Mit Automatisierung und KI zu mehr Nachhaltigkeit

Mit Koray Köse, Chief Industry Officer bei Everstream Analytic, und Dugan Trevathan, damals Enterprise Account Executive bei Carbmee, sprachen gleich zwei Experten auf dem diesjährigen Kongress zur Fabrik des Jahres über die Bedeutung und Möglichkeiten von KI im Nachhaltigkeitsmanagement. Für Köse ist die KI-Ära bereits angebrochen.

Dafür spricht nicht nur Senkrechtstarter Chat GPT, der die Early-Adopters-Phase der traditionellen Technologieakzeptanzkurve komplett übersprungen hat und die Theorie des Hype-Cycles zerstörte. Auch die 65.000 Startups im Bereich KI und synthetische Daten im vergangenen Jahr und der fast 200 Milliarden US-Dollar starke GenAI-Markt zeugten Ende 2023 davon.

Die KI-Evolution ist ein Chaos - volatil und instabil

Zu den wichtigsten Treibern von KI zählen zum einen das (noch) unregulierte Umfeld, das ein hohes Maß an Experimentierfreudigkeit zulässt, zum anderen schaffen Richtlinien zur Nachhaltigkeit eine Vielzahl von Anwendungsmöglichkeiten. Verstärkter Betrug durch Deepfakes, die (un-)absichtliche Offenlegung sensibler Daten sowie höhere Hürden bei der Überprüfung von Informationen vor deren Nutzung hemmen jedoch den Einsatz von KI. Ein Umstand, den künstlich erzeugte Daten lösen können.

„Mit künstlich generierten Daten erweitern Sie die Möglichkeit von KI, Ihr Geschäft positiv zu beeinflussen“, weiß Köse. Deren Vorteil: LLMs lassen sich mit den synthetischen Daten wesentlich schneller trainieren als mit nativ erzeugten.

Ihr Einsatz im Generative Engineering beschleunigt das Innovieren neuer Produkte sowie die Anpassung von Spezifikationen zur Verbesserung von Effizienz und Leistung, während sie im Generative Design darauf abzielen, die Designfunktionalität für bestimmte Zwecke zu optimieren.

Der wichtigste Anwendungsfall für KI ist für Köse jedoch das Nachhaltigkeitsrisikomanagement. Um Nachhaltigkeit und Wettbewerbsfähigkeit gleichzeitig zu erzielen, sollten sich Unternehmen die derzeitige Situation zu Nutze machen. Wie? „Fassen Sie Komplexität zusammen, indem Sie für die Analyse komplexer Daten eine durchdachte Einfachheit schaffen, um in dynamischen Situationen zeitnahe und qualitativ hochwertige Entscheidungen zu treffen“, lautet sein erster Tipp.

Er rät auch dazu, sich zu engagieren und zu investieren, um als Stakeholder das Nachhaltigkeitsrisikomanagement zu beeinflussen und voranzubringen. In datenarmen Umgebungen auf die Verwendung synthetischer Daten zu setzen, um Effektivität, Effizienz und Resilienz von Versorgungsökosystemen zu testen, ist ebenso empfehlenswert wie die Automatisierung von Aufgaben mit geringem Wert und hohem Aufwand, um Ressourcen für Kreativität freizusetzen.

Umweltrisiken in der Lieferkette aufspüren

„Umweltrisiko ist Geschäftsrisiko“, weiß Dugan Trevathan. Weshalb, erklärt er anhand der Auswirkung des CO2-Grenzausgleichsystems CBAM. Nach dieser Regelung müsse ein Sieben-Milliarden-Euro-Automobilunternehmen im Jahr 2034 mit einer jährlichen CO₂-Steuer von 160 Millionen Euro rechnen. Durch Reduzierung der CO₂-Emissionen ließen sich 55 Millionen Euro pro Jahr einsparen, wenn man bis dahin 30 Prozent des bisher unentdeckten Einsparungspotenzial nutzen würde.

Gerade wenn es um Dekarbonisierung geht, existieren in den ERP-, SRM-, PLM- und CAD-Systemen der Unternehmen Unmengen an Daten, welche die End-to-End Carbon Management Lösung carbmee nutzen kann, um die Kohlenstoffreduzierung durch den Einsatz von Automatisierungstechnologie zu kontrollieren.

Basierend darauf, liefert das KI-gestützte Environmental Intelligence System (EIS) nicht nur die vollständige Transparenz über die CO₂-Bilanz der Lieferkette auf Stücklisten-, Produkt- sowie Serviceebene, sondern auch KI-basierte Reduktionsempfehlungen für Material, Herstellungsprozesse, Energiequellen und Lieferanten. So lassen sich mit KI entlang der kompletten Lieferkette Treibhausgasemissionen, Finanz- und Nachhaltigkeitsrisiken reduzieren.