Der Green Consumption Assistant (GCA) unterstützt Konsument*innen dabei, nachhaltigere Kaufentscheidungen im Internet zu treffen. Der GCA zeigt dazu auf der Suchmaschine Ecosia grüne Produktalternativen an und informiert über nachhaltigere Alternativen beispielsweise in Form von Hinweisen auf Repair-, Verleih- oder Sharing-Optionen. Zudem sollen auf Ecosia nachhaltige Orte hervorgehoben und die Klimaversprechen von Organisationen und Unternehmen in einem Ranking transparent gemacht werden. 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 steht für eine neue, interdisziplinäre Partnerschaft, die Nachhaltigkeits- und Verhaltensforschung mit Maschinellem Lernen, Nutzer*innenzentrierung und digitaler Produktentwicklung verbindet.
Im Projekt setzen wir auf Kooperation und Austausch, etwa mit anderen Nachhaltigkeitsakteur*innen, Wissenschaftler*innen, Siegel- und Labelorganisationen oder Online-Shops, um eine verlässliche und umfassende Datengrundlage für die Empfehlungen des Green Consumption Assistant zu gewährleisten.
Am 31.08.2021 ging unsere zweite Betaversion des Green Consumption Assistants unter dem Namen „Koala – Ecosia Assistant” im Chrome Store online! Sie können die Chrome-Erweiterung ab sofort hier Ihrem Browser hinzufügen und kostenlos mittesten. Was ist neu? Smartes Design: Die Browsererweiterung grenzt sich vom Ecosia Look ab und der Assistent hat mit dem „Koala” nicht…
In unserer zweiten Veröffentlichung beschäftigt sich Robin Jadkowski mit psychologischen Determinanten, die zu umweltfreundlicheren Kaufentscheidungen führen. Dabei wird zum einen eine Methode erarbeitet, die Daten aus dem User Tracking unseres GCA mit Umfragedaten abgleicht und zum anderen die Beziehung unterschiedlicher Variablen zueinander untersucht, welche als Triebkraft für umweltfreundliches Verhalten dienen könnten. Abstract This study evaluates…
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…
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…