| Inhaltsverzeichnis | 6 |
|---|
| Einleitung und Problemstellung | 8 |
|---|
| Problemstellung | 8 |
| UN-Agenda 2030: 17 Nachhaltigkeitsziele und KI | 11 |
| Aufbau des Buches | 14 |
| Literatur | 16 |
| Nachhaltigkeit in KI | 18 |
|---|
| Deep Learning: Innovation oder ein wachsendes Problem? | 20 |
| Technische Grundlagen | 23 |
| Technische Möglichkeiten zur Reduzierung des Energieverbrauchs | 26 |
| Lösungen für praktische Anwendungen | 29 |
| Literatur | 32 |
| Nachhaltigkeit durch KI | 33 |
|---|
| Einleitung | 33 |
| Stand der Forschung | 35 |
| Typen von KI für Nachhaltigkeit | 40 |
| Decision Trees | 40 |
| Support Vector Machines | 42 |
| K-Nearest Neighbor (KNN) | 43 |
| Clustering | 44 |
| Deep Learning und neuronale Netze | 45 |
| Reinforcement Learning | 47 |
| Few Shot Learning | 47 |
| Long-Short-Term-Memory (LSTM) | 49 |
| KI für (mehr) Nachhaltigkeit | 51 |
| Use-Cases KI für Nachhaltigkeit | 58 |
| Leitfaden für die KI-Implementierung im Unternehmen | 69 |
| Phase 1 – Zielsetzung und Folgenabschätzung | 74 |
| Phase 2 – Planung und Gestaltung | 74 |
| Phase 3 – Vorbereitung und Implementierung | 75 |
| Phase 4 – Evaluation und Anpassung | 78 |
| Literatur | 78 |
| Nachhaltigkeitsethik und Künstliche Intelligenz | 81 |
|---|
| Ethische Implikationen der Nachhaltigkeit | 81 |
| Ethische und nachhaltige Maßstäbe des Handelns | 82 |
| Die Verantwortung von Unternehmen | 82 |
| Digitale Ethik | 83 |
| Freiwillige Standards vs. gesetzliche Regulierungen | 84 |
| Freiwillige Standards | 84 |
| Gesetzliche Regulierungen | 85 |
| Digitale Ethik im Unternehmen | 86 |
| Fazit | 88 |
| Literatur | 88 |
| Zusammenfassung und Ausblick | 91 |
|---|
| Zusammenfassung | 91 |
| Ausblick | 97 |