Was KI für eine nachhaltige Entwicklung leisten kann

Künstliche Intelligenz (KI) kann einen wesentlichen Beitrag für ökologische, ökonomische und soziale Nachhaltigkeit sowie effektiven Klimaschutz leisten. Unternehmen eröffnen KI-Systeme neue Geschäftsmodelle, die für eine nachhaltige Entwicklung der Wirtschaft und Gesellschaft vor allem in emissionsstarken Branchen wie Verkehr, Energie und Landwirtschaft effektive Lösungen bieten können. Wichtig ist hierbei, dass der Ressourcenverbrauch der KI-Systeme selbst sowie die Grenzen dieser Technologie immer mitberücksichtigt werden.

Von

16. August 2022

 

Angesichts der Klimakrise und zunehmender Ressourcenknappheit wird die Transformation zu einer resilienten und nachhaltigen Wirtschaft und Gesellschaft immer dringlicher. Innovative Schlüsseltechnologien wie Künstliche Intelligenz können hierbei unterstützen, diesen nachhaltigen Wandel zu gestalten. Das Whitepaper „Mit Künstlicher Intelligenz zu nachhaltigen Geschäftsmodellen“ der Plattform Lernende Systeme zeigt, wie KI-Technologien zum einen neue, ökologisch und ökonomisch nachhaltige Geschäftsmodelle hervorbringen und zum anderen wirtschaftliche Prozesse effizienter, ressourcenschonender und sozial gerechter gestalten. Davon können branchenübergreifend sowohl kleine als auch große Unternehmen profitieren, da etwa Energie- oder Materialkosten eingespart werden.

Produktions- und Prozessoptimierung durch KI

KI-Systeme können auf verschiedene Weisen die Produktion und die Prozesse von Unternehmen nicht nur betrieblich optimieren, sondern auch gesamthaft nachhaltig gestalten. Die Grundvoraussetzung ist dabei, dass die Daten, die in diesen Prozessen entstehen, erfasst werden und eine geeignete Qualität aufweisen. Insbesondere bei großen Datenmengen bieten KI-Systeme einen hohen Mehrwert. Anhand dieser Daten können KI-Systeme erkennen, in welchen Prozessschritten Potenziale für mögliche Einsparungen vorliegen, sodass etwa der Materialverbrauch wie der Energieaufwand effektiv reduziert werden kann. Eine weitere Möglichkeit besteht in der vorausschauenden Wartung, bei der die KI-basierte Anwendung erkennt, welche Geräte zu warten sind, bevor sie gänzlich ausfallen oder nur unter erhöhtem Energiebedarf weiter betrieben werden können. Damit diese jedoch tatsächlich einen Beitrag zu einer nachhaltigeren Wirtschaft leisten, sollte der Ressourcenverbrauch des Betriebes insgesamt sinken. Jedoch muss man beachten, dass durch so genannte Rebound-Effekte ein gegenteiliger Effekt eintreten kann, d.h. es muss verhindert werden, die eingesparten Ressourcen an anderer Stelle wieder einzusetzen.

In Deutschland setzen vor allem große Unternehmen bereits seit mehreren Jahren KI-basierte Systeme zur Prozessoptimierung ein. Während der Mittelstand, der bisher eher zurückhaltend war, inzwischen erkannt hat, dass der Einsatz von KI-Systemen auch für sie als kleine und mittlere Unternehmen (KMU) innovative Potenziale für das eigene Geschäftsmodell bereithält. Daher ist zu erwarten, dass KMUs in den kommenden Jahren neue und wichtige Impulse für nachhaltiges Wirtschaften setzen werden. Hinzu kommt, dass Umweltschutz längst nicht mehr nur als Marketingstrategie dient, sondern vielmehr eine klare ökonomische Positionierung und damit auch Haltung auf dem Markt ist. Kundinnen und Kunden haben heute ganz spezielle Ansprüche an Produkte und Dienstleistungen, etwa im Hinblick auf den CO2-Fußabdruck, die Arbeitsbedingung, den Wasserverbrauch in der Lieferkette oder ob recycelte Materialen genutzt werden – und diese Tendenz setzt sich weiterhin fort. Es ist ein wichtiges Signal für Nachhaltigkeit, dass sich Unternehmen diesen Ansprüchen stellen, um sich auf den globalen Märkten ihre Wettbewerbsfähigkeit zu sichern.

KI für eine nachhaltige Energiewirtschaft

Besonders groß sind die Potenziale des KI-Einsatzes für eine nachhaltige Entwicklung im Bereich der Energiewirtschaft, etwa durch sogenannte Smart Grids. Smart Grids sind Netzwerke aus dezentralen Energieerzeugern, die durch intelligente Netze gesteuert werden und die Energie auf optimale Weise vom Erzeuger zum Verbraucher bringen. Diese dezentralen Netzwerke sind von Vorteil, da sie besonders gut für erneuerbare Energiequellen anwendbar sind und so Ausfälle kleinerer Einheiten der Energieerzeugung durch andere Einheiten ausgeglichen werden können.

Darüber hinaus kann KI auch für Prognosen herangezogen werden. Ein KI-System kann darauf trainiert werden, die zu gewissen Tageszeiten benötigte Menge an Strom vorherzusagen und dabei weitere Daten wie Wetterdaten miteinzubeziehen. Somit kann bei einem zu hohen wie zu geringerem Strombedarf vorausschauend reagiert werden. Auch hinsichtlich der Energiesicherheit bieten KI-Anwendungen große Potenziale. Denn aufgrund ihrer dezentralen Netzwerke sind sie resilienter gegenüber Angriffen. Zudem können KI-Systeme angreifende Systeme automatisch erkennen und somit die kritische Energieinfrastruktur schützen.

KI-Anwendungen für eine grünere Mobilität

Auch im Verkehrssektor bestehen große Potenziale für Einsparungen, da gerade hier ein großer Teil der klimaschädlichen Emissionen entsteht. Fast 20 Prozent der Treibhausgase in Deutschland sind dem Umweltbundesamt zufolge auf diesen Sektor zurückzuführen. KI-Systeme können hier unterstützen, das Verkehrssystem intelligenter, zukunftsfähiger und nachhaltiger zu machen, vor allem, indem sie Verkehrsflüsse durch Vorhersagen von Angebot und Nachfrage prognostizieren. Das Anwendungsszenario „Intelligent vernetzt unterwegs“ der Plattform Lernende Systeme zeigt anhand eines Beispiels, wie dies funktionieren kann: Ein intelligenter Reiseassistent berät eine fiktive Person, wie sie einen Stau durch den flexiblen Umstieg auf andere Verkehrsmittel umgehen kann und mithilfe der intelligent zusammengestellten und nahtlosen Route ihr Ziel sogar schneller erreicht. Auf diese Weise wird der Verkehrsfluss optimiert, Staus werden vermieden, die Reisezeit der Einzelpersonen wird reduziert und nicht zuletzt werden Treibhausgasemissionen eingespart.

Die mangelnden Datengrundlage stellt jedoch noch ein bestehendes Problem bei der Optimierung der Mobilität dar. Deshalb hat das Bundesverkehrsministerium und acatech das Projekt „Datenraum Mobilität“ ins Leben gerufen, in dem Unternehmen aus dem Mobilitätssektor ihre Daten selbstbestimmt austauschen können, um innovative, nachhaltige und nutzerfreundliche Mobilitätskonzepte zu ermöglichen und weiterzuentwickeln. Auf Grundlage dieser Daten können auch neue Geschäftsmodelle auf Basis von KI-Anwendungen entstehen, um die Entwicklung zu mehr Nachhaltigkeit im Verkehrssektor weiter voranzubringen.

KI für eine ökologischere Landwirtschaft

KI-Anwendungen können in der Landwirtschaft eingesetzt werden, um Ressourcen einzusparen, den Ausstoß von Treibhausgasen zu reduzieren und die Natur zu schonen. Zukünftig könnte eine intelligente Sensortechnik genau bestimmen, welche Teile eines Feldes bewässert werden müssen und bei welchen dies nicht notwendig ist. Auf diese Weise kann Wasser eingespart werden, das heute noch großflächig und ohne genaue Bedarfsanalyse auf den Feldern verteilt wird.

Ähnlich verhält es sich mit dem Einsatz von Düngemitteln, die zu einer hohen Belastung für die Umwelt führen können. Mit KI-Systemen könnte erkannt werden, welche Mengen an Düngemitteln überhaupt wo notwendig sind, um damit den negativen Einfluss auf die Umwelt möglichst gering zu halten. So kann ein KI-basierter Roboter Unkraut von der angebauten Pflanze unterscheiden und dieses entfernen. Es bestehen zahlreiche Einsatzmöglichkeiten, wobei bereits klein(st)e Einsparungen einen wichtigen Beitrag leisten, wenn sie großflächig umgesetzt werden, da sowohl Wasser als auch Düngemittel und Strom reduziert werden können.

Auch in der Landwirtschaft stellt die Datenverfügbarkeit noch eine Herausforderung dar. Eine wichtige Initiative für diese Problematik stellt die Plattform Agri-Gaia dar, die mit ihrer digitalen Plattform ein offenes KI-Ökosystem für die Agrar- und Ernährungsindustrie schafft, um einen reibungslosen Austausch von Daten zu erzielen. Somit erlaubt die Plattform eine Zusammenarbeit von verschiedenen Akteuren aus der Lebensmittelwirtschaft, der Landtechnik und der KI-Entwicklung.

Herausforderungen für den KI-Einsatz

Bei all den Chancen, die KI bietet, sollte man sich jedoch immer vor Augen halten, wo die Technologie an ihre Grenzen stößt und welche Herausforderungen mit ihrer Nutzung einhergehen. Die Grenzen von KI zu verstehen, bedeutet oftmals, die Grenzen von automatisierter Erkennung zu verstehen. Ein Beispiel ist die Erkennung von Bildinhalten durch KI-Anwendungen, die etwa für journalistische Zwecke oder auf Fotoportalen genutzt werden. Die Grenze stellt hier vor allem die Datengenauigkeit dar: KI-Systeme können Fehler machen, ebenso wie der Mensch. Ein Grund könnte etwa sein, dass die Qualität der Daten, mit dem das System trainiert wurde, nicht ausreichend war. Bei KI-Anwendungen muss daher immer hinterfragt werden, inwiefern auf die Ergebnisse Verlass ist und ob gegebenenfalls der Mensch als Letztinstanz kontrollieren und nachjustieren muss. Wie hoch die Genauigkeit eines KI-Systems sein muss, lässt sich indessen nicht pauschal bestimmen: Für Urlaubsfotos reicht eine weitaus geringere Genauigkeit aus als bei KI-gestützten Diagnosen in der Medizin, da die Konsequenzen im Falle eines Fehlers völlig unterschiedlich sind.

Wie ist es um die Nachhaltigkeit dieser Technologie selbst bestellt?

Im Hinblick auf die Nachhaltigkeit stellt vor allem der hohe Energieverbrauch der KI-Systeme eine Herausforderung dar. Die Systeme müssen mit sehr großen Datenmengen trainiert werden, um eine hohe Genauigkeit ihrer Ergebnisse zu gewährleisten, wofür ein hoher Strombedarf anfällt. Es gibt zahlreiche Möglichkeiten, auf dieses Problem einzuwirken. Die erste Herangehensweise ist die Erzeugung der aufgewendeten Energie zu überprüfen. Wie oben bereits erklärt, entsteht bei wetterabhängiger erneuerbarer Stromerzeugung teilweise überschüssige Energie, die für das Training von KI-Systemen genutzt werden, solange dieses Training nicht zeitkritisch ist, etwa durch Photovoltaikanlagen an sonnenreichen Tagen. Eine zweite Herangehensweise besteht in der Wiederverwendung der aufgewendeten Energie. So kann in manchen Fällen die Abwärme von Rechenzentren in Form von Heizkraft oder Fernwärme weitergenutzt werden.

Idealerweise wird die Frage nach dem Energieverbrauch beim Training eines KI-Systems schon vorher gestellt. Dabei sollte kritisch hinterfragt werden, ob das Training wirklich erforderlich ist und welche Genauigkeit für die KI-Anwendung nötig ist. Denn schon eine Erhöhung der Trefferquote um wenige Prozentpunkte kann den Ressourcenverbrauch erheblich steigern. Um zu verhindern, dass die ressourcenaufwendigen Trainings letztendlich nicht entsprechend umfangreich genutzt werden, sollte sichergestellt werden, dass die Daten eine hohe Qualität besitzen und ausreichende Möglichkeiten zur mehrfachen Verwendung des KI-Systems bestehen. Durch sogenanntes Transfer Learning können KI-Systeme, die bereits vortrainiert sind, weiterverwendet werden, indem das bestehende Training lediglich verfeinert wird und somit Ressourcen gespart werden können. Das Training von KI-Systemen muss also von Anfang an wohldurchdacht sein, ansonsten führt das Training zu mehr Energieaufwand als die Nutzung der Systeme in ihrer Anwendung einsparen können.

Ansätze für eine intelligente Kreislaufwirtschaft

KI-Systeme können nicht nur dabei helfen, Wirtschaftsbereiche nachhaltiger zu gestalten, sondern auch eine Unterstützung bieten, die Art unseres Wirtschaftens zu transformieren. Das Konzept der Kreislaufwirtschaft (auch Circular Economy) setzt sich das Ziel, die Interessen von gesellschaftlichen Akteuren in Einklang zu bringen und die vermeintlichen Gegensätze von Wirtschaft, Nachhaltigkeit und sozialen Aspekten zu überwinden. Auch für den Weg hin zu einer umfassenden Kreislaufwirtschaft können KI-Systeme eine Basis für Geschäftsmodellinnovationen schaffen. Naheliegend sind dabei mögliche neue Geschäftsmodelle in den Bereichen Product-as-a-Service oder Leasing.

Zudem können KI-Anwendungen in der Entwicklung von für die Kreislaufwirtschaft geeigneten Produkten und Materialen helfen, zum Beispiel durch ein schnelleres Prototyping und Testen. Nicht zuletzt stellt die Kreislaufwirtschaft eine logistische Herausforderung dar, da die Logistik umgekehrt gedacht werden muss. Die zentrale Frage ist nicht, wie das Produkt oder das Material auf den Weg gebracht wird, sondern wo es letztendlich ankommt und wie es weiterverwendet werden kann. KI-Systeme können hier unterstützend wirken, indem sie Abläufe optimieren, zum Beispiel Prozesse zum Sortieren und Zerlegen von Produkten, zur Wiederaufbereitung oder zum Recycling. Dies wird in der Abfallwirtschaft bereits zum Teil gemacht: KI-Systeme werden hier genutzt, um Abfälle zu erkennen und zu sortieren, um die Effizienz von Recycling zu erhöhen. Vor allem in Sortieranlangen für Leichtverpackungen ist das heutiger Standard. Da das Erkennen von Abfallstoffen und deren Analyse immer mehr an Bedeutung zunehmen wird, steigt das Interesse an Bilderkennungsverfahren. Auch bei der Abfallentsorgung können KI-basierte Verfahren der Bilderkennung genutzt werden, zum Beispiel in der Müllverbrennung, bei dem das System den voraussichtlichen Heizwert des Abfalls prognostiziert und damit eine möglichst effiziente Verbrennung des Abfalls ermöglicht.

Der Einfluss von KI-Systemen auf die UN-Nachhaltigkeitsziele

Die Potenziale von KI-Anwendungen für eine nachhaltige Entwicklung reichen weit über die Bereiche Energie, Mobilität, Landwirtschaft und Kreislaufwirtschaft hinaus. Sie lassen sich nicht nur auf ökologische und ökonomische Nachhaltigkeit begrenzen, sondern gelten auch für soziale Aspekte. So können KI-Systeme auch bei der Umsetzung der Agenda 2030 für nachhaltige Entwicklung unterstützen. Kernstück der Agenda 2030 sind die 17 Nachhaltigkeitsziele, die sogenannten Sustainable Development Goals (SDGs) mit ihren 169 Zielvorgaben. Studienergebnisse zeigen, dass 79 Prozent der UN-Nachhaltigkeitsziele von KI profitieren werden, während 35 Prozent auch negativ von KI beeinflusst werden könnten. Die Abbildung aus dem Whitepaper „Mit Künstlicher Intelligenz zu nachhaltigen Geschäftsmodellen“ der Plattform Lernende Systeme zeigt, wie sich KI-Anwendungen auf verschiedene Kategorien der SDGs auswirken können.

Es zeigt sich also, dass KI-Anwendungen auf vielfältige Weise zu einer nachhaltigen Entwicklung beitragen können. Insbesondere in den Sektoren Energie, Mobilität und Landwirtschaft bestehen große Einsparpotenziale von Ressourcen und der Reduktion von Treibhausgasemissionen. Darüber hinaus können KI-basierte Systeme in der Produktions- und Prozessoptimierung eingesetzt werden und mit ihrem Beitrag für eine intelligente Kreislaufwirtschaft eine grundlegende Transformation unseres Wirtschaftens begleiten. Indessen darf nicht vergessen werden, welche Grenzen KI-Systeme besitzen, insbesondere in Bezug auf die Genauigkeit ihrer Ergebnisse. Zudem muss der Energieaufwand des Trainings der Systeme beachtet werden, sodass eine Abwägung des Energieverbrauchs und des Nutzens dem Training immer vorgeschaltet werden sollte. Mit seinem umfassenden Einfluss auf die UN-Nachhaltigkeitsziele können KI-Systeme ein wichtiger Baustein sein, damit uns angesichts des Klimawandels und der zunehmenden Ressourcenknappheit die Transformation zu einer nachhaltigen Wirtschaft und Gesellschaft gelingt.

Quellen:


Bundesministerium für Umwelt, Naturschutz und nukleare Sicherheit (BMU) (2020): Umweltpolitische Digitalagenda. Online unter: https://www.bmuv.de/fileadmin/Daten_BMU/Download_PDF/Digitalisierung/digitalagenda_bf.pdf

Plattform Lernende Systeme (2022): Mit Künstlicher Intelligenz zu nachhaltigen Geschäftsmodellen. Online unter: https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/AG4_WP_KI_und_Nachhaltigkeit.pdf

Plattform Lernende Systeme (2020): Anwendungsszenario „Intelligent vernetzt unterwegs“. Online unter: https://www.plattform-lernende-systeme.de/umfeldszenario-intelligent-vernetzt-unterwegs.html

Vinuesa, R. et al. (2020): The role of artificial intelligence in achieving the Sustainable Development Goals, in: Nature communications 11(1). S. 1–10.

 

 

 

 

Prof. Dr. Susanne Boll ist Professorin für Medieninformatik und Multimedia-Systeme an der Carl von Ossietzky Universität Oldenburg und Mitglied im Vorstand des Oldenburger Instituts für Informatik (OFFIS). Sie ist Co-Leiterin der Arbeitsgruppe „Geschäftsmodellinnovationen“ der Plattform Lernende Systeme.

Um einen Kommentar zu hinterlassen müssen sie Autor sein, oder mit Ihrem LinkedIn Account eingeloggt sein.

29707

share

Artikel teilen

Top Artikel

Ähnliche Artikel