Maschinen smart und ökologisch vernetzen

Ansatzpunkte für „Wege in eine ökologische Machine Economy" zeigt ein gleichnamiges Positionspapier auf, das das Wuppertal Institut für Klima, Umwelt, Energie mit Unterstützung von Professor Dr. Oliver Zielinski und Neeske Lübben vom Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) erstellt hat. Entstanden ist das Papier innerhalb des Verbundprojekts „CO:DINA – Transformationsroadmap Digitalisierung und Nachhaltigkeit", das das Wuppertal Institut gemeinsam mit dem IZT – Institut für Zukunftsstudien und Technologiebewertung umsetzt.

Werden das Internet of Things (IoT), Künstliche Intelligenz (KI) und Distributed Ledger Technologien (DLT) wie Blockchain miteinander verknüpft, entstehen ganz neue Möglichkeiten und Geschäftsmodelle. Die Vision einer sogenannten Machine Economy beschreibt, wie Maschinen – etwa intelligente Fertigungsanlagen, und Lieferroboter – unter anderem in Produktion und Logistik autonom miteinander kommunizieren und wesentliche Prozesse des Wirtschaftens übernehmen. Bereits heute sind aufgrund der rasanten Entwicklung der aufstrebenden Technologiefelder erste Anzeichen dieser Vision zu erkennen. Weltweit sind rund 25 Milliarden Endgeräte vernetzt – davon alleine zehn Milliarden „Smart Things“ jenseits von Smartphones und Personal Computern. Tendenz steigend. Dadurch ergeben sich Chancen für den sozial-ökologischen Wandel, es zeichnen sich aber auch vielfältige Umweltbelastungen ab.

„Noch ist das Gelegenheitsfenster für eine proaktiv nachhaltige Gestaltung der Machine Economy geöffnet“, betont Daniel Wurm, wissenschaftlicher Mitarbeiter im Forschungsbereich Digitale Transformation am Wuppertal Institut und Mitautor des neuen Positionspapiers „Wege in eine ökologische Machine Economy“. Darin bieten die Autorinnen und Autoren einen ersten Überblick und stellen wesentliche Herausforderungen und Empfehlungen aus der Governance-Sicht dar. Die Wissenschaftlerinnen und Wissenschaftler des Wuppertal Instituts trugen die Ergebnisse ihrer Untersuchung mit Unterstützung des Deutschen Zentrums für Künstliche Intelligenz (DFKI) zusammen. Insbesondere nehmen sie folgende Thesen ins Visier:

  • Internet of Things (IoT), Künstliche Intelligenz (KI) und Distributed Ledger Technologien (DLT) sind das technologische Fundament der Machine Economy – damit verbunden sind Infrastrukturen, Datenströme und Anwendungen, die hohe Energie- sowie Ressourcenaufwände erzeugen.
  • Der derzeitige politische Diskurs sowie die Nachhaltigkeitsforschung fokussieren sich auf Umweltwirkungen durch digitale Infrastrukturen – Daten, Applikationen sowie die Rolle von Akteuren als Treiber der Umweltwirkung werden zu wenig beleuchtet.
  • Eine „Grüne Governance der Machine Economy“ adressiert systemübergreifende Treiber von Umweltbelastungen und ihre Wirkung – Ziel ist ein Gesamtsystem nachhaltiger Entscheidungen und ein ökologisches Zusammenspiel aller beteiligten Technologien in der Wertschöpfung.

Daraus leiten die Autorinnen und Autoren entsprechende Vorschläge ab.  „Die im Positionspapier diskutierten Thesen und Vorschläge gilt es nun weiter zu detaillieren und das Konzept einer „Grünen Governance der Machine Economy“ in einen wegweisenden Rahmen zu überführen“, sagt Mitautor Professor Dr. Oliver Zielinski, Leiter des Forschungsbereiches Marine Perception im DFKI Niedersachsen sowie Leiter des Kompetenzzentrums „KI für Umwelt und Nachhaltigkeit“, DFKI4planet. 

CO:DINA wird im Rahmen der KI-Leuchttürme des Bundesministeriums für Umwelt, Naturschutz und nukleare Sicherheit (BMU) gefördert. Die Projektbeteiligten untersuchen etwa, welche Einflussgrößen, Erfolgsfaktoren und Rahmenbedingungen für eine nachhaltige Gestaltung der Digitalisierung entscheidend sind und wie diese für politisches Handeln genutzt werden können.

Ein PDF des Positionspapiers finden Sie hier.
Zur Projektseite von CO:DINA geht es hier.
Diese News entstand in Zusammenarbeit mit dem Wuppertal Institut.

 

Beitrag teilen auf:

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence