Wie kann Künstliche Intelligenz (KI) im ESG-Reporting unterstützen? Was können heutige Tools? Worauf sollte man bei der Auswahl einer ESG-Software achten? Wir haben Anwendungsfälle und Beispiele zusammengestellt.

Künstliche Intelligenz: Voraussetzung für Nachhaltigkeit

Mit der EU Corporate Sustainability Reporting Directive (CSRD) kommen in den nächsten Jahren auf viele Unternehmen immense bürokratische Herausforderungen zu. Die Anforderungen der EU CSRD sind äußerst umfangreich, vielschichtig und komplex - und sie betreffen auch kleine Organisationen. Die Umsetzung erfordert spezielles Wissen, das am Markt knapp und teuer ist. Wie können Unternehmen damit umgehen, damit sie daneben trotzdem noch die Ressourcen haben, sich um die tatsächliche Steigerung ihrer Nachhaltigkeit zu kümmern?
ESG-Software kann das Reporting strukturieren und Abläufe automatisieren. Aber eine Software sollte mittel- bis langfristig nicht nur ein bloßer Datensammeltopf sein, der einen Bericht generiert, denn sonst bleiben verantwortliche Personen in einem hohen Maße mit zeitaufwändigen und wissensintensiven Tätigkeiten belastet. Diese Kapazitäten würden fehlen, wenn es um die eigentliche Verbesserung der Nachhaltigkeit geht.
Hier kann Künstliche Intelligenz wichtige Unterstützung leisten. Machine Learning und Generative AI sind ideal geeignet, um sich den weiten Dschungel der ESG-Reporting-Anforderungen effizient zu erschließen und können helfen, die Vielzahl der höchst unterschiedlichen Datenpunkte bereitzustellen.Somit könnte KI zu einer wesentlichen Voraussetzung werden, um den überbordenden Anforderungen der CSRD gerecht zu werden und gleichzeitig die Nachhaltigkeitsagenda wirklich voranzutreiben.

KI-Anwendungsfälle

Nachfolgend tragen wir Anwendungsfälle zusammen, die in ESG-Tools zu finden sind oder die vorstellbar oder wünschenswert sind. Kein Tool am Markt deckt heute alle diese Fälle ab. Die Liste soll aber die Möglichkeiten zeigen und möchte anregen, bei der Tool-Auswahl nach den Funktionen zu schauen, die für das eigene Unternehmen wichtig erscheinen. Es kann ggf. auch sinnvoll sein, eine Kombination von Tools zu verwenden.
Die Anwendungsfälle sind in diesen Kategorien gruppiert:
  • Regulatorik, ESG-Standards
  • Datenentstehung
  • Datensammlung
  • Datenmanagement

ESG-Berichterstattung

Regulatorik, ESG-Standards

Künstliche Intelligenz kann ganz wesentlich dazu beitragen, mit den umfangreichen komplexen regulatorischen Anforderungsdokumenten umzugehen.

Assistenten mit ESG-Wissen

Nachhaltigkeit-Berichterstattung umfasst viele Themenbereiche, Zusammenhänge und Standards. Es ist herausfordernd, alle Themen zu kennen und zu konkreten Fragestellungen die richtigen Anforderungen und Zusammenhänge zu finden. KI-Assistenten können bei der Erschließung eines Themas und bei der Beantwortung von konkreten Fragen helfen
Bereits im allgemeinen ChatGPT von OpenAI kann man eine Menge Fragen adressieren. Besser sind jedoch speziell auf ESG trainierte Assistenten, um die Verlässlichkeit der Antworten zu verbessern.
Beispiele:

Standards übersetzen

Übersetzen von Standards und Anforderungen

Standards erklären

ESG-Standards beinhalten komplexe Sachverhalte und Zusammenhänge, die nicht immer sofort verständlich sind. Generative AI-Assistenten können helfen, durch Übersetzung und Transformation in eine einfachere Sprache ein Grundverständnis zu schaffen, bevor man in die Details geht.
Beispiele

Mit einem Dokument chatten

Manche Assistenten bieten die Möglichkeit, Fragen zu einem speziellen Dokument zu stellen, also "mit dem Dokument zu chatten"

Sichtung von Änderungen

Regulatorische Dokumente sind oft lang und unübersichtlich. Bei Aktualisierungen und neuen Versionen kann es schwer sein, die Änderungen zu erkennen und zu verstehen. Künstliche Intelligenz kann helfen, die Änderungen zur Vorversion zu identifizieren.

Auffinden von vergleichbaren Offenlegungspflichten in einem anderen Standard

Wie lassen sich die Anforderungen von zwei Standards aufeinander abbilden? Die KI kann helfen, relevante Anforderungen in einem anderen Ziel-Standard zu finden

Wesentlichkeitsanalyse

Stakeholder-Analyse

Mögliche Interessen von Anspruchsgruppen (Stakeholdern) liegen häufig in unstrukturierter Form vor, beispielsweise als Dokumente, Webseiten u.a. Künstliche Intelligenz kann dabei unterstützen, aus einer Vielzahl von Dokumenten die relevanten Informationen auszulesen und zusammenzufassen.

IRO-Analyse

KI kann eine Vorauswahl der Nachhaltigkeitsaspekte treffen, die für ein Unternehmen einer bestimmten Branchen im Hinblick auf Auswirkungen, Risiken und Chancen (Impacts, Risks, Opportunities = IRO) wahrscheinlich wesentlich sein werden
Beispiele

Datenentstehung

Wie kann künstliche Intelligenz bei der inhaltlichen Bestimmung und Berechnung von Datenpunkten unterstützen?

Textgenerierung

Mit generativer AI lassen sich umfangreiche Textpassagen generieren. Dazu sollten wichtige Rahmendaten als Kontextinformation mitgegeben werden, damit die erzeuge Beschreibung auf das Unternehmen passt.
Damit lassen sich generieren: Vorschläge für Strukturen von Internen Richtlinien, Vorschläge für den Text von Richtlinie, Vorschläge für den Text qualitativer Datenpunkte.
Beispiele
Im Beispiel wird der Text für ESRS 2 BP-1 5(c) generiert. Zunächst ohne weitere Angaben, anschließend mit Kontextinformationen.

Gap-Analyse von Richtlinien

KI kann dabei unterstützen, Lücken und Schwächen in eigenen Richtlinien aufzudecken. Wenn das Unternehmen beispielsweise einen Übergangsplan für den Klimaschutz hat: Entspricht es allen Anforderungen aus ESRS E1-1, zusammen mit den Application Requirements und den übergreifenden Anforderungen aus ESRS 1 und ESRS 2?

Zusammenfassung von internen Richtlinien

In einigen qualitativen KPIs ist die Wiedergabe wesentlicher Inhalte interner Richtlinien gefordert. KI kann bei der Zusammenfassung helfen und die wesentlichen Punkte extrahieren.
Beispiele
Im Beispiel wird aus einem vorhandenen Dokument ein Entwurf für das ESRS DR E2-1 generiert.

Treibhausgasberechnung: Kategorisierung von Ausgaben

Basierend auf den Beschreibungen zu Ausgaben werden GHG-Scope-3-Kategorien vorgeschlagen.
Beispiele

Datensammlung

Wie kann KI unterstützen, Daten in eine ESG-Software zu bekommen?

Extraktion von Daten aus Belegen

Viele Informationen liegen unstrukturiert vor, beispielsweise Belege für Stromrechnungen. Künstliche Intelligenz kann dabei unterstützen, die relevanten Daten zu extrahieren.

Datenmanagement

KI-Funktionen, um mit den großen und heterogenen Datenbeständen in ESG-Tools umzugehen.

Natürlichsprachliche Abfrage von Datenbeständen

ESG-Systeme müssen Unmengen von Daten sammeln. AI kann dabei helfen, diese natürlichsprachlich abzufragen. Beispiel: Wo stehen wir mit der CO2-Reduktion in Frankreich im Vergleich zum Plan?
Beispiele

Anomalie-Erkennung

Kümstliche Intelligenz kann helfen, Anomalien in quantitativen KPIs zu erkennen. Es kann auf ungewöhnliche Werte im Vergleich zu anderen Perioden oder zu anderen Segmenten hinweisen. Damit lassen sich Fehler in den Daten oder besondere Sachverhalte aufdecken.

Güte von qualitativen KPIs prüfen

Die Standards stellen vielfältige Anforderungen an die einzelnen Datenpunkte. Die KI kann bei der Überprüfung der Güte von qualitativen KPIs unterstützen, also solchen in Textform. Beispielsweise ob alle notwendigen Angaben gemacht wurden.
Beispiele
Im Beispiel überprüft die Salesforce-KI die Eingabe für das ESRS DR E1-1 14.

Fragen? Ihr Ansprechpartner ...

Bert Kondruss
Gründer und Geschäftsführer von KonBriefing Research

Über KonBriefing Research

KonBriefing ist ein unabhängiger Researcher und Analyst im Bereich Software für ESG und GRC (Governance, Risk Management & Compliance). Das Unternehmen wurde 2019 gegründet hat seinen Sitz in Möglingen bei Stuttgart.
Bekannt aus ...