FiberConnect: KI-gestütztes Netzwerk für die Faser-Kreislaufwirtschaft

Hintergrund

Die Carbonfaserindustrie steht vor der Herausforderung, eine funktionierende Kreislaufwirtschaft zu etablieren. Ein wesentliches Hindernis ist fehlende Transparenz und Vernetzung innerhalb der Recyclingwirtschaft. Bislang gibt es keinen strukturierten digitalen Überblick über die relevanten Akteure entlang der Wertschöpfungskette. Fragmentierte und schwer zugängliche Datenquellen begrenzen das Potenzial einer effizienten Kreislaufwirtschaft.

»FiberConnect« ist ein Teilprojekt des vom BMBF geförderten WIR!-Bündnisses »Wir recyceln Fasern (WIRreFa)«, welches im Raum Elbtal Sachsen den Aufbau eines nachhaltigen Stoffkreislauf für Carbonfasern anstrebt. Das Hauptziel von »FiberConnect« ist die Entwicklung einer digitalen, KI-gestützten Plattform, die alle relevanten Akteure der Kreislaufwirtschaft von Carbonfasern in der Region übersichtlich erfasst und effektiv vernetzt – insbesondere neue Akteure oder jene außerhalb etablierter Netzwerke.

Projektbeschreibung

Das Projekt »FiberConnect« bietet einen Überblick über den regionalen Stoffkreislauf und ermöglicht das Schließen von Materialkreisläufen, schont Ressourcen und hilft langfristig bei der Reduktion von Materialverschwendung.

Ziel des Projekts ist es, durch den Einsatz von KI-Technologien eine kontinuierlich aktualisierte Akteursübersicht entlang der Wertschöpfungskette bereitzustellen und so eine bessere Vernetzung der Branche zu ermöglichen. Es verfolgt einen KI-gestützten, weitgehend automatisierten Ansatz: Ein Web-Crawler durchsucht fortlaufend das Internet nach relevanten Firmen, und Machine-Learning-Modelle klassifizieren mittels Natural Language Processing die gefundenen Unternehmen selbständig in vordefinierte Kategorien, wie z. B. Hersteller, Verarbeiter, Recycler. Auf dieser Basis wird eine stets aktuelle Übersicht relevanter Unternehmen in Sachsen generiert. Diese Akteure werden in verschiedenen Phasen der Wertschöpfungskette kategorisiert und öffentlich zugänglich gemacht.

Methodik

Das Projekt basiert auf einer Kombination aus automatisierter Datenerfassung und maschinellem Lernen:

  • Web Scraping: Ein speziell entwickelter Crawler lädt die HTML-Seiten von Unternehmenswebsites herunter.
  • Datenextraktion: Relevante Absätze werden durch schlüsselwortbasierte Filter identifiziert.
  • Trainingsdatensynthese: Da nur wenige annotierte Beispieldaten vorhanden sind, werden neue Trainingsbeispiele aus den extrahierten Absätzen synthetisiert.
  • Zweistufige Klassifizierung
    • Identifikation relevanter Unternehmen
    • Kategorisierung in zehn verschiedene Aktivitätsklassen entlang der Wertschöpfungskette
  • Manuelle Freigabe: Nach einer finalen Prüfung durch Administrator:innen werden die Unternehmen auf der Plattform veröffentlicht.

Auftraggeber

Bundesministerium für Bildung und Forschung (BMBF)

Projektpartner

Fraunhofer IIS

Fraunhofer IISB

Projektlaufzeit

April 2022 – März 2025

In Kooperation mit Institut für Angewandte Informatik (InfAI) e. V.

Veranstaltungen

Carbonbetontage 2024 in Dresden

Auf den Carbonbetontagen (Branchenkonferenz für Carbonbeton und Bautechnik) in Dresden wurde FiberConnect einem Fachpublikum vorgestellt. In einem Vortrag zum Thema »Sichtbarkeit – Den perfekten Kunden und Lieferanten im Stoffkreislauf finden mittels KI-Radar FiberConnect« präsentierte das Team bisherige Ergebnisse und den Nutzen des Tools für die Carbonbeton-Community. Die Resonanz der teilnehmenden Industriepartner:innen war sehr positiv und gab Anregungen für den weiteren Projektverlauf und -ausbau.

Global Tech Mining Konferenz 2024

Die innovative Datenpipeline von »FiberConnect« wurde auf der internationalen Global TechMining Conference 2024 einem wissenschaftlichen Publikum präsentiert. In diesem Rahmen veröffentlichte das Projektteam (IMW/InfAI) eine Fallstudie, welche die Kombination aus Web-Crawling und KI-Klassifikation zur Identifikation von Recycling-Akteuren präsentiert. Der Beitrag eröffnete einen regen Austausch mit Expert:innen aus den Bereichen Technologiemining und Datenanalyse.