Das Ergebnis dieser Bemühungen ist unter dem Namen Plastic Recovery Insight and Steering Model (PRISM) bekannt. PRISM wurde gemeinsam mit IBM Consulting entwickelt und verwirklicht die Vision der Allianz von einem sicheren Ort, an dem alle Beteiligten zusammenkommen, zusammenarbeiten und Innovationen entwickeln können. Die Hauptfunktion der Plattform besteht darin, den Stakeholdern die Daten und Tools zur Verfügung zu stellen, die sie benötigen, um Projektmöglichkeiten weltweit zu analysieren und zu priorisieren. Zu diesem Zweck werden den Nutzern Informationen visuell in Form von Heatmaps präsentiert, die wichtige Daten wie den Eintrag von Plastikmüll in die Umwelt und Abfallverarbeitungskapazitäten auf granularer geografischer Ebene anzeigen.
Visuelle Karten sind wertvoll, da sie Entscheidungsträgern einen Rahmen für die Bewertung der übergeordneten Parameter der Situation in einer bestimmten Region, einem bestimmten Land oder einer bestimmten Stadt bieten. Wenn es jedoch darum geht, den geschäftlichen Nutzen von Maßnahmen zu begründen, sind detaillierte und qualitativ hochwertige Daten unerlässlich. Aus diesem Grund hält Sabine Strnad, Beraterin der Allianz und Leiterin des PRISM-Projekts, die von IBM Consulting entwickelten integrierten Governance-Prozesse für den kritischsten Aspekt der PRISM-Lösung.
„Wenn ein Bericht veröffentlicht wird, bedeutet die Tatsache, dass es keine standardisierte Methode für die Berichterstattung über Plastikmüll gibt, dass es große Unterschiede in den kleinen Details gibt, z. B. welche Art von Plastik berücksichtigt wurde, welche Untersuchungen durchgeführt wurden und wie viele Haushalte befragt wurden“, so Sabine Strnad. „Wenn diese Unterschiede nicht systematisch berücksichtigt werden, untergräbt das die Glaubwürdigkeit der Daten.“
Im Rahmen des PRISM-Prozesses besteht die vorgeschlagene Governance-Struktur aus einem Governance Council, dessen Aufgabe es ist, die strategische Ausrichtung von PRISM voranzutreiben und festzulegen, welche Art von Daten in PRISM einfließen und welche neuen Funktionen und Möglichkeiten in das System aufgenommen werden. Innerhalb des Rates gibt es verschiedene Arbeitsgruppen, die sich mit Datenqualitätsstandards, Politik und Methodik sowie Technologie befassen.
Bevor ein Datensatz in PRISM aufgenommen wird, prüft eine aus Experten bestehende Prüfgruppe die Daten, um die Ausgangssituation zu verstehen und die Datenqualität zu bewerten. Für eine Gemeinschaft, die sich den Zielen der Vereinten Nationen für nachhaltige Entwicklung verschrieben hat und zu Recht auf der Hut vor der Infiltration von „Greenwashing“ unterzogenen Daten ist, trägt dieser strenge Prozess dazu bei, das so wichtige Vertrauen aufzubauen.
Was ist, wenn es buchstäblich eine Datenlücke gibt, wenn ein Datenelement, das für eine Investitionsentscheidung benötigt wird, nicht verfügbar ist? Dies ist ein häufiges Problem, da der geschätzte Anteil fehlender Datenpunkte zwischen 60 % und über 90 % liegt. Die Antwort von PRISM ist die Anwendung von Algorithmen des maschinellen Lernens in Verbindung mit erweiterten Datenquellen aus den Bereichen Wirtschaft und Demografie, um die Lücken zu schließen.
PRISM verwendet Algorithmen des maschinellen Lernens in IBM® Watson Studio, um Archetypen von Städten und Regionen zu erstellen, die dann zur Schätzung des Eintrags von Plastikmüll in die Umwelt an einem bestimmten Ort verwendet werden. Zu den wichtigen Faktoren, die in diesen Algorithmus einfließen, gehören die Nähe zur Küste, die Anzahl der Touristen, der Abflusskoeffizient, das Pro-Kopf-BIP, die Bevölkerungsdichte und die Politik in Bezug auf den Umgang mit Plastikmüll.
Mithilfe von Algorithmen, die auf neuronalen Netzen basieren, konnte die Allianz Informationen über den Eintrag von Plastikmüll in die Umwelt für viele Städte in Entwicklungsländern wie Indien und Indonesien modellieren. PRISM ist eine Cloud-native Lösung, die auf IBM Cloud ausgeführt wird und das Front-End-Portal auf IBM Cloud Foundry – und Kubernetes-Clustern ausgeführt wird. Die Tatsache, dass PRISM auf der IBM Cloud läuft, bedeutet, dass es mit wachsenden Datenvolumen und Benutzerzahlen skaliert werden kann.