Wie können Organisationen künstliche Intelligenz gestalten und nutzen, um Praktiken der Kreislaufwirtschaft zu unterstützen?

Host: Willkommen zu einer neuen Ausgabe von A.I.S. Insights — powered by Living Knowledge. Mein Name ist Anna Ivy Summers, und an meiner Seite ist unser Analyst Alex Ian Sutherland. In dieser Episode sprechen wir über eine aktuelle Studie mit dem Titel: „Die KI-gestützte Kreislaufwirtschaft: Extraktion und Synthese von Gestaltungswissen“. Die Studie wurde von Linda Sagnier Eckert, Christoph Hoppe-Ludwig, Timo Strohmann, Anne Ixmeier und Daniel Heinz für die ECIS 2026 verfasst. Alex, worum geht es in dieser Untersuchung?
Expert: Hallo Anna. Die Studie führt eine Meta-Synthese von Gestaltungswissen aus 99 empirisch fundierten Untersuchungen durch. Sie analysiert, wie Anwendungen künstlicher Intelligenz in der Kreislaufwirtschaft eingesetzt werden, und fasst einzelne Gestaltungsprinzipien zu vier übergeordneten Metaprinzipien zusammen. Das Ziel der Autoren ist es, Entscheidungen zu KI-Modellen auf der Mikroebene systematisch mit organisatorischen Fähigkeiten auf der Makroebene zu verknüpfen.
Host: Welches zentrale Problem im geschäftlichen Alltag greift die Studie auf?
Expert: Zwar gibt es bereits viele ingenieurwissenschaftliche Arbeiten zu KI-Anwendungen in der Kreislaufwirtschaft, doch dieses Wissen bleibt bisher stark fragmentiert und an spezifische Kontexte gebunden. Praktikern fehlen verallgemeinerbare Prinzipien, um Architekturentscheidungen zu treffen, Kompromisse abzuwägen und soziotechnische Faktoren zu berücksichtigen. Ohne solche Richtlinien fällt es Organisationen schwer, technische Einzelprojekte in tragfähige Unternehmensstrategien zu überführen.
Host: Wie sind die Autoren methodisch vorgegangen, um dieses Wissen zu bündeln?
Expert: Das Forschungsteam entwickelte ein strukturiertes Kodierprotokoll und setzte eine KI-gestützte Extraktions-Pipeline ein. Damit filterten sie aus den 99 ausgewählten empirischen Studien spezifische Gestaltungselemente heraus und fassten diese zu vier verallgemeinerbaren Metaprinzipien zusammen.
Host: Welche konkreten Ergebnisse und Metaprinzipien liefert die Studie?
Expert: Das erste Metaprinzip betrifft die Verlangsamung von Ressourcenkreisläufen und wird durch 15 empirische Studien gestützt. Es zeigt, dass prädiktive Modelle den Verschleiß von Industrieanlagen präzise vorhersehen können, um lebensverlängernde Wartungsmaßnahmen auszulösen.
Host: Wie sieht es beim Schließen von Kreisläufen aus?
Expert: Das ist das zweite Metaprinzip, gestützt durch 29 empirische Studien. Hier belegen die Daten, dass integrierte Computer-Vision- und robotergestützte Sortiersysteme Materialien zuverlässig klassifizieren und trennen, um automatisierte Recyclingprozesse zu ermöglichen.
Host: Und welche Erkenntnisse gibt es zur Ressourceneffizienz und Organisation?
Expert: Metaprinzip drei befasst sich mit der Verengung von Kreisläufen, gestützt durch 18 Studien. Hybride Optimierungsmodelle senken hierbei den Rohstoff- und Energieverbrauch im laufenden Betrieb. Metaprinzip vier bildet die soziotechnische Orchestrierung, gestützt durch 37 Studien. Es beschreibt, wie KI-Systeme dynamische organisatorische Fähigkeiten unterstützen, die zur Koordination komplexer, unternehmensübergreifender zirkulärer Abläufe nötig sind.
Host: Gibt es auch methodische Einschränkungen, die bei der Interpretation beachtet werden sollten?
Expert: Ja. Die Autoren weisen darauf hin, dass die Datenbasis auf englischsprachige, begutachtete Publikationen der vergangenen fünf Jahre begrenzt war. Zudem wurden die synthetisierten Prinzipien im Rahmen der Studie noch nicht longitudinal in neuen Praxisumgebungen getestet.
Host: Warum sind diese Erkenntnisse für Entscheidungsträger in Unternehmen relevant?
Expert: Die Studie liefert eine praxisorientierte zweistufige Architektur. Unternehmen müssen KI-Initiativen nicht mehr isoliert als rein technische Werkzeuge betrachten. Stattdessen können sie gezielt bewerten, welches KI-Modell auf Mikroebene gewählt werden muss, um auf Makroebene eine bestimmte zirkuläre Strategie zu unterstützen – sei es vorausschauende Wartung oder die Koordination von Partnern im Wertschöpfungsnetzwerk. Das reduziert Unsicherheiten bei Investitionsentscheidungen.
Host: Zusammenfassend bietet die Studie eine strukturierte Orientierung, um KI gezielt für zirkuläre Geschäftsmodelle einzusetzen. Vielen Dank, Alex, für diese Einordnung. Und vielen Dank an Sie fürs Zuhören bei A.I.S. Insights — powered by Living Knowledge. Bis zum nächsten Mal.