Implementierungsstrategie
Es handelt sich um ein Forschungsprojekt, das bislang noch nicht in die Praxis umgesetzt wurde und daher zunächst Investitionen für die Implementierung erfordert. Eine Einführung ist jedoch auch schrittweise und in kleinerem Umfang möglich: So könnte etwa das Stadtservice die Zustellung von Materialien an Bewohner:innen in wiederverwendbaren Boxen organisieren – grundsätzlich überall dort, wo die Kommune Güter unterschiedlicher Art verteilt. Technologisch basiert der Ansatz auf Reinforcement Learning und würde individuell implementiert. Strategisch ist eine maßgeschneiderte IT-Lösung möglich, die mit eigenen Trainingsdaten adaptiert und laufend verbessert wird. Für die Umsetzung sind zudem Architekturentscheidungen nötig (In-house vs. Cloud) sowie eine klare Erwartungshaltung hinsichtlich Zeithorizont: Aktuell wären vor allem kurzfristige Tests realistisch, während belastbare, langfristige KI-Lösungen einen höheren Aufbauaufwand benötigen. Im rechtlichen und organisatorischen Rahmen sind Data-Governance-Fragen zentral, insbesondere europäische Datenspeicherung und die Einhaltung der DSGVO. Diese Anforderungen sollten durch passende technische und organisatorische Maßnahmen im Systemdesign abgesichert werden.

Lessons Learned
Die Risiken und Herausforderungen sind derzeit hoch, da der Ansatz bislang noch nicht praktisch umgesetzt wurde. Ein zentraler Erfolgsfaktor ist die konsequente Einbindung der verladenen Industrie: Mehrwegverpackungen entfalten ihren Nutzen nur dann, wenn sie entlang der gesamten Transportkette eingesetzt und organisatorisch mitgetragen werden. Das Transferpotenzial auf andere Städte ist grundsätzlich gegeben, sofern vergleichbare logistische Rahmenbedingungen vorliegen. Für eine nachhaltige Nutzung ist zudem der Aufbau eigener Trainingsdaten wichtig, da sich lokale Prozesse und spezifische Gegebenheiten damit deutlich besser abbilden und die Lösung gezielt auf den jeweiligen Kontext anpassen lässt.