Der Green Consumption Assistant (GCA) unterstützt Konsument*innen dabei, nachhaltigere Kaufentscheidungen im Internet zu treffen. Der GCA wird dazu auf der Suchmaschine Ecosia grüne Produktalternativen anzeigen, die im Vergleich zu herkömmlichen Produkten einen ökologischen oder sozialen Mehrwert haben. Zudem informiert der GCA über nachhaltigere Alternativen beispielsweise in Form von Hinweisen auf Repair-, Verleih- oder Sharing-Optionen, die den Kauf von Produkten gar nicht erst nötig machen. Ferner ist angedacht, auf Ecosia Orte hervorzuheben, in denen nachhaltiger Konsum möglich ist, und die Klimaversprechen von den meist gesuchtesten Organisationen und Unternehmen auf Ecosia in einem Ranking transparent gemacht. Als Basis für die Empfehlungen des GCA wird mithilfe von maschinellen Lernverfahren eine umfassende Produkt-Datenbank (Green Database) mit ökologischen und sozialen Nachhaltigkeitsinformationen aufgebaut. Der GCA ist ein Kooperationsprojekt zwischen der Technischen Universität Berlin, der Berliner Hochschule für Technik und der grünen Suchmaschine Ecosia und wird als Leuchtturmprojekt für Künstliche Intelligenz im Einsatz für ökologische Herausforderungen vom Bundesumweltministerium gefördert.

Das Projekt Green Consumption Assistant (GCA) steht für eine neue, interdisziplinäre Partnerschaft, die Nachhaltigkeits- und Verhaltensforschung mit Maschinellem Lernen, Nutzer*innenzentrierung und digitaler Produktentwicklung verbindet.

  • Nachhaltigkeitsforschung
  • Verhaltensforschung
  • Methoden der Folgenabschätzung
  • Maschinelles Lernen
  • Data Science
  • Datenbanken
  • User-zentriertes Design
  • Digitale Produktentwicklung
  • Nutzer*innengewinnung
    (15 Millionen monatliche Nutzer*innen)

Zusätzlich zu den vorhandenen Kernkompetenzen und Ressourcen des Verbundes, setzen wir auf Kooperation und Austausch, wie etwa mit anderen Nachhaltigkeitsakteur*innen, Forschenden, Siegel- und Labelorganisationen oder Online-Shops, um eine verlässliche und umfassende Datengrundlage für die Ergebnisse des Assistenten zu gewährleisten.

Neuigkeiten

Paper in "Frontiers in Big Data"

Paper: A Benchmark for Data Imputation Methods [Eng.]

Die Verbesserung der Datenqualität von Anwendungen, die Maschinelles Lernen (ML) nutzen, hilft nicht nur deren Performance zu erhöhen, sondern ermöglicht es auch, dass effizientere Modelle verwendet werden können. Eines der häufigsten Datenqualitätsproblem sind fehlende Werte (missing values). In diesem peer-reviewed Artikel haben Sebastian Jäger, Arndt Allhorn und Felix Bießmann auf Basis unterschiedlichster Datensätze verschiedene Methoden…

Weiterlesen

GCA Working Paper I – Scaling Sustainability Advice [Eng.]

Wir freuen uns, an dieser Stelle das erste Arbeitspapier des Projekts Green Consumption Assistant veröffentlichen zu können. Unsere Kollegin Cathérine Lehmann fasst in diesem unsere Entscheidungswege zu nachhaltigen Produktempfehlungen, sowie mögliche Ansätze zur Skalierung zusammen. Abstract Data availability on the sustainability of products is low which poses challenges for actors from all sectors dealing with…

Weiterlesen

Update: Erste Betaversion des Assistenten

Extension Version 1: Smartphones Nach langer Marktrecherche und der Auswertung tausender Suchanfragen auf Ecosia, entschieden wir uns zu Projektbeginn dazu, eine Browser-Erweiterung für Produktvorschläge zu entwickeln und mit der Produktkategorie Smartphones zu starten. Eine Browsererweiterung hat langfristig den Vorteil, dass sie Alternativvorschläge nicht nur bei Suchen über Suchmaschinen wie Ecosia auslöst, sondern auch beim Online-Shoppen…

Weiterlesen