Übergeordnete Maßnahmen
Digitaler Zwilling
Mithilfe eines digitalen Zwillings können komplexe Produkte entlang des gesamten Lebenszyklus überwacht werden. Als virtuelles Abbild des realen Produkts lassen sich auf Basis der in nahezu Echtzeit gesammelten Daten Simulationen durchführen und so Verbesserungspotenziale im Rahmen der Zirkularität ableiten.* Kettele, M.; Schöggl, J.-P.; Rupert und Baumgartner (2022): Circular Companies – Wie Unternehmen die Chancen der Kreislaufwirtschaft nutzen können, Graz, Green Tech Radar (abgerufen am: 19.07.2023), S. 7. * Berndorfer, J.; Kurz, A.; Pecksteiner, C. und Klinglmayr, J. (2022): Digitale Schlüsseltechnologien für eine kreislaufbasierte Produktion – DigiTech4CE, Wien, Berichte aus Energie- und Umweltforschung, 28/2023 (abgerufen am: 18.07.2023), S. 30. * Schlecht, M. und Köbler, J. (2021): Flexibles Referenzmodell zur Planung und Optimierung der Produktion – Generierung digitaler Fabrikmodelle mit dem digitalen Zwilling. In: Industrie 4.0 Management, 37 (5), S. 53 – 56 (abgerufen am: 17.07.2023), S. 53. Digitale Zwillinge können im Rahmen des Remanufacturings auch zur Unterstützung des Personals eingesetzt werden, indem z. B. für den jeweiligen Prozessschritt relevante Produktinformationen auf Tablets oder Virtual-Reality-Headsets angezeigt werden.* Alcayaga, A. und Hansen, E. G. (2022): Internet of Things enabling the Circular Economy – An Expert Study of Digitalisation Practices in B2B Firms. Institute for Integrated Quality Design (IQD), Johannes Kepler University Linz, Linz, IQD Research 2022, 1 (abgerufen am: 17.07.2023), S. 41.
Digitaler Produktpass
Der Einsatz von digitalen Produktpässen hilft, produktbezogene Informationen digital z. B. in einer Daten-Cloud* Wang, X. V. und Wang, L. (2014): From Cloud Manufacturing to Cloud Remanufacturing: A Cloud-based Approach for WEEE Recovery. In: Manufacturing Letters, 2 (4), S. 91 – 95 (abgerufen am: 29.06.2023), S. 6. zu hinterlegen, sodass Daten innerhalb der Lebenszyklusphasen zwischen den verschiedenen Stakeholder*innen (herstellendes Unternehmen, Dienstleistungsunternehmen, Verbraucher*innen, Behörden) ausgetauscht werden können. Die im Produktpass hinterlegten Daten sollten hierbei nicht nur für Endnutzer*innen relevante Informationen des herstellenden Unternehmens wie Gebrauchsanweisungen oder Nutzungshandbücher, sondern auch für die Kreislaufwirtschaft relevante Informationen wie Material-/Stofflisten und Demontageanleitungen beinhalten.* Bundesverband der Deutschen Industrie e.V. (2023): Digitalen Produktpass flexibel, innovativ und zielgerecht gestalten, Berlin (abgerufen am: 28.06.2023), S. 2; 5.
In einer „Lebensdauerakte” lassen sich außerdem Daten bzgl. der Produktnutzung/-beanspruchung hinterlegen, sodass im Rahmen des Remanufacturings kein unnötiger Aufarbeitungsaufwand entsteht.* Adler, J.; Berthold, D.; Bittner, A.; Brantsch, P.; Durschang, B.; Faßauer, B.; Fischer, M.; Gassmann, A.; Gassmann, J.; Kothe, S.; Meinlschmidt, P.; Musyanovych, A.; Pfaendner, R.; Stier, C. und Somorowsky, F. (2022): Circular Economy: Vom Material zum Wertstoff – Positionen und Perspektiven, Darmstadt (abgerufen am: 28.06.2023), S. 5; 21. Ein weiterer Ansatz ist das sogenannte „digitale Typenschild”. Dieses ist z. B. als QR-Code auf dem Produkt angebracht und lässt sich mit einem Smartphone oder Tablet auslesen. Das digitale Typenschild enthält alle Kennzeichnungen und rechtlichen Informationen, die für den Transport und Vertrieb sowie für eine sichere Produktnutzung innerhalb der verschiedenen Lebenszyklusphasen (Inbetriebnahme, Betrieb, Wartung/Service, Außerbetriebnahme) notwendig sind. Alle Informationen sind im digitalen Typenschild in digitaler und standardisierter Form hinterlegt, sodass jederzeit ein ortsunabhängiger Datenzugriff durch das herstellende Unternehmen/Produktnutzer*innen gewährleistet ist.* ZVEI – Zentralverband Elektrotechnik- und Elektronikindustrie e. V. (2020): Das digitale Typenschild – Konsistent, nachhaltig, zukunftssicher, vernetzt, Frankfurt am Main, ZVEI | Empfehlung, 2020.01 (abgerufen am: 28.06.2023), S. 2.
Maschinelles Lernen
Maschinelles Lernen stellt eine zentrale Maßnahme zur Effizienzsteigerung im Rahmen des Remanufacturings dar. So führt der Einsatz von KI in der Eingangsprüfung zu einer objektiveren Zustandsbewertung der Altgeräte/-komponenten und damit zu weniger Fehleinschätzungen. Darüber hinaus wird das Personal bei der Entscheidungsfindung zusätzlich entlastet, da die KI Produktvarianten auch bei fehlender Produktkennzeichnung sicher erkennt. Der Einsatz von KI fördert zudem die Standardisierung von Prozessen, sodass langfristig höhere Qualitätsstandards erreicht werden.* Schlüter, M.; Lickert, H.; Schweitzer, K.; Bilge, P.; Briese, C.; Dietrich, F. und Krüger, J. (2021): AI-enhanced Identification, Inspection and Sorting for Reverse Logistics in Remanufacturing. In: Procedia CIRP, 98, S. 300 – 305 (abgerufen am: 12.07.2023), S. 302-305. Unter Einsatz von Deep Learning kann die KI außerdem eigenständig Verbesserungen vornehmen, sodass sich bspw. der Teilprozess der Eingangsprüfung weiter automatisieren lässt.* Nwankpa, C.; Eze, S.; Ijomah, W.; Gachagan, A. und Marshall, S. (2020): Achieving remanufacturing inspection using deep learning. In: Journal of Remanufacturing, 11, S. 89 – 105 (abgerufen am: 12.07.2023), S. 89.