de.wedoany.com-Bericht: Ein Forschungsteam der University of Washington hat ein KI-System entwickelt, das die Umweltauswirkungen verschiedener elektronischer Geräte in der Produktionsphase automatisch abschätzen kann. Das System nutzt mehrere KI-Agenten (Programme, die Aufgaben eigenständig ausführen), um Informationen aus öffentlich zugänglichen Daten zu sammeln und eine Lebenszyklusanalyse (LCA) durchzuführen. Die durchschnittliche Fehlerquote liegt zwischen 5 % und 19 %, was der Genauigkeit von LCA-Analysen menschlicher Experten nahekommt. Die Forschungsergebnisse wurden am 12. Juni in der Fachzeitschrift Nature Electronics veröffentlicht.
Die Studie zeigt, dass Verbraucher bereit sind, für nachhaltigere Geräte mehr zu bezahlen, es jedoch derzeit sehr schwierig ist, detaillierte Umweltdaten zu elektronischen Geräten zu erhalten. Ein Smartphone beispielsweise besteht aus Hunderten von Chips und anderen Komponenten, deren Produktionsemissionen jeweils unterschiedlich sind. Diese Daten sind oft nicht öffentlich oder wurden nicht einmal gemessen. Menschliche Experten benötigen möglicherweise Tage oder sogar Monate, um die für eine LCA erforderlichen Informationen manuell zu sammeln. Die vom Forschungsteam entwickelten KI-Agenten können zusammenarbeiten, um automatisch Informationen über elektronische Komponenten aus Produktbeschreibungen, Bildern und Dateien zu extrahieren und innerhalb von etwa einer Minute vergleichbare Schätzungen zu liefern.
Das System simuliert mit zwei KI-Agenten verschiedene Rollen im LCA-Prozess. Einer spielt den Analysten, der die benötigten Informationen und deren Integration definiert und die Genauigkeit der Ergebnisse überprüft. Der andere spielt den Ingenieur, der aus öffentlichen Daten Informationen zu den Komponenten elektronischer Geräte sammelt, darunter das Durchsuchen von Tabellenkalkulationen und das Auffinden von Geräteinnenaufnahmen, um Chip-Informationen zu erhalten. Die Datenquellen umfassen sogar unkonventionelle Kanäle wie die FCC-Datenbank und iFixit-Beiträge. Die beiden Agenten arbeiten in einem Kreislauf, bis der erste Agent die Vollständigkeit der Informationen bestätigt. Anschließend wird unter Bezugnahme auf eine LCA-Datenbank die Komponentenliste in eine Schätzung der Kohlenstoffemissionen umgewandelt.
Das Team entwickelte auch eine „Nächste-Nachbarn"-Methode, die den CO₂-Fußabdruck direkt schätzt, ohne detaillierte Datenerfassung. Bei gängigen Geräten wie Laptops und Smartphones, für die bereits öffentliche CO₂-Berichte vorliegen, stellten sie fest, dass Produkte mit ähnlichen Spezifikationen wie Bildschirmgröße und Prozessor ähnliche Kohlenstoffwerte aufweisen. Daher kann der CO₂-Fußabdruck eines unbekannten Geräts als gewichteter Durchschnitt ähnlicher Produkte dargestellt werden. Diese Methode eignet sich auch zur Schätzung von Materialien, die nicht in der LCA-Datenbank enthalten sind, wie z. B. neuartige nachhaltige Kunststoffe, die auf der Grundlage von Kunststoffen mit ähnlichen Eigenschaften und chemischen Strukturen geschätzt werden können. In Tests lag der durchschnittliche Fehler dieser Methode bei 23 %, während der durchschnittliche Fehler menschlicher Experten bei 143 % lag.
Das Forschungsteam betont, dass das System dazu beitragen soll, die Kohlenstoffemissionen insgesamt zu reduzieren, der Betrieb des KI-Modells selbst jedoch Energie benötigt. Daher ergreifen sie mehrere Maßnahmen, um die Auswirkungen zu verringern, darunter die Verwendung kleiner KI-Modelle mit geringerem Energieverbrauch als allgemeine Modelle und die Vermeidung von Doppelberechnungen durch Abfrage vorhandener Emissionsschätzungen. Wenn das System tatsächlich ein KI-Modell aufrufen muss, entspricht der CO₂-Ausstoß für die Schätzung des CO₂-Fußabdrucks eines Geräts derzeit etwa dem Ausstoß, der beim Aufbrühen einer Tasse Tee entsteht. Das Team plant, in Zukunft mit Unternehmen zusammenzuarbeiten, um deren Arbeitsabläufe zu automatisieren.
Der leitende Autor der Studie, Vikram Iyer, Assistenzprofessor an der Paul G. Allen School of Computer Science & Engineering der University of Washington, erklärte, dass Menschen bereit seien, für nachhaltigere Geräte höhere Preise zu zahlen, aber Produkte wie Smartphones aus Hunderten von Chips und anderen Komponenten bestünden, deren Produktionsemissionsdaten nicht öffentlich und schwer zu beschaffen seien. Menschliche Experten bräuchten möglicherweise Tage oder sogar Monate für die manuelle Erfassung, während die von ihnen entwickelten KI-Agenten zusammenarbeiten und die Schätzung innerhalb einer Minute abschließen könnten. Der Erstautor Zhihan Zhang, Doktorand an der Allen School, erläuterte, dass sie LCA-Experten interviewt und ein System zur Simulation des Interaktionsprozesses entwickelt hätten. Weitere Co-Autoren sind: Alexander Metzger, Felix Hähnlein, Zachary Englhardt und Shwetak Patel von der Allen School der University of Washington; Yuxuan Mei vom Wellesley College (Doktorand an der Allen School der University of Washington während der Durchführung der Studie); Tingyu Cheng von der University of Notre Dame; Gregory D. Abowd von der Northeastern University; sowie Adriana Schulz von der Brown University (Assistenzprofessorin an der Allen School der University of Washington während der Durchführung der Studie). Die Studie wurde durch Amazon Research Awards und die National Science Foundation finanziert. Zhang wird durch ein Google PhD Fellowship unterstützt.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
