Beschreibung

Das Repurposing (dt.: Umwidmung) von Produkten oder Komponenten erfolgt heutzutage meist zufällig, weshalb eine sinnvolle industrielle Anwendung nicht möglich ist. Das Projekt MaLeNa ermöglicht eine gezielte und frühzeitige Identifikation von möglichen Umwidmungsszenarien, indem Produkte in ihre wiederverwendbaren Komponenten zerlegt werden, um anschließend mittels maschinellen Lernens automatisch Ersatzteilkataloge und -datenbanken nach ähnlichen oder identischen Komponenten zu durchsuchen. So werden systematisch neue Anwendungen gefunden – anstatt Komponenten zu recyceln –, was die Wertschöpfung erhält und die Ressourceneffizienz gesteigert. MaLeNa ist ein Ansatz, der Wirtschaftlichkeit und Umweltschutz vereint. Aufgrund der innovativen Kombination neuester wissenschaftlicher Erkenntnisse aus den Bereichen Repurposing und Maschinelles Lernen werden neue Anwendungsmöglichkeiten erschlossen bzw. eine Integration in verschiedenste Anwendungsbereiche ermöglicht. Für den nachhaltigen Transfererfolg und die effektive Nutzung in der Praxis initiieren wir eine enge Zusammenarbeit mit Unternehmen und Kommunen. Ein bedeutender Schritt in diesem Transferprozess ist die Entwicklung eines Prototypen, welcher nicht nur als praktisches Beispiel für die Anwendbarkeit der Idee dient, sondern die Forschungsergebnisse in Workshops und Seminaren „erlebbar“ macht. Durch das Anwenderfeedback werden wertvolle Erkenntnisse gewonnen, um Optimierungspotenziale zu identifizieren und die Durchdringung von MaLeNa weiter voranzutreiben. So stellen wir eine langfristige Nutzbarkeit der Technologie und Forschungsergebnisse in der Praxis sicher.

Projektziel

Im Rahmen dieses Forschungsprojekts werden verschiedene konkrete Arbeitsergebnisse angestrebt, um das übergeordnete Ziel der systematischen Identifikation und Bewertung von Umwidmungsszenarien zu erreichen:

• Erarbeitung eines multimodalen Trainings- und Validierungsdatensatzes für Ersatzteile aus Ersatzteilkatalogen und -datenbanken
• Entwicklung eines KI-Modells zur Identifikation und Bewertung identischer oder ähnlicher Produktkomponenten (Multi-Life-Komponenten) aus Ersatzteilkatalogen und -datenbanken im Internet
• Identifikation und Auswahl generischer Produktmerkmale zur Bewertung des Umwidmungspotenzials
• Sammeln von Erkenntnissen und Identifizieren von Weiterentwicklungsmöglichkeiten aus der praktischen
• Erprobung des Prototypen sowie der Durchführung von Workshops und Seminaren

Projektergebnisse

Als zentrales Ergebnis des Projektes steht ein betriebsfähiges System zur Verfügung, das erstmals eine automatisierte und kategorienübergreifende Identifikation von Repurposing-Kandidaten sowohl auf Komponenten- als auch auf Baugruppenebene ermöglicht. Durch den gezielten Einsatz spezialisierter Embedding Modelle können dabei funktionale Ähnlichkeiten zwischen verschiedensten Produktkomponenten präzise verglichen werden. Anstelle einer rein abstrakten Kriterienliste bildet ein empirisch erhobener Katalog aus realen Produktdatenblättern das Fundament des Systems. Der daraus resultierende Prototyp verarbeitet verschiedene Produktgruppen und bietet durch eine natürlichsprachliche Chatoberfläche einen intuitiven Zugang für die Anwender.

Neben dieser Kernergebnisse hat das Projekt eine wissenschaftlich bedeutsame Nebenerkenntnis hervorgebracht: Eine systematische Vergleichsstudie, die direkt aus den Projekterfahrungen entstanden ist, belegt, dass aktuelle KI-Sprachmodelle führender Anbieter die für Repurposing-Entscheidungen relevanten technischen Eigenschaften unzureichend erfassen (DESIGN 2026). Dies unterstreicht die Notwendigkeit des datengetriebenen MaLeNa-Ansatzes und grenzt ihn klar von rein sprachmodellbasierten Alternativen ab.

Zum Sachbericht

Zeitraum

01.06.2024 bis 30.11.2025

Projektträger

Bundesministerium für Bildung und Forschung