Künstliche Intelligenz für den Nachhaltigkeitsbericht nutzen

ESG-Berichterstattung in Europa: Neue gesetzliche Realität

Die ESG-Berichterstattung ist längst mehr als ein freiwilliges CSR-Instrument. In Europa gilt seit Januar 2024 die Corporate Sustainability Reporting Directive (CSRD). Sie ist seit dem Geschäftsjahr 2024/2025 verpflichtend für:

• große kapitalmarktorientierte Unternehmen
• alle großen Unternehmen mit mehr als 250 Mitarbeitern, 40 Millionen Euro Umsatz oder 20 Millionen Bilanzsumme
• ab 2026 auch für mittelständische Unternehmen.

Diese Unternehmen müssen ihre Nachhaltigkeitsleistung nach den European Sustainability Reporting Standards (ESRS) offenlegen. Ergänzt wird das Regelwerk durch die EU-Taxonomie-Verordnung, die Kriterien für ökologisch nachhaltige Wirtschaftsaktivitäten definiert.

Diese Probleme bei der ESG-Berichterstattung kann KI lösen

Die Nachhaltigkeitsberichterstattung ist aus vielen Gründen eine komplexe Aufgabe. Um nur einige zu nennen: Viele Führungskräfte in Unternehmen beginnen gerade erst, das Konzept der Treibhausgasemissionen oder die verschiedenen Emissionsbereiche zu verstehen. Darüber hinaus gibt es mehrere ESG-Berichtsrahmen, und der Bereich entwickelt sich rasant weiter. Hinzu kommt, dass die Erfassung von ESG-Daten mit zahlreichen Hindernissen verbunden ist. Gerade in diesem Bereich können KI-Tools besonders hilfreich sein.

Hier ein Überblick über einige Herausforderungen bei der Erfassung von Nachhaltigkeitsdaten.

Datensilos und -lücken

Eine genaue Nachhaltigkeitsberichterstattung hängt vom Zugang zu korrekten Daten ab. In den meisten Unternehmen sind Daten jedoch fragmentiert oder fehlen ganz, sind über mehrere Geschäftsbereiche verteilt, technisch veraltet oder über verschiedene Standorte verstreut.

Zwar sind auch Daten in anderen Bereichen – beispielsweise Kundendaten oder Finanzberichtsdaten – fragmentiert, doch haben Unternehmens- und IT-Führungskräfte aufgrund gesetzlicher Anforderungen oder geschäftlicher Erfordernisse Anstrengungen unternommen, um zentralisierte Berichtssysteme zu integrieren oder einzurichten.

Unternehmen arbeiten kontinuierlich daran, ihre Bemühungen zu verbessern, einschließlich der Auswahl der richtigen Technologie.

Unzuverlässige externe Datenquellen und Greenwashing

ESG-Daten bestehen nicht nur aus internen Unternehmensdaten, sondern umfassen auch Daten außerhalb des Unternehmens, wie beispielsweise Lieferantendaten und -angaben sowie Berichte von Dritten. Genau wie bei internen Daten kann die Qualität externer Daten unzuverlässig, inkonsistent oder unvollständig sein. Auch Greenwashing, also übertriebene Nachhaltigkeitsbehauptungen von Partnern oder Lieferanten, ist möglich.

Manuelle Berichterstattung und Fehler

ESG-Berichte werden oft manuell erstellt. Diese Methode ist nicht nur fehleranfällig, sondern auch viel zeitaufwändiger als automatisierte Verfahren.

Ressourcenengpässe

Obwohl ESG-Teams oft klein sind, sind sie mit der Erstellung komplexer Berichte für mehrere Stakeholder betraut und müssen möglicherweise mit einer Vielzahl von Engpässen fertig werden. Vor allem kleinere und mittelständische Firmen sind oft mit begrenzten personellen Ressourcen konfrontiert, was eine detaillierte und termingerechte Berichterstattung erschweren kann.

KI in der ESG-Berichterstattung: Anwendungsfälle

Die Stärken und Fähigkeiten von KI sind gut geeignet, um die Herausforderungen der ESG-Berichterstattung zu bewältigen. Sowohl traditionelle KI als auch generative KI können ESG-Bemühungen unterstützen, wobei es jedoch wichtig ist, dies mit den Umweltkosten abzuwägen.

Anwendungsfälle für traditionelle KI

Traditionelle KI konzentriert sich auf Mustererkennung, Automatisierung und prädiktive Analysen. Hier sind vier Anwendungsfälle für die Nachhaltigkeitsberichterstattung:

• Datenbereinigung und -standardisierung. Identifizierung und Korrektur von Inkonsistenzen in ESG-Daten.
• Automatisierung der Datenerfassung. Extraktion von ESG-Kennzahlen aus internen Datenbanken und externen Berichten.
• Prädiktive Erkenntnisse. Prognose von Compliance-Lücken und -Risiken.
• Aufdeckung von Betrug und Greenwashing. Überprüfung von Berichten auf Inkonsistenzen und Kennzeichnung irreführender Angaben.

Anwendungsfälle für generative KI

GenAI erweitert die traditionelle KI durch die Erstellung menschenähnlicher Texte, die Zusammenfassung von Erkenntnissen und die Erstellung von Berichten. Im Bereich ESG gibt es folgende Anwendungsfälle für GenAI:

• Erstellung von ESG-konformen Berichten. Generieren von ESG-Berichten auf der Grundlage strukturierter Daten.
• Kontextanalyse. Zusammenfassung komplexer Dokumente und Extraktion der wichtigsten Risiken.
• Anpassung an regulatorische Anforderungen. Erstellung von ESG-Offenlegungen, die auf sich ändernde Vorschriften und Anforderungen wichtiger Stakeholder zugeschnitten sind.

Zusammenfassend lässt sich sagen, dass traditionelle KI die Datenverarbeitung, Datenqualität und Analyse verbessert, während generative KI die automatisierte Berichterstellung ermöglicht und für kontextbezogene und personalisierte Erkenntnisse genutzt werden kann.

Einsatz von KI in der ESG-Berichterstattung: Best Practices

Wie jede Technologie erfordert auch der Einsatz von KI im Bereich der Nachhaltigkeitsberichterstattung Vorausdenken und Strategie. Die folgenden fünf Strategien können IT- und Nachhaltigkeitsteams dabei helfen, KI-Tools so einzusetzen, dass sie die ESG-Berichterstattung unterstützen.

1. Definieren Sie eine einheitliche ESG-Datenarchitektur.

Ein wichtiger Schritt ist die Implementierung eines ESG-Data-Lake, um Informationen aus verschiedenen Geschäftsbereichen und Systemen zu konsolidieren. KI und automatisierte Datenerfassungs-Tools können ESG-Kennzahlen aus verschiedenen Datenquellen extrahieren. Stellen Sie sicher, dass die Systeme mit den Anforderungen der ESRS kompatibel sind.

2. Verbessern Sie die Datenstandardisierung, um die Datenqualität sicherzustellen.

KI kann Kennzahlen aus verschiedenen ESG-Frameworks harmonisieren und aufeinander abstimmen. KI-Modelle zur Erkennung von Anomalien können Fehler und Inkonsistenzen identifizieren.

3. Setzen Sie KI zur Betrugserkennung und Risikoidentifizierung ein.

Die IT-Abteilung kann Modelle entwickeln, die Unstimmigkeiten in den Angaben von Unternehmen und Lieferanten identifizieren und ESG-Verstöße vor der Veröffentlichung erkennen. Berücksichtigen Sie dabei die EU-Taxonomie.

4. Automatisieren Sie Compliance und Berichterstattung.

Wenn die Grundlagen – Architektur, Standardisierung und Erkennungsmodelle – vorhanden sind, gibt es Spielraum für eine stärkere Automatisierung der Berichterstattung. Teams können GenAI nutzen, um ESG-Angaben zu generieren, die den sich ständig weiterentwickelnden Vorschriften entsprechen. Da generative KI auch Halluzinationen produzieren kann, müssen die Ergebnisse von Menschen überprüft werden. Aber selbst mit dieser zusätzlichen Qualitätskontrolle hat KI das Potenzial, die Produktivität zu steigern. Beispielsweise kann KI dabei helfen, die Konsistenz der Berichterstattung über verschiedene Regionen hinweg zu überwachen.

5. Integrieren Sie Erkenntnisse in die Geschäftsentscheidungen.

Über die Berichterstattung hinaus kann KI dank der nun verfügbaren hochwertigeren ESG-Daten Szenarioanalysen zu Klimarisiken und Lieferkettenstörungen durchführen und so wertvolle Inputs für die Entscheidungen von Führungskräften liefern.

6. Beachten Sie den Datenschutz und ethische Anforderungen.

Der Einsatz der KI muss DSGVO-konform erfolgen, insbesondere bei der Nutzung personenbezogener (PII) oder sensibler Daten wie Lieferantendaten. Dabei ist Transparenz über den Einsatz der KI entscheidend, vor allem wenn Investoren, Aufsichtsbehörden und die Öffentlichkeit informiert werden.

7. Integrieren Sie Ihre KI-Erkenntnisse in Entscheidungen

Hochwertige ESG-Daten ermöglichen Szenarioanalysen zum Beispiel für Klimarisiken, Lieferkettenstörungen oder soziale Auswirkungen.

KI kann diese Erkenntnisse liefern – und ESG zu einem echten Steuerungsinstrument machen.