Künstliche Intelligenz
Künstliche Intelligenz (KI) ist ein Oberbegriff für Technologien, die mithilfe digitaler Methoden auf Datensätzen basieren und automatisch Ergebnisse in einem maschinellen Verarbeitungsprozess erzeugen (WBGU 2019). Im Wesentlichen stellt KI eine Problemlösungsfähigkeit dar (Jetzke et al. 2019). Innerhalb der KI ist das maschinelle Lernen eine Teildisziplin, bei der der Algorithmus anhand von Daten lernt und eigenständig Regeln innerhalb eines definierten Rahmens entwickelt (Hatiboglu et al. 2019). Dies ermöglicht es, statistische Zusammenhänge in den Daten zu erkennen und daraus Abhängigkeiten, Vorhersagen oder Klassifikationen abzuleiten (Jetzke et al. 2019).
____________________________________________________
Einsatzbereiche:
KI kann in verschiedenen Bereichen des Carbon Management-Systems eingesetzt werden, darunter Datenerfassung, -zuordnung, -analyse und -überwachung. Hierbei erfolgt die automatische Berechnung der CO2-Emissionen. Darüber hinaus kann KI bei der Identifikation von CO2-Hotspots sowie bei Entscheidungsfindungen unterstützen. Im Kontext der Lieferkette kann KI auch in Echtzeit Daten erfassen und austauschen sowie Risiken und Compliance identifizieren und bewerten.
______________________________________________________
Voraussetzung:
Eine entscheidende Voraussetzung für den Einsatz von KI ist die Verfügbarkeit und Qualität der Daten (Jetzke et al. 2019). Zusätzlich sind leistungsstarke Rechenkapazitäten und sichere digitale Speicherarchitekturen notwendig, wofür IT-Fachkräfte erforderlich sind (BVMW 2020).
______________________________________________________
Chancen und Herausforderungen:
Der Einsatz von KI führt zu einer Beschleunigung der Datenerfassung und Verarbeitungszeit sowie zu einer Reduzierung von Fehlerquoten (Hatiboglu et al. 2019). Dies trägt zu einer verbesserten Überwachung der Scopes und genaueren Emissionsdaten bei. Allerdings sind die Verfügbarkeit einer umfassenden Datenbasis und die sichere Handhabung der Daten durch KI eine Herausforderung (Hatiboglu et al. 2019, BVMW 2020), was bei den Anwendern Unsicherheiten hervorrufen kann. Ein Mangel an Fähigkeiten, Wissen und Vertrauen sowie hohe Kosten stellen dabei zusätzliche Herausforderungen dar (Srhir, 2023).
_____________________________________________________
Quellen:*
BVMW (2020). Umfrage des Bundesverbands mittelständische Wirtschaft (BVMW) und Gemeinsam digital, das Mittelstand 4.0-Kompetenzzentrum Berlin. „Anwendung von Künstlicher Intelligenz in KMU“.
Hatiboglu, B., Schuler, S., Bildstein, A., Hämmerle, M. (2019). Einsatzfelder von künstlicher Intelligenz im Produktionsumfeld. Kurzstudie im Rahmen von "100 Orte für Industrie 4.0 in Baden-Württemberg".
Jetzke, T., Richter, S., Ferdinand, J. P., Schaat, S. (2019). Künstliche Intelligenz im Umweltbereich. Anwendungsbeispiele und Zukunftsperspektiven im Sinne der Nachhaltigkeit. 56/2019.
Srhir, S. J.-T. (2023). Uncovering Industry 4.0 technology attributes in sustainable supply chain 4.0: A systematic literature review. Business Strategy and the Environment
Umweltbundesamt (2021). Factsheet Künstliche Intelligenz & Machine Learning.
WBGU - Wissenschaftlicher Beirat der Bundesregierung Globale Umweltveränderungen (2019). Hauptgutachten: Unsere gemeinsame digitale Zukunft.
*Die Informationen wurden durch Rückwärtssuche im Factsheet "Künstliche Intelligenz & Machine Learning" des Umweltbundesamtes (2021) ermittelt und durch zusätzliche Erkenntnisse aus einer unstrukturierten Literaturrecherche ergänzt.
______________________________________________________
Ergänzungen:
Im Zeitraum von August 2021 bis März 2022 wurden im Rahmen einer Interviewstudie mit 19 Experten digitale Technologien identifiziert, beurteilt und anschließend mittels qualitativer Inhaltsanalyse nach Mayring (2015) ausgewertet. Die Ergebnisse befinden sich im Text sowie in den Tabellen.
Mayring, P. (2015). Qualitative Inhaltsanalyse. Grundlagen und Techniken. Beltz. Weinheim, 4, 58.