kreislauffähig, wenn es Materialkreisläufe auf einem möglichst hohen Niveau ermöglicht. Der Spielraum für die zirkuläre Nutzung von Baugruppen und Einzelteilen wird durch die Produktentwicklung vorausschauend gestaltet und durch Fähigkeiten im späteren Produktleben genutzt. Im Beitrag wird die fähigkeitsgerechte Produktentwicklung (Design-for-Capabilities/DeCap) als neues Paradigma entwickelt, das Ansätze des Design for Assembly, Disassembly and Reassembly (DfADR) um die Berücksichtigung von menschlichen Fähigkeiten erweitert. Auf Basis von Literaturanalyse und Vorarbeiten werden Anforderungen in fünf Kategorien abgeleitet und der DeCap-Ansatz beschrieben. Eine zentrale Rolle kommt hierbei Ansätzen aus Data Science und Künstlicher Intelligenz zu, welche eine für DeCap erforderliche hybride Entscheidungsunterstützung in der Produktentstehung ermöglichen. DeCap wird an einem Fallbeispiel abgesichert und diskutiert. Die Anwendung dieses Paradigmas soll die Produktentwicklung befähigen, Produkte auch auf eine Remontage-orientierte Demontage hin auszulegen und dabei menschliche Fähigkeiten gezielt einzubeziehen.

Die Bedeutung von KI in Gesellschaft und Industrie wächst rasant. Große KI-Modelle werden in der Industrie beispielsweise für Chatbots und Bildanalysen eingesetzt und stellen einen wichtigen Faktor bei der Steigerung der Wirtschaftlichkeit dar. Diese werden als Smart Services den Nutzenden zur Verfügung gestellt. Der Betrieb und die Entwicklung benötigten viele Ressourcen wie Energie und Zeit. Laut der International Energy Agency könnte sich daher der Energiebedarf von Rechenzentren bis 2026 gegenüber 2022 verdoppeln. Um dem entgegenzuwirken, erforscht Green AI die Nachhaltigkeit und Umweltverträglichkeit von KI. In unserem Papier untersuchen wir die Entwicklung smarter Services unter Nachhaltigkeitsaspekten, wobei der Entwicklungsprozess unter der Verwendung von Green AI-Methoden auf Optimierungspotenziale geprüft wird. Ziel ist es, Green AI in smarte Services zu integrieren, um deren Umweltverträglichkeit zu verbessern. Vorteile wie bessere Energiebilanz und geringerer Bedarf an Ressourcen und Hardware werden hervorgehoben. Herausforderungen bezüglich Qualität und Stabilität werden analysiert, abschließend werden Erkenntnisse und offene Forschungsfelder diskutiert.