Die Paradigmenverschiebung in der Produktnachhaltigkeit hat dazu geführt, dass diese nicht mehr als optionales Add-on, sondern als unverzichtbares Kriterium betrachtet wird. Allerdings wird häufig übersehen, dass herkömmliche Nachhaltigkeitsbewertungen, die sich primär auf Produktions- und Servicestufen konzentrieren, nicht das vollständige Potenzial für Ressourceneinsparungen ausschöpfen. Die umfassendste Wirkung kann durch eine Neukonzeption der Produkte auf der Engineering-Ebene erzielt werden, wodurch Materialbedarf, Energieverbrauch und Abfallproduktion über den gesamten Lebenszyklus des Produkts minimiert werden können.

Um diesen Prozess zu optimieren, könnten Ansätze der künstlichen Intelligenz (KI) auf Basis von Wissensgraphen, zur Beschleunigung und Automatisierung der Nachhaltigkeitsbewertungen beitragen. Diese Ansätze könnten dabei helfen, optimale Design- und Materialentscheidungen zu treffen, Lebenszyklus-Simulationen zu verbessern und kontinuierliche Verbesserungsmöglichkeiten zu identifizieren. Es existieren bereits Vorarbeiten, welche die Zusammenhänge beschreiben und als Ausgangspunkt dienen können.

Aufgaben

• Durchführung einer Literaturrecherche zu Nachhaltigkeitsbewertungen und Wissensgraphen
• Weiterentwicklung und Anreicherung bestehender Wissensgraphen durch z.B. Integration neuer Bewertungskriterien, Optimierung des modellierten Systems, Zusammenführung verschiedener Graphen, Erweiterung der Nutzungsmöglichkeiten in der Produktentwicklung, Identifikation von Problembereichen und Grenzen des vorgeschlagenen Ansatzes

• Studienrichtung: Maschinebau, Wirtschaftsingenieurswesen oder ähnliche
• Interesse an den Themen Nachhaltigkeit und Wissensgrafen
• Sehr gute Deutsch oder Englisch Kenntnisse