Smart City: Vereinfachte LCA für Sensoren in der Stadt | Green ICT Courses
In diesem Video der Green ICT Courses stellt Jana Rückschloss, wissenschaftliche Mitarbeiterin am Fraunhofer IZM, zwei konkrete Smart City-Beispiele vor. Anhand dieser Beispiele zeigt sie, wie sich digitale Technologien ökologisch bewerten lassen. Denn Sensoren, Controller und Serverlösungen verursachen zusätzliche Emissionen – etwa durch Herstellung, Betrieb und Datenverarbeitung. Mithilfe einer ökologischen Kosten-Nutzen-Analyse kann untersucht werden, ob sich die zusätzlichen Emissionen durch Einsparungen im Betrieb amortisieren und welche Faktoren den größten Einfluss auf die Umweltbilanz haben.
Beispiele für Smart-City-Anwendungen
Als erstes Beispiel stellt Jana Rückschloss die Anwendung »Smart Waste« vor. Hierbei werden Sensoren in Abfallbehältern eingesetzt, die den Füllstand melden. Dadurch können die Routen von Müllfahrzeugen optimiert und unnötige Fahrkilometer reduziert werden.
Das zweite Beispiel ist »Smart Street Lighting«. Dabei geht es um die Optimierung des Energieverbrauchs durch eine intelligente Steuerung der Straßenbeleuchtung. Statt ganze Stromkreise ein- oder auszuschalten, können einzelne Lampen dynamisch an- und abgeschaltet oder gedimmt werden.
Methodik der Ökobilanz und Kosten-Nutzen-Analyse
Die Analyse folgt einem einheitlichen Vorgehensmodell. Zunächst werden die ökologischen Kosten ermittelt, das heißt die Emissionen, die durch Materialien, Hardware und Infrastruktur entstehen. Anschließend werden Szenarien entwickelt, die eine Skalierung auf Stadtebene ermöglichen und dabei auf Annahmen sowie Hochrechnungen basieren. Schließlich wird der ökologische Nutzen berechnet. Dazu gehören die CO₂-Einsparungen, die Amortisationszeit und eine Sensitivitätsanalyse, die die wichtigsten Einflussfaktoren identifiziert.
Analyse »Smart Waste«
Bei der Herstellung und Installation der Smart-Waste-Sensoren zeigte sich, dass die größten Emissionen durch integrierte Schaltkreise und Leiterplatten verursacht werden. Die Installation verursacht hingegen kaum zusätzliche Emissionen.
Die Serverinfrastruktur kommuniziert über Mobilfunknetze und Anwendungsserver und verursacht jährlich etwa 10.000 Kilogramm CO₂-Äquivalente. Am Beispiel der Stadt München konnte berechnet werden, dass die optimierte Abfallentsorgung durch die Sensoren rund 424.000 Fahrkilometer pro Jahr einspart. Unter Berücksichtigung der Emissionen von Sensoren und Servern ergibt sich eine Netto-Einsparung von etwa 666 Tonnen CO₂ jährlich. Das System amortisiert sich damit ökologisch bereits nach rund vier Monaten.
Analyse »Smart Street Lighting«
Bei der intelligenten Straßenbeleuchtung wurden zwei Controller-Designs untersucht, die unterschiedliche Emissionswerte aufweisen. Im Gegensatz zu den Abfallsensoren entstehen bei der Installation hier deutlich höhere Emissionen, da die Anfahrt zu jeder Laterne sowie der Einsatz von Hebebühnen notwendig ist.
Auch die Serverinfrastruktur unterscheidet sich je nach Architektur erheblich. Die Emissionen reichen von 5.400 bis zu 36.000 Kilogramm CO₂-Äquivalenten pro Jahr. Im Ergebnis lässt sich mit beiden Lösungen eine Einsparung von bis zu 21 Prozent der Emissionen erreichen. Das größte Potenzial zeigt sich allerdings im Umstieg auf LED-Leuchtmittel, durch den sich die Emissionen um bis zu 80 Prozent reduzieren lassen.
Allgemeine Erkenntnisse
Aus den Analysen ergeben sich mehrere übergeordnete Erkenntnisse.
- Suffizienz ist oft wichtiger als reine Effizienz. So kann es sinnvoll sein, Sensoren nur temporär in bestimmten Stadtteilen einzusetzen, um Ressourcen zu sparen.
- Es ist notwendig, ganzheitlich in Systemen zu denken.
- Neben dem Produkt selbst müssen auch die erforderliche Infrastruktur sowie die begleitenden Prozesse berücksichtigt werden, um eine ganzheitliche Nachhaltigkeitsstrategie sicherzustellen. Nachhaltigkeit muss von Anfang an in die Entwicklung integriert werden. Durch Maßnahmen wie Miniaturisierung oder beispielsweise ein optimiertes Leiterplattendesign lässt sich das Einsparpotenzial deutlich erhöhen.
Mehr Informationen finden sie im Video.