© Eigene Darstellung auf Basis von Bitkom e.V. (2023) verfügbar unter https://www.bitkom.org/Presse/Presseinformation/Deutsche-Wirtschaft-drueckt-bei-Kuenstlicher-Intelligenz-aufs-Tempo

Traditionell konzentrierten sich KI-Anwendungen hauptsächlich auf wirtschaftliche Ziele wie Effizienzsteigerung, Kostenreduktion und Prozessautomatisierung. Zunehmende politische und gesetzliche Rahmenbedingungen, die u. a. aus dem Europäischen Green Deal hervorgetreten sind, sowie steigende Anforderungen auf der Kund*innen-Seite zwingen Unternehmen zunehmend, ihren ökologischen Fußabdruck zu analysieren und CO₂-Emissionen zu verringern. Unabhängig von der Motivation des Einsatzes von künstlicher Intelligenz ist generell ein stetiger Zuwachs zu verzeichnen.

Durch den Einsatz von Sensorik und deren Verknüpfung können Unternehmen Ressourcen effizienter erfassen und nutzen. Technologien wie das Internet der Dinge (IoT), Wireless Sensor Networks (WSN) und Embedded Control Systems spielen hierbei eine zentrale Rolle. Diese Technologien ermöglichen die Echtzeitüberwachung von Produktionsprozessen, wodurch Materialverschwendung reduziert und die Ressourcennutzung optimiert werden kann. Sensoren erfassen kontinuierlich Daten über den Zustand von Maschinen, den Energieverbrauch und Materialeinsatz. Diese Daten werden dann zur Analyse und Optimierung der Betriebsabläufe genutzt. 

Die erfassten Daten werden durch moderne Datenintegrationsplattformen wie Big Data und Cloud-Computing zusammengeführt und verarbeitet. Diese Datenintegration ermöglicht es, aus Rohdaten wertvolle Informationen zu gewinnen, die zur Verbesserung der Ressourceneffizienz beitragen. Mit Hilfe von Big-Data-Analysen können Unternehmen Muster und Trends in ihren Daten erkennen und darauf basierend fundierte Entscheidungen treffen. Cloud-Computing bietet die notwendige Infrastruktur, um große Datenmengen zu speichern und zu verarbeiten, wodurch die Integration und Analyse der Daten erleichtert werden.

In der Zukunft wird der Umgang mit Ressourcen durch den Einsatz von künstlicher Intelligenz, Machine Learning und Deep Learning weiter optimiert. Diese Technologien ermöglichen eine dynamische Anpassung und Optimierung des Ressourcenverbrauchs. KI kann beispielsweise eine vorausschauende Wartung ermöglichen, wodurch Maschinenausfälle vermieden und die Lebensdauer der Maschinen verlängert werden. Machine-Learning-Algorithmen können Produktionsprozesse analysieren und kontinuierlich verbessern, indem sie aus historischen Daten lernen und Anpassungen in Echtzeit vornehmen. Deep Learning ermöglicht es, komplexe Zusammenhänge in den Daten zu erkennen und tiefere Einblicke in die Ressourcennutzung zu gewinnen.

© Eigene Darstellung in Anlehnung an Ramesohl, S., Berg, H. und Wirtz, J. (2022): Circular Economy und Digitalisierung - Strategien für die digital-ökologische Industrietransformation [abgerufen am: 10.06.2024], verfügbar unter: https://nbn-resolving.org/urn:nbn:de:bsz:wup4-opus-78991