Die quantitative Bewertung ökologischer, ökonomischer und sozialer Auswirkungen ist ein in Industrie und Wissenschaft etablierter Ansatz, um die Nachhaltigkeit von Produkten zu analysieren. Die Erstellung solcher Bewertungen ist jedoch aufwendig. Vor allem die Erhebung von Sachbilanzdaten und deren Zuordnung zu Datenbanken erfordert viel Zeit und Expertise. Prospektive Bewertungen mit zahlreichen Zukunftsszenarien sind zudem rechenintensiv. Methoden der künstlichen Intelligenz wie große Sprachmodelle und maschinelles Lernen versprechen hier deutliche Erleichterungen. Offen ist jedoch, wie zuverlässig und nachvollziehbar die so erzeugten Ergebnisse sind.
Ziel dieser Arbeit ist die Entwicklung und Erprobung eines KI-gestützten Ansatzes für die Nachhaltigkeitsbewertung am Beispiel energieintensiver Produkte. Mögliche Ausrichtungen sind:
- Automatisierte Erhebung von Sachbilanzdaten aus Fachliteratur und Umweltproduktdeklarationen mithilfe großer Sprachmodelle
- KI-gestützte Zuordnung von Sachbilanzflüssen zu Datensätzen etablierter Datenbanken wie ecoinvent
- Ersatzmodelle auf Basis des maschinellen Lernens zur schnellen Bewertung prospektiver Szenarien
- ...
Die konkrete Ausrichtung wird vor Beginn der Arbeit auf Basis eines kurzen Exposés abgestimmt.
Hinweis: Programmiererfahrungen mit Python sind empfehlenswert.
Bei Interesse melden Sie sich bitte bei Alexander Barke.