25. Netzwerkkonferenz (online)
Dr. Martin Vogt, VDI ZRE, Begrüßung
Jochen Flasbarth, Staatssekretär im BMU, Grußwort
Lara Waltersmann, Fraunhofer IPA, Vorstellung der Studie
Dr. Robert Friedrich, Deloitte Analytics Institute, Vorstellung der Studie
Jan-Philipp Grabowski, Julius Zorn GmbH, Fallbeispiel
Podiumsdiskussion: Lisa Reuter (Moderation), Dr. Sebastian Hallensleben (VDE), Sarah-Indra Jungblut (RESET), Dr. Martin Vogt (VDI ZRE), Dr. Christiane Plociennik (DFKI), Dr. Marc Schattenmann (BMU) (v.l.n.r.)

25. Netzwerkkonferenz – Nachbericht

Künstliche Intelligenz – Chancen und Herausforderungen für Ressourceneffizienz

Rund 150 Teilnehmende aus Wirtschaft, Verwaltung, Zivilgesellschaft und Wissenschaft nahmen am 07. Juni 2021 per Online-Livestream an der 25. NeRess-Konferenz unter dem Titel „Künstliche Intelligenz – Chancen und Herausforderungen für Ressourceneffizienz“ teil.

In seiner Begrüßung erläuterte Dr. Martin Vogt, Geschäftsführer des VDI Zentrum Ressourceneffizienz (VDI ZRE), den Hintergrund des für die Konferenz gewählten Themenschwerpunkts. Im Jahr 2017 wurde die Studie „Ressourceneffizienz durch Industrie 4.0 – Potenziale für KMU des verarbeitenden Gewerbes“ publiziert. Die mit der Konferenz veröffentlichte Studie „Potenziale der schwachen künstlichen Intelligenz für die betriebliche Ressourceneffizienz“ geht darauf aufbauend inhaltlich noch einen Schritt weiter und gibt Auskunft über den bisherigen Umsetzungs- und Wissensstand zum Einsatz von Künstlicher Intelligenz (KI) zur Schonung natürlicher Ressourcen in der industriellen Produktion.

Grußwort des BMU

In seinem Grußwort verwies Jochen Flasbarth, Staatssekretär im Bundesministerium für Umwelt, Naturschutz und nukleare Sicherheit (BMU) darauf, dass die 25. NeRess-Netzwerkkonferenz als Jubiläumsausgabe dieses bewährten Veranstaltungsformats zeigt, dass das Thema Ressourceneffizienz aus den Kinderschuhen herausgewachsen ist. Die enorme Bedeutung des Themas für die Umweltpolitik hat dazu geführt, dass wir bereits seit 10 Jahren politisch auf das Thema zurückblicken können. Dies liegt auch darin begründet, dass die Ressourceneffizienz weit mehr umfasst als nur den sparsamen Umgang mit Rohstoffen und die Organisation von Knappheiten. Jede Tonne nicht abgebauter, transportierter, verarbeiteter Rohstoffe spart darüber hinaus auch Energie, vermeidet Treibhausgasemissionen (THG), entlastet über den gesamten Lebensweg hinweg die Biodiversität und die Umwelt. Deshalb ist Ressourceneffizienz heute ein Schlüsselthema der Umweltpolitik, das in drei aufeinander folgenden politischen Programmen mit Handlungsfeldern und Maßnahmen unterlegt wurde: Dem Deutschen Ressourceneffizienzprogramm (ProgRess). Die vorgestellte und diskutierte Studie befasst sich mit dem Beitrag, den die schwache KI für Ressourceneffizienz leisten kann. So wie das Thema Ressourceneffizienz vor ungefähr einer Dekade, sind auch die Themen Digitalisierung und KI heute keine konventionellen und tradierten Themen der Umweltpolitik. Das BMU begann bereits vor drei Jahren damit, diese Themenbereiche als umweltpolitische Arbeitsschwerpunkte zu erschließen, was u. a. seinen Ausdruck in der 2020 erschienenen Umweltpolitischen Digitalagenda des BMU fand.

Das BMU verfolgt seitdem das Ziel, die Digitalisierung als wichtigen Aspekt der Umweltpolitik zu verankern und dabei auf Chancen und Risiken der Digitalisierung. Die KI ist dabei eine der zentralen digitalen Technologien, mit großen Potenzialen u.a. für den Umweltschutz. Das Thema fand Eingang in die Digitalisierungsstrategie der Bundesregierung Eingang und das BMU fördert seit 2019 KI-Leuchtturmprojekte, in denen Anwendungsmöglichkeiten identifiziert und Potenziale in verschiedenen Anwendungsfeldern erprobt und ausformuliert werden. Konkrete Projektbeispiele umfassen z. B. das Projekt „SmartRecycling“, in dem es um eine optimierte Sortierung von Abfall geht, oder das Projekt „Recirce“ (Digital Lifecycle Record for the Circular Economy), in dem der Versuch unternommen wird, sogenannte „Lebenszyklusakten“ mit Daten über den gesamten Produktlebenszyklus anzulegen, um so die Grundlagen für eine bessere Kreislaufführung sowie für eine recyclingfreundlichere Produktentwicklung zu schaffen. Der Erfolg der bisherigen Forschung in diesem Bereich ruft nach mehr: Daher soll das Förderprogramm des BMU „KI-Leuchttürme für Umwelt, Klima, Natur und Ressourcen“ in 2021 um zwei neue Forschungsschwerpunkte ergänzt werden, einem im Bereich von Innovationen für den Klimaschutz und einen im Bereich ressourceneffizienter KI. Denn auch die KI selbst muss ressourceneffizient sein, damit das Kosten-Nutzen-Verhältnis stimmt. Der Energieverbrauch spielt hierbei eine Schlüsselrolle. Ressourceneffiziente KI wird deshalb auch Teil des geplanten „Green AI Hub Mittelstand“ sein. Das BMU bringt die Themen Ressourceneffizienz und KI zusammen, fördert die Erforschung von Pilotanwendungen und schafft Plattformen, die dem Erfahrungsaustausch dienen.

Vorstellung der Studie „Potenziale der schwachen künstlichen Intelligenz für die betriebliche Ressourceneffizienz“

Einleitend erläuterte Prof. Dr. Alexander Sauer, Universität Stuttgart/ Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, die Bedeutung der Ressourceneffizienz für die Einhaltung der planetaren Belastungsgrenzen und für die ökonomische Zukunftsfähigkeit der Industrie. Kundinnen und Kunden sowie Investorinnen und Investoren fordern bereits jetzt aktiv nachhaltige Produkte, Dienstleistungen und Geschäftsmodelle ein. Mittels digitaler Technologien und KI-Anwendungen, die gezielt zur Steigerung der Ressourceneffizienz und der Entwicklung innovativer Lösungen und Geschäftsmodelle eingesetzt werden, können sich Unternehmen Wettbewerbsvorteile – im Idealfall sogar Alleinstellungsmerkmale – in ressourceneffizienten Wertschöpfungsketten erarbeiten und sich so einen Platz in der künftigen weltweiten Wertschöpfung sichern.

Lara Waltersmann, Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, erläuterte im Anschluss den Aufbau und die Methodik der Studie. Darin werden Anwendungen schwacher KI in der Produktion hinsichtlich ihres Einflusses auf die Ressourceneffizienz untersucht. Es werden Einsparungen an Material, Wasser, Energie und vermiedene Treibhausgasemissionen berücksichtigt. Der Fokus liegt auf der Beschreibung konkreter Vorgehensweisen und praktischer Anwendungsbeispiele sowie auf Erfolgsfaktoren und Hemmnissen für KMU des verarbeitenden Gewerbes. Daraus abgeleitet werden Empfehlungen für KMU, Politik und Wissenschaft formuliert. Methodisch beruht die Studie insbesondere auf Literaturrecherchen, Experteninterviews, einer Umfrage unter Expertinnen und Experten sowie der systematischen beispielbezogenen Potenzialanalyse.

Anschließend berichtete Dr. Robert Friedrich, Deloitte Analytics Institute, wesentliche Kernerkenntnisse aus der durchgeführten Expertenumfrage, die bewusst darauf abzielte, inhaltlich tiefer zu gehen als bisherige Umfragen dieser Art zum Thema KI, um Rückschlüsse auf die Relevanz unterschiedlicher Aspekte im Bereich des Einsatzes von KI zur Steigerung der Ressourceneffizienz in KMU ziehen zu können. Ein Ergebnis ist, dass 57,7% der Befragten noch keine Erfahrungen mit KI gesammelt hatten, während die übrigen damit schon zumindest in Berührung gekommen waren. Im Ergebnis sieht man ein sehr gemischtes Feld: Rund ein Drittel der Befragten gaben an, dass KI bereits ein Teil der Unternehmensstrategie sei, bei einem weiteren Drittel sei KI in der Unternehmensstrategie enthalten, bei den übrigen gebe es bisher keine nennenswerten Berührungspunkte mit KI. Als Motivation für die Einführung von KI-Anwendungen gaben die meisten Unternehmen die Einsparung von Kosten, die Verbesserung der Qualität, die Einsparung von Zeit sowie das Erlangen von Wettbewerbsvorteilen an. Auch genannt wurden Einsparungen an Energie, Material, Wasser sowie die Vermeidung von Treibhausgasemissionen (THG). Die Motivationsgründe Einsparung an Energie, Material sowie Vermeidung von THG wurden bei den in der Zukunft geplanten KI-Maßnahmen deutlich häufiger genannt als bei den bereits umgesetzten, woraus sich eine steigende Relevanz der Ressourceneffizienz-Themen für den zukünftigen KI-Einsatz ableiten lässt.
Die Potenzialanalyse in Unternehmen wurde in den Fallbeispielen auf Grundlage einer Klassifikation von Anwendungsszenarien nach benötigtem Fachwissen, Umsetzungsaufwand sowie benötigter Soft- und Hardware vorgenommen. Diese Klassifikation kann auch von weiteren Unternehmen bei der Entwicklung eigener Maßnahmen unterstützend herangezogen werden. Eine Hilfestellung für Unternehmen bietet die Studie ferner durch die Beschreibung einer Methode zur (Selbst-)Einschätzung des jeweiligen betrieblichen Reifegrads für KI-Anwendungen. Die acht vorrangig als vielversprechend identifizierten und anhand von Unternehmensfallbeispielen in Potenzialanalysen ausformulierten Anwendungsszenarien umfassen die vorausschauende Wartung, die Optimierung der Prozesskette, die optische Fehlererkennung, die Fehlervorhersage, die Planung der Prozesskette, die Produktoptimierung, autonome Transportsysteme sowie Sustainability Analytics.

Frau Waltersmann, Fraunhofer IPA, gab im Anschluss Einblicke in die Untersuchungsergebnisse zu identifizierten Hemmnissen und Erfolgsfaktoren der Einführung betrieblicher KI-Anwendungen. Diese wurden geclustert nach technologischen, ökologischen, ökonomischen, sozialen, unternehmensstrategischen sowie regulatorischen Aspekten und einer Priorisierung nach Relevanz unterzogen. Schließlich wurden besonders relevante Handlungsfelder für KMU, die Wissenschaft sowie die Politik abgeleitet und folgende Kernaussagen formuliert:

•    KI kann KMU dabei helfen, ihre RE zu steigern. RE spielt jedoch momentan noch eine untergeordnete Rolle.
•    Eine strukturierte Bewertung potenzieller Anwendungsszenarien ist in der Studie dargestellt.
•    Die Studie bietet Ansatzpunkte für den Einsatz von KI durch die identifizierten Anwendungsszenarien, Praxisbeispiele sowie die Hemmnisse und Erfolgsfaktoren.

Fallbeispiel 1: Vorausplanung und Anpassung der Produktion und Lagerbestände mittels Forecast-Algorithmus

Als Ausgangspunkt für Überlegungen, KI-Lösungen zur Optimierung betrieblicher Prozesse einzusetzen, nannte Jan-Philipp Grabowski, Julius Zorn GmbH, bestehende Herausforderungen im Bereich der Lagerhaltung sowie der Produktionsplanung. Daraufhin wurde gezielt analysiert, ob bestehende betriebliche Datenbestände durch den Einsatz von KI-Lösungen zur Identifikation und Umsetzung von Verbesserungen bei der Produktionsplanung und beim Bestandsmanagement genutzt werden könnten.

Anfängliche Hürden bestanden in fehlenden Kenntnissen im Bereich von Forecast-Algorithmen, im Bereich der Datenverarbeitung, des maschinellen Lernens sowie zum Thema KI allgemein. Daher wurde mit einem gezielten Kompetenzaufbau bei Mitarbeitenden, u. a. im Bereich geeigneter Programmiersprachen, begonnen. Die Eignung und Motivation der Mitarbeitenden ist hierbei ein Schlüsselaspekt. Wenn man derartige Ziele ernsthaft verfolgt, kann es im Ergebnis überraschend schnell voran gehen, so Herr Grabowski. Es besteht eine Reihe von Hilfsmitteln, die bei der Planung und Umsetzung derartiger Maßnahmen helfen können.

Im Ergebnis wurden im Unternehmen beeindruckende betriebswirtschaftliche Erfolge erzielt, die sich auch ökologisch in einem niedrigeren Energie-, Material- und Flächenverbrauch sowie vermiedenen Treibhausgasemissionen auszahlen. Durch den Einsatz der KI bei der Datenauswertung wurden starke Trendverläufe und saisonale Einflüsse identifiziert. Dieses Wissen wurde genutzt, um Lagerbestände zu verkleinern, genutzte Flächen zu reduzieren und auf diese Weise viel Geld zu sparen. Das Unternehmen hat sich auf diese Weise mehr in Richtung einer bedarfsorientierten Planung und Fertigung entwickelt. Faktenbasierte Entscheidungen wurden ermöglicht, wo bisher eher Schätzungen und Bauchentscheidungen vorherrschten. Wesentliche Informationen wurden visualisierbar und für Analysen zugänglich gemacht.

Fallbeispiel 2: Senkung des Ausschusses in der Produktion durch Predictive Quality in Echtzeit

Thomas Froese, atlantec Systems GmbH, konnte im Rahmen seiner Tätigkeit Einblick in eine Vielzahl internationaler KI-Projekte gewinnen. Meist ging es dabei in erster Linie um die Kostenoptimierung bzw. Kosteneinsparungen. Bei entsprechender Anreizsetzung könnte aber auch die Vermeidung von Treibhausgasemissionen stärker in den Vordergrund rücken. Die bisher eher verhaltene Anwendung von KI-Technologien durch die Unternehmen kann zu einem guten Teil mit dem Begriff „FUD – Failed by Uncertainty and Disorientation“ erklärt werden. Der klassische Industriekunde hat nicht die Kompetenz, den Einsatz von KI aus eigenen Ressourcen heraus selbst zu organisieren. Potenzielle Industrieanwender müssen vielmehr professionell an das Thema herangeführt und bei der Umsetzung begleitet werden.

Die Richtlinie VDI/VDE 3714 Implementierung und Betrieb von Big-Data-Anwendungen in der produzierenden Industrie geht in verschiedenen Blättern auf insgesamt 200 Seiten auf derartige Ansätze ein und entfaltet u. a. eine Relevanz für die Umsetzung von KI-Projekten. Darin ist genau niedergelegt, wie nach aktuellem Stand des Wissens und der Technik, Schritt für Schritt bei derartigen Projekten zu verfahren ist. Die atlantec Systems GmbH hat darüber hinaus in Kooperation mit dem TÜV Süd an der Bereitstellung eines entsprechenden Zertifizierungsverfahrens gearbeitet. Beide Elemente – die unabhängige Zertifizierung und das Vorgehen nach Stand der Technik – bieten potenziellen Industriekundinnen und -kunden eine Grundlage für das für eine Zusammenarbeit notwendige Vertrauen. Unternehmen der Prozessindustrie betreiben z. T. hochkomplexe Prozesse, bei denen Störungen zu signifikanten Auswirkungen auf Mensch und Umwelt führen können, weshalb Risiken, die z. B. durch ein Vorgehen nach dem Prinzip „Trial and Error“ entstehen, von vornherein ausgeschlossen werden müssen.

Nicht zuletzt das mit Mitteln des Bundesministeriums für Wirtschaft und Energie geförderte Vorhaben „Future Data Assets“ zeigt, dass erst die Verwendung betrieblicher Daten – z. B. für die Optimierung der Logistik oder der Lagerhaltung – dazu führt, dass den Daten ein ökonomischer Wert beigemessen wird. Dass dies häufig gelingt, zeigen die bisherigen Ergebnisse des Vorhabens. Der VDI titelt dazu „Big Data bringt Einsparungen in Milliardenhöhe“. In 338 identifizierten Projekten wurden gewaltige Kosten- und Energieeinsparpotenziale bei einer durchschnittlicher Amortisationszeit von 15 Tagen ermittelt.

Das Unternehmen bietet Industriekundinnen und -kunden ein Lösungspaket an, mit dem ohne größeren Programmieraufwand automatisierte Datenanalysen, Prognosen und Optimierungsempfehlungen ermöglicht werden. Voraussetzung für die Anwendung der KI-Lösungen ist, dass die betrieblichen Daten für einen ausreichenden Zeitraum konsolidiert vorliegen.

Filmbeispiel des VDI ZRE „Mit künstlicher Intelligenz und digitalem Zwilling Ressourcen sparen“

Wie KI-Optimierungen dazu beitragen können, die Herstellung von Extrusions-Blas-Formanlagen für die Herstellung von Kunststoffprodukten wie Rohren und Fässern mit einem möglichst hohen Rezyklat-Anteil bei der Produktion zu ermöglichen, zeigt ein aktuelles Filmbeispiel des VDI ZRE, das unter folgendem Link abrufbar ist: https://www.ressource-deutschland.tv/themen/kunststoffverarbeitung/mit-kuenstlicher-intelligenz-und-digitalem-zwilling-ressourcen-sparen/

Podiumsdiskussion: Chancen und Herausforderungen des Einsatzes von künstlicher Intelligenz für Ressourceneffizienz

Dr. Christiane Plociennik vom Deutschen Forschungszentrum für Künstliche Intelligenz GmbH (DFKI), Sarah-Indra Jungblut von RESET – Digital for Good, Dr. Marc Schattenmann vom Bundesministerium für Umwelt, Naturschutz und nukleare Sicherheit (BMU) und Dr. Sebastian Hallensleben vom VDE – Verband der Elektrotechnik Elektronik Informationstechnik e.V. diskutierten in einer von Lisa Reuter und Dr. Martin Vogt, VDI ZRE, moderierten Podiumsdiskussion die Chancen und Herausforderungen des Einsatzes von KI zur Steigerung der Ressourceneffizienz. In der Diskussion wurde die Schlüsselrolle von Normen und Standards für marktwirksame Qualitätsversprechen deutlich. Für das BMU steht die umweltpolitische Bedeutung von Digitalisierung und KI außer Frage, wobei stets zwei grundlegende Handlungsstränge verfolgt werden: Zum einen die Nutzung der Technologien zur Förderung des Umwelt- und Klimaschutzes – u. a. durch die Schonung natürlicher Ressourcen – zum anderen die möglichst nachhaltige Bereitstellung der technologischen Lösungen selbst.

Für Unternehmen ist es in erster Linie wichtig zu prüfen, ob und wenn ja welcher Weg zur betrieblichen Anwendung geeigneter KI-Lösungen für das eigene Unternehmen am vielversprechendsten erscheint. Je nach Reife- und Ambitionsgrad, personellen Kompetenzen und bestehender Datenlage können ganz unterschiedliche Wege eingeschlagen werden, um durch den Einsatz derartiger Technologien die eigene Wettbewerbsfähigkeit zu steigern, neue Geschäftsfelder zu erschließen und dabei natürliche Ressourcen zu schonen.

Ein wesentlicher Aspekt für die Analyse und Bewertung des Ressourceneinsatzes ist die Transparenz. Dies gilt sowohl für die Verfügbarkeit relevanter Daten über gesamte Liefer- und Wertschöpfungsketten hinweg, als auch für die eingesetzten Mess- und Bewertungsmethoden. Bestehende Wissenslücken plant das BMU gezielt über die eigene Ressortforschung und insbesondere über die Förderinitiative „KI-Leuchttürme für Umwelt, Klima, Natur und Ressourcen“ zu schließen. So kann auch die Übersetzung grundlegender ethischer und von Nachhaltigkeitsprinzipien in konkrete Entscheidungen zunehmend durch eine erweiterte Faktenbasis unterstützt werden. Die Entwicklung digitaler Lebenszyklusakten ist bereits in Arbeit und verspricht durch die Nutzung im Bereich der Produktentwicklung, der Kreislaufführung sowie der Information von Verbraucherinnen und Verbrauchern enorme Fortschritte bei der nachhaltigen Entwicklung.

Programm

Moderation: Lisa Reuter

11:00 Begrüßung
Dr. Martin Vogt, VDI Zentrum Ressourceneffizienz GmbH (VDI ZRE)

11:05 Grußwort
Jochen Flasbarth, Staatssekretär im  Bundesministerium für Umwelt, Naturschutz und nukleare Sicherheit (BMU)

11:20 Vorstellung der Studie „Potenziale der schwachen künstlichen Intelligenz für die betriebliche Ressourceneffizienz“
• Prof. Alexander Sauer, Universität Stuttgart / Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA
• Dr. Robert Friedrich, Deloitte Analytics Institute
• Lara Waltersmann, Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

11:50 Fallbeispiel 1: Vorausplanung und Anpassung der Produktion und Lagerbestände mittels Forecast-Algorithmus
Jan-Philipp Grabowski, Julius Zorn GmbH

12:05 Fallbeispiel 2: Senkung des Ausschusses in der Produktion durch Predictive Quality in Echtzeit
Thomas Froese, atlan-tec Systems GmbH

12:20 Fallbeispiel 3: Implementierung eines lern- und anpassungsfähigen Druckluft- und Kompressorsystems in der Produktion
Björn Müller, Gedia Gebrüder Dingerkus GmbH

12:35 Podiumsdiskussion: Chancen und Herausforderungen des Einsatzes von künstlicher Intelligenz für Ressourceneffizienz
• Dr. Sebastian Hallensleben, VDE Verband der Elektrotechnik Elektronik Informationstechnik e.V.
• Sarah-Indra Jungblut, RESET – Digital for Good
• Dr. Christiane Plociennik, Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI)
• Dr. Marc Schattenmann, Bundesministerium für Umwelt, Naturschutz und nukleare Sicherheit (BMU)

Moderiert von Lisa Reuter und Dr. Martin Vogt, VDI ZRE

13:30 Ende des Streams

Haben Sie Fragen? 

Nehmen Sie mit uns Kontakt auf und wir helfen Ihnen gern:

Geschäftsstelle NeRess
c/o VDI Zentrum Ressourceneffizienz GmbH
Bülowstr. 78, 10783 Berlin
Telefon: +49 (0) 30 27 59 506-0
E-Mail: geschaeftsstelle(at)neress.de