2022-04-15 –, Mainstream
Language: Deutsch
Wir zeigen, wie sich mit Hilfe öffentlich verfügbarer Daten der Material-Fußabdruck eines Elektronikgeräts berechnen lässt.
Um die Nachhaltigkeit von Elektronikgeräten bewerten zu können, muss mensch wissen, was drin ist. Denn anhand der enthaltenen Rohstoffe lässt sich z.B. einschätzen, ob beim Rohstoffabbau mit Menschenrechtsverletzungen zu rechnen ist.
Die Rohstoffzusammensetzung eines Geräts herauszufinden ist gar nicht so einfach, wenn es aus vielen Einzelkomponenten besteht, über die nur teilweise Daten vorhanden sind. Um diese Lücke zu schließen, haben wir öffentlich verfügbare Daten gecrawlt und mit Hilfe eines Clustering-Algorithmus ein Verfahren entwickelt, um auf die Zusammensetzung unbekannter Bauteile zu schließen. So können wir das Wissen aus den öffentlich verfügbaren Datensätzen auf weitere Bauteile übertragen und den Zutaten fairer Elektronik auf die Spur kommen.
Ich bin Computerlinguist und Mitglied von FairLötet, wo wir versuchen, mehr faire Elektronik zu ermöglichen. 2019-2020 habe ich den Prototypen von Fairtronics mitentwickelt und bin auf dem DiVOC, um darüber zu berichten, was wir seitdem gemacht haben. Beruflich beschäftige ich mich mit Machine Learning und Informationsextraktion von Nachhaltigkeitsdaten.
Aktiv beim Thema "Faire Elektronik" seit vielen Jahren, zunächst beim FIfF e.V. (blog.faire-computer.de, @FaireComputer), nun vor allem auch beim FairLötet e.V. (www.fairloetet.de)
Currently doing my Masters at University of Potsdam, working for Fairtronics as a working student