Vermeidung von Greenwashing, Datenintegrität, Ethik, Datenschutz und End-to-End-Workflow

Gewinne:

• Fähigkeit, Arten von Greenwashing zu erkennen (unsicher, unbewiesen, versteckter Austausch, übertriebene Zukunft) und eine Behauptung messbar, quellenmäßig und eingrenzbar zu machen.
• Möglichkeit, die an das Fahrzeug weiterzugebenden Daten hinsichtlich der Vertraulichkeit einzustufen und Geschäftsgeheimnisse und personenbezogene Daten zu schützen
• Fähigkeit, ein End-to-End-Qualitätstor von der Definition bis zur Verifizierung zu implementieren und die letztendliche Verantwortung zu übernehmen, ohne sich auf die „KI-sagte“-Verteidigung zu verlassen

In jeder Einheit dieses Moduls wurde ein Grundsatz wiederholt: Die Zahl sollte auf einer Quelle basieren, die Behauptung sollte auf Beweisen basieren. Diese letzte Einheit integriert dieses Prinzip. Das größte Risiko von KI in Umwelt und Klima besteht nicht in einer Fehleinschätzung, sondern darin, dass sie eine glaubwürdige, aber unbegründete Geschichte produziert. In dieser Einheit erfahren Sie, wie Sie Greenwashing erkennen und verhindern, Datengenauigkeit, Ethik und Datenschutz sowie einen End-to-End-Workflow sicherstellen, der das gesamte Modul vereinheitlicht.

Anatomie des Greenwashing

Von Greenwashing spricht man, wenn eine Organisation ihre Umweltleistung besser aussehen lässt, als sie tatsächlich ist. Da KI so gut darin ist, flüssige und überzeugende Texte zu produzieren, ist sie auch sehr anfällig für unwissentliches Greenwashing. Haupttypen:

Greenwashing-Typ

Was meinst du?

Beispiel

vage Behauptung

unmessbares, undefiniertes Wort

„Umweltfreundlich“, „natürlich“, „grün“

Behauptung ohne Beweise

Anzahl/Ziel ohne Daten

„Wir sind klimaneutral“ (keine Dokumentation)

Geheimer Austausch

Das Gute hervorheben und das große Schlechte verbergen

„Verpackungen sind recycelbar“, aber das Produkt sei sehr umweltschädlich

irrelevanter Anspruch

Das bereits Notwendige/Unwichtige als Tugend darstellen

„Enthält keine verbotene Substanz“

gefälschtes Etikett

Erstelltes/ungeprüftes Erscheinungsbild des Zertifikats

Selbst erfundenes „grünes“ Logo

extravagante Zukunft

Ohne Beweise Zuflucht zu einem entfernten Ziel suchen

„Wir werden im Jahr 2050 neutral sein“ (kein Zwischenplan)

Tipp: Eine gute Umweltaussage hat drei Merkmale: messbar (eine Zahl), bewiesen (ein Beweisstück) und klar im Umfang (klar, womit wann verglichen wird). Wenn einer dieser drei Ansprüche in einem Anspruch fehlt, hören Sie damit auf, bevor Sie ihn veröffentlichen.

Datengenauigkeit: die goldene Regel des Moduls

Die Überprüfungsdisziplin, die wir in jeder Einheit sehen, lässt sich in einem einzigen Satz zusammenfassen: Keine von der KI erzeugte Zahl oder Tatsache wird zu einer Entscheidung, einem Bericht oder einer Behauptung, ohne dass sie von einer unabhängigen Quelle bestätigt wird. Der Emissionsfaktor wird anhand der offiziellen Tabelle bestätigt, der Gesetzesartikel wird anhand des aktuellen Textes bestätigt, die Messung wird anhand des kalibrierten Geräts bestätigt und die Berechnung wird anhand des ausgeführten Codes bestätigt. KI beschleunigt sich; Er ist der Mann, der ehrlich ist.

Ethik und Privatsphäre

Ethik: Umweltdaten betreffen die Öffentlichkeit und zukünftige Generationen; Das Massieren von Daten, die selektive Berichterstattung oder das Verbergen von Unsicherheiten stellen einen ethischen Verstoß dar. Fordern Sie die KI nicht auf, „den Bericht besser darzustellen“, sondern vielmehr „den Bericht genauer und verständlicher darzustellen“.

Vertraulichkeit: Produktionszahlen auf Werksebene, Lieferantenvereinbarungen und nicht offengelegte Emissionsdaten können Geschäftsgeheimnisse sein. Reise- oder Standortdaten von Mitarbeitern können personenbezogene Daten sein. Überprüfen Sie Unternehmensrichtlinien und Datenschutzregeln (z. B. KVKK/DSGVO), bevor Sie diese in öffentliche KI-Tools einfügen. Anonymisieren Sie nach Möglichkeit oder verwenden Sie ein unternehmensweites, datensicheres Tool.

Achtung: „Die KI hat es gesagt“ ist keine Verteidigung. Für einen falschen Emissionsbericht, irreführende Werbung oder die Weitergabe vertraulicher Daten haften die Institution und der Unterzeichner. KI ist ein Werkzeug; Er ist eine Person, die Verantwortung trägt.

End-to-End-Workflow: Bauen Sie das Modul zusammen

Hier sind sechs Schritte, um eine Umweltaussage oder einen Umweltbericht mit Zuversicht von Anfang bis Ende zu erstellen:

1. Definieren. Was wird gemeldet/beansprucht? Sind Umfang, Einheit, Standard und Zeitraum klar?

2. Daten sammeln und bestätigen. Hat jedes Problem eine nachvollziehbare Quelle? Sind die Faktoren offiziell?

3. Berechnen und überprüfen. Führen Sie die Arithmetik im Code durch und versehen Sie das Ergebnis mit Einheiten und Ordnungen.

4. Skizze. Erstellen Sie ein Textgerüst mit KI; Verknüpfen Sie jeden Satz mit Beweisen.

5. Führen Sie es durch den Greenwashing-Filter. Vermeiden Sie vage, unbegründete und übertriebene Aussagen.

6. Überprüfen Sie und übernehmen Sie Verantwortung. Unabhängige Prüfung/Expertenkontrolle; Die endgültige Genehmigung liegt beim Menschen.

drei Mini-Koffer

Fall 1 – Fließend, aber unbegründet. Ein Team ließ die KI einen Nachhaltigkeitsbrief schreiben; Der Text war beeindruckend, aber voller nicht quantifizierbarer Phrasen wie „branchenführende Nachhaltigkeit“ oder „nahezu null Auswirkungen“. Durch die Anwendung des Greenwashing-Filters (Vorlage 1 unten) wurden sieben unbegründete Behauptungen identifiziert; jede wurde entweder durch eine bewährte Nummer ersetzt oder entfernt. Der Bericht war kürzer, aber vertretbar.

Fall 2 – Durchgesickerte Daten. Ein Analyst fügte noch nicht offengelegte Emissionsdaten einer Anlage in ein öffentlich verfügbares KI-Tool ein und forderte eine Analyse an. Das Compliance-Team erkannte, dass es sich hierbei um ein Geschäftsgeheimnis und einen möglichen Verstoß gegen die Offenlegungsvorschriften handelte. Der Prozess wurde gestoppt, die Daten wurden in ein unternehmensweites (lecksicheres) Tool verschoben. Lektion: Bestimmen Sie die Klasse (vertraulich?) der Daten, bevor Sie sie dem Tool übergeben.

Fall 3 – Validierungskette. Eine Organisation führte für ihren gesamten Jahresbericht eine „Anspruchsbeweis“-Tabelle: Neben jeder Zahl in jedem Satz ist die Quelle angegeben. Als der Prüfer eintraf, konnte er jeden Anspruch innerhalb von Minuten nachverfolgen; Der Assurance-Prozess verlief reibungslos. Diese Disziplin war der Kern aller Einheiten des Moduls und sparte Zeit und Anerkennung in der realen Welt.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwache Eingabeaufforderung:

Machen Sie unsere Nachhaltigkeitsbotschaft noch eindrucksvoller.

Warum es schwach ist: Der Wunsch nach „beeindruckend“ treibt die KI zu Übertreibungen und vagen Lobpreisungen; produziert Greenwashing.

Kraftvolle Aufforderung:

Ihre Rolle: Redakteurin für Umweltkommunikation und Greenwashing-Prüfer. Machen Sie den Text unten KORREKTER und verständlicher, nicht „glänzend“. Bei jeder Behauptung wird gefragt: Ist sie messbar, hat sie ihre Herkunft, ist ihr Umfang klar? Kennzeichnen Sie vage („umweltfreundliche“), unbewiesene („neutrale“) und übertriebene Aussagen und schlagen Sie evidenzbasierte, wohlüberlegte Alternativen vor. Entfernen Sie die Behauptung, für die es keine Beweise gibt.Text: [hier]

Vier kopierbare Vorlagen

1) Greenwashing-Kontrollfilter:

Ihre Rolle: Greenwashing-Auditor. Tragen Sie jede Umweltaussage in den folgenden Text ein: (Behauptung | Kann sie gemessen werden | Gibt es Beweise | Ist sie unsicher | Urteil). Markieren Sie diejenigen, die unklar/unbewiesen/übertrieben sind, und schlagen Sie jeweils eine maßvolle, evidenzbasierte Alternative vor. Text: [hier]

2) Anspruchs-Beweis-Übereinstimmungstabelle:

Streichen Sie JEDE numerische und sachliche Behauptung aus dem untenstehenden Berichtstext. Lassen Sie jeweils eine Spalte „Quelle“. Markieren Sie alle Behauptungen mit einer nicht angegebenen Quelle als „NACHWEIS ERFORDERLICH“. Text ändern; check.Text: [hier]

3) Datenschutz-Vorabprüfung:

Klassifizieren Sie die folgenden Daten, bevor Sie sie in einem KI-Tool verarbeiten: Enthalten sie Geschäftsgeheimnisse (Pflanzenproduktion, Lieferantenpreis), personenbezogene Daten (Name, Standort) oder nicht offengelegte Finanzinformationen? Kennzeichnen Sie Risikobereiche und empfehlen Sie die Anonymisierung/Entfernung. Datenbeispiel: [hier]

4) End-to-End-Qualitätstor:

Führen Sie eine abschließende Prüfung des unten stehenden Umweltberichts/der Umweltaussage durch. In der Reihenfolge: (1) ist der Scope-Unit-Standard klar, (2) ist jede Zahl beschafft, (3) wurde die Arithmetik verifiziert, (4) liegt Greenwashing vor, (5) sind vertrauliche/persönliche Daten durchgesickert? Geben Sie für jeden Punkt „Bestanden/Nicht bestanden“ und eine Begründung an. Inhalt: [hier]

Häufige Fehler

• Ich möchte „beeindruckend“ sein. Dies treibt die KI in Übertreibungen und Greenwashing; Bitten Sie um „genaue und verständliche“ Aussagen.
• Die vage Behauptung nicht bemerken. Phrasen wie „umweltfreundlich“ sind unermesslich und riskant.
• Vertrauliche Daten in ein offenes Tool exportieren. Klassifizieren Sie die Daten zunächst und anonymisieren Sie sie gegebenenfalls.
• Verteidigen mit „Die KI hat es gesagt.“ Die Verantwortung liegt immer beim Menschen.
• Die Verifizierungskette wird nicht eingehalten. Die Quelle jedes Anspruchs muss überprüfbar sein.

Zusammenfassend

Die Essenz des sicheren Einsatzes von KI in Umwelt und Klima ist eine einzige Disziplin: Jede Zahl wird beschafft, jede Behauptung nachgewiesen, alle Daten werden jedem klassifizierten Tool zugeführt, jede endgültige Entscheidung wird von einem Menschen getroffen. Greenwashing ist die Falle der fließenden Sprache; Die Möglichkeit, dies zu vermeiden, besteht darin, Behauptungen aufzustellen, die messbar sind, Quellen haben und einen bestimmten Umfang haben. KI; rechnet, scannt, entwirft und organisiert – aber es ist der kompetente Experte, der prüft, entscheidet und die Verantwortung trägt. Bei Umweltarbeiten mit hoher Tragweite ist die KI-Ausgabe kein Ersatz für die Verifizierung und Validierung durch Experten; es beschleunigt es nur.

Anwendungsaufgabe

Wählen Sie eine Leistung aus, die Sie im Laufe des Moduls erstellt haben (eine Emissionsübersicht, eine Wasseranalyse oder einen ESG-Abschnitt). Führen Sie zunächst ein Greenwashing-Audit mit Vorlage 1 durch und korrigieren Sie alle unbegründeten Behauptungen, die Sie finden. Anschließend erstellen Sie mit der 2. Vorlage eine Schaden-Beweis-Tabelle und vervollständigen die restlichen Zahlen ohne Quellenangabe. Wenden Sie abschließend das End-to-End-Qualitätstor mit der 4. Vorlage an; Korrigieren Sie, bis Sie alle fünf Punkte „bestanden“ haben.

Checkliste

• [ ] Ich habe jede Aussage messbar, quellenmäßig und umfangsspezifisch gestaltet.
• [ ] Ich habe vage/übertriebene Formulierungen mit einem Greenwashing-Filter bereinigt.
• [ ] Ich habe jede von der KI erzeugte Zahl unabhängig überprüft.
• [ ] Ich habe die Daten, die ich dem Tool zur Verfügung gestellt habe, aus Gründen der Vertraulichkeit klassifiziert/anonymisiert.
• [ ] Ich habe die Arithmetik kodieren lassen und mit Einheiten und Rängen versehen.
• [ ] Ich habe die ultimative Verantwortung übernommen; Ich habe mich nicht auf die „KI sagte“-Verteidigung verlassen.

Modulprüfung

1. Welche der folgenden Aussagen ist die genaueste Positionierung für künstliche Intelligenz in Umwelt und Klima?

• A) Künstliche Intelligenz ist ein Assistent von Code, Daten und Blaupausen; Die Verantwortung für Faktoren, Umfang, Evidenz und ethische Entscheidungen liegt beim Menschen ✔
• B) Künstliche Intelligenz ist ein Messgerät und die Emissionswerte, die sie liefert, sind immer genau.
• C) Künstliche Intelligenz ist nur beim Schreiben von Berichten nützlich, sie hat nichts mit Buchhaltung und Überwachung zu tun
• D) Da künstliche Intelligenz unparteiischer ist als der Mensch, sollten ihr alle Umweltentscheidungen überlassen werden.

Beschreibung: Künstliche Intelligenz; Es handelt sich um einen Assistenten, der Code schreibt, Daten organisiert, Entwürfe erstellt und zusammenfasst. Die Bestätigung des Emissionsfaktors, des Umfangs und der Einheitengenauigkeit, die Begründung der Ansprüche und die endgültige Verantwortung liegen jedoch beim zuständigen Sachverständigen. Das große Sprachmodell ist kein Messgerät, kein Taschenrechner und keine Rechtsquelle; ist ein Textgenerator, der das „nächstwahrscheinlichste Wort“ erzeugt und dessen ungeprüfte Ausgabe zu einer falschen Meldung oder Behauptung führen kann.

2. Welcher Ansatz ist der richtige für die Berechnung von „Aktivitätsdaten × Emissionsfaktor“ in einem Treibhausgasinventar?

• A) Den Faktor verwenden, den sich die künstliche Intelligenz merkt, und die Summe manuell berechnen lassen
• B) Nehmen Sie den Faktor aus der offiziellen Tabelle nach Land und Jahr und bilden Sie die Summe mit dem ausführbaren Code ✔
• C) Zählung aller Gase als CO₂ und Überspringen der GWP-Umrechnung
• D) Verwendung des Standardnetzfaktors (z. B. USA) für jedes Land

Beschreibung: Emissionsfaktoren variieren je nach Land, Jahr und Kraftstoff; „Erinnernde“ KI birgt das Risiko der Fälschung. Der Faktor sollte immer anhand einer offiziellen Tabelle (IPCC, DEFRA/EPA, nationales Inventar) bestätigt werden; Mehrzeilige Summen sollten mit ausführbarem Code und nicht manuell erstellt werden. Methan und N₂O werden mit dem richtigen GWP-Satz zwangsläufig in CO₂e umgewandelt.

3. In welchen Umfang fallen laut GHG-Protokoll Emissionen, die bei der Produktion eingekauften Stroms entstehen?

• A) Geltungsbereich 1
• B) Geltungsbereich 3
• C) Geltungsbereich 2 ✔
• D) Es ist in keinem Anwendungsbereich enthalten und wird nicht gemeldet

Beschreibung: Scope 1 sind direkte Emissionen aus eigenen Quellen der Organisation (Heizkessel, Firmenfahrzeug). Scope 2 sind indirekte Emissionen aus der Produktion eingekaufter Energie (Strom, Dampf, Heizung, Kühlung). Scope 3 umfasst alle anderen indirekten Emissionen in der Wertschöpfungskette (Lieferung, Reisen, Produktnutzung).

4. Was ist richtig bei der Priorisierung von Minderungsmaßnahmen durch MACC (marginale Vermeidungskosten)?

• A) Die teuersten und technologischsten Maßnahmen werden immer zuerst ergriffen
• B) Zuerst wird der Offset gekauft und als „Netto-Null“ bezeichnet, die Reduzierung bleibt für später übrig.
• C) Die Reihenfolge der Maßnahmen ist unabhängig von den Kosten; alles gleichzeitig angewendet
• D) Maßnahmen zur Einsparung negativer Kosten werden zuerst ergriffen, die Beseitigung folgt als letztes ✔

Beschreibung: MACC ordnet Maßnahmen nach Kosten pro vermiedener Tonne (€/Tonne). Negativkostenmaßnahmen (z. B. Energieeffizienz) reduzieren sowohl Emissionen als auch Geld; Diese werden in den Vordergrund gerückt. Kostenintensive Optionen und Offset bleiben bis zum Schluss übrig. Die Entfernung ist kein Ersatz für Schadensbegrenzung, sondern eine Ergänzung zum unvermeidlichen Rest.

5. Sie haben auf dem Satellitenbild gesehen, dass der NDVI in einer Region innerhalb eines Monats plötzlich zurückgegangen ist. Was sollten Sie zuerst tun?

• A) Sofort einen Alarm wegen „plötzlicher Abholzung“ auslösen und dies der Öffentlichkeit bekannt geben
• B) Testen der Authentizität des Signals durch Anwenden einer Wolkenmaske und Vergleichen mit benachbarten Daten ✔
• C) Ein einzelnes Bild betrachten und einen genauen prozentualen Verlust angeben
• D) Satellitendaten sind immer korrekt; keine zusätzlichen Kontrollen erforderlich

Erläuterung: Das häufigste Störsignal von Satellitendaten ist die Wolke. Ein NDVI-Abfall könnte ein tatsächlicher Waldverlust sein, oder es könnte eine Wolke über dem Bild an diesem Tag sein. Es ist notwendig, zunächst eine Wolkenmaske anzuwenden und mit benachbarten wolkenfreien Daten zu vergleichen; Der Änderungsanspruch sollte auf dem Trend und nicht auf einem einzelnen Datum basieren und wenn möglich mit der Grundwahrheit überprüft werden.

6. Welcher Ansatz ist richtig, wenn man die Wasserauswirkungen zweier Fabriken vergleicht?

• A) Ich schaue mir einfach die absoluten Liter an und erkläre denjenigen, der am meisten verbraucht, zum schlechtesten
• B) Der Wassereffekt ist überall gleich; Region ist unwichtig
• C) Gewichtung des Verbrauchs nach regionalem Wasserstress und Vergleich mit den tatsächlichen Auswirkungen ✔
• D) Addieren von grünem, blauem und grauem Wasser zu einer einzigen Zahl und Ignorieren von Stress

Erläuterung: Wasser ist im Gegensatz zu Kohlenstoff lokal; Die gleiche Wassermenge bedeutet in einer Region mit hohem Wassermangel eine viel schwerwiegendere Umweltbelastung. Daher sollte die Wasserbelastung nicht nur in absoluten Litern, sondern auch gewichtet nach regionalem Wasserstress bewertet werden. Eine Anlage in einer Region, die wenig verbraucht, aber sehr trocken ist, kann kritischer sein als eine Anlage, die viel verbraucht, aber über reichlich Wasser verfügt.

7. In der Abfallwirtschaft klassifizierte künstliche Intelligenz einen chemischen Abfall in einen „ungefährlichen“ Code. Was ist richtiges Verhalten?

• A) Eliminieren Sie es direkt aus diesem Code, weil die künstliche Intelligenz dies vorschreibt
• B) Abfallschlüssel sind unwichtig; Sie werden alle auf die gleiche Weise entsorgt
• C) Ignorieren von Kontamination und Gefahrenklasse und Meldung der gesammelten Menge
• D) Bestätigung der Klasse anhand des Sicherheitsdatenblatts (SDB) und der Gesetzgebung, Annahme des Vorschlags zur künstlichen Intelligenz nicht als endgültig ✔

Beschreibung: Falsche Klassifizierung und nicht registrierte Entsorgung gefährlicher Abfälle gehören zu den am stärksten sanktionierten Umweltverbrechen. Der KI-Abfallcode-Vorschlag ist nur ein erster Entwurf; Die Gefahrenklasse muss immer durch das Sicherheitsdatenblatt (SDB) des Stoffes und die geltenden Abfallvorschriften bestätigt werden. Die KI-Ausgabe wird niemals als endgültiger Abfallcode verwendet.

8. Eine Anlage reduzierte ihre Kaminemissionen um 20 %. Warum ist es falsch zu sagen, dass die Luft in der Nachbarschaft um 20 % gereinigt wurde?

• A) Emission und Konzentration sind unterschiedlich; Wetteränderungen erfordern separate Messungen und Modellierungen ✔
• B) Emission und Konzentration sind dasselbe; Die Abnahme spiegelt sich direkt in der Luft wider
• C) Die Schornsteinmessung liefert immer das genaue Wetter in der Nachbarschaft
• D) Meteorologie hat keinen Einfluss auf die Luftqualität, daher ist die Behauptung berechtigt

Erläuterung: Emission (aus der Quelle austretende Menge) und Konzentration (in der Luft gemessene Dichte) sind verschiedene Dinge. Wind, Temperatur und Topographie führen dazu, dass dieselbe Emission zu sehr unterschiedlichen Konzentrationen führt. Selbst wenn die Reduzierung der Kaminemissionen real ist, kann die Behauptung der Konzentration in der Luft nur durch kalibrierte Messungen und ein geeignetes Ausbreitungsmodell nachgewiesen werden; andernfalls ist es unbegründet und irreführend.

9. In der ESG-Berichterstattung findet sich in einem durch künstliche Intelligenz erstellten Text der Satz „Wir haben unseren Wasserverbrauch um 15 % reduziert“. Was ist die wichtigste Kontrolle?

• A) Betrachten Sie, wie beeindruckend und flüssig der Satz ist
• B) Stellen Sie sicher, dass die Nummer mit einer nachvollziehbaren Quelle verknüpft ist (Rechnung, Zähler, Messung) ✔
• C) Angenommen, die Zahl ist korrekt, weil künstliche Intelligenz sie erzeugt
• D) Runden Sie den Prozentsatz auf, damit die Zahl aussagekräftiger erscheint

Erläuterung: Der Wert eines ESG-Berichts liegt in der Rückverfolgbarkeit seiner schwächsten Daten, und unabhängige Wirtschaftsprüfer untersuchen die Beweiskette hinter der Zahl. Möglicherweise hat die KI eine Zahl ermittelt, die aus früheren Texten „vernünftig“ aussah, aber nicht nachvollziehbar war. Nicht jede digitale Reklamation sollte in den Bericht aufgenommen werden, ohne dass eine Verknüpfung mit einer nachvollziehbaren Quelle anhand der Rechnung/des Zählers/Zertifikats erfolgt.

10. Warum werden bei der Klimarisikobewertung mehrere Szenarien anstelle einer einzigen Zukunft verwendet?

• A) Szenarien sind Dekoration; Eine genaue Zukunftsprognose reicht aus
• B) Da künstliche Intelligenz die Wahrscheinlichkeit zukünftiger Überschwemmungen mit einem genauen Prozentsatz angeben kann, reicht ein Szenario aus
• C) Das physische Risiko und das Übergangsrisiko können je nach Szenario nachteilig sein; Ziel ist es, die Ausdauer ✔ zu testen
• D) Physisches Risiko und Übergangsrisiko sind dasselbe, es sind keine separaten Szenarien erforderlich

Erläuterung: Das physische Risiko (Klimaauswirkungen wie Überschwemmungen, Dürren) und das Übergangsrisiko (Kohlenstoffpreis, Gesetzgebung, Technologiewandel) entwickeln sich oft in entgegengesetzte Richtungen: Wenn die Welt rasche Abhilfemaßnahmen durchführt, steigt das Übergangsrisiko, das physische Risiko nimmt ab; Wenn er langsam handelt, passiert das Gegenteil. Daher wird mindestens ein Szenario mit niedriger (1,5–2°C) und hoher (3°C+) Erwärmung getestet. Ziel ist es nicht, die Zukunft vorherzusagen, sondern die Ausdauer zu testen.

11. Sie haben bei der KI nachgefragt, ob eine Verordnung (z. B. CBAM) für Sie gilt und welche Fristen gelten. Wie sollten Sie sich verhalten?

• A) Planung direkt nach den durch künstliche Intelligenz vorgegebenen Daten und Punkten
• B) Die Entscheidung über den Geltungsbereich auf der allgemeinen Interpretation von KI stützen und nicht auf die offizielle Codeliste achten
• C) Die Einhaltung erfolgt einmalig; Sobald Sie nachfragen, besteht keine Notwendigkeit, die Gesetzgebung ständig zu überwachen
• D) Betrachten Sie die Ausgabe als Entwurf und bestätigen Sie Artikel, Datum, Schwellenwert und Geltungsbereich aus dem aktuellen offiziellen Text ✔

Beschreibung: Regulatorisches Wissen veraltet schnell; Artikel ändern sich, Termine werden verschoben, Umfang erweitert. Die Trainingsdaten der KI werden zu einem bestimmten Zeitpunkt eingefroren und sind möglicherweise nicht mehr aktuell. Darüber hinaus kann Materie kritische Fakten wie Geschichte und Schwelle erzeugen. Die Entscheidung über den Geltungsbereich sollte durch die offizielle Produkt-/Codeliste bestätigt werden, alle Daten und Schwellenwerte durch den geltenden offiziellen Text; Bei kritischen Compliance-Entscheidungen sollte eine autorisierte/Expertenmeinung eingeholt werden.

12. Welche der folgenden Umweltaussagen birgt das geringste Risiko für Greenwashing?

• A) „Wir haben unsere Produktionsemissionen bis 2023 um 18 % reduziert (mit unabhängiger Überprüfung)“ ✔
• B) „Unsere Produkte sind absolut umweltfreundlich und natürlich“
• C) „Unser Unternehmen ist CO2-neutral“ (ohne Bereitstellung von Dokumenten oder Daten)
• D) „Wir sind das nachhaltigste und nahezu wirkungsloseste Unternehmen der Branche“

Erläuterung: Eine gute Umweltaussage ist messbar (enthält eine Zahl), bewiesen (basierend auf Beweisen) und hat einen spezifischen Umfang (es ist klar, womit wann verglichen wird). „Wir haben die Produktionsemissionen bis 2023 um 18 % reduziert (mit unabhängiger Überprüfung)“ weist diese drei Merkmale auf. Begriffe wie „umweltfreundlich“, „natürlich“, „kohlenstoffneutral“ (nicht zertifiziert) sind nicht quantifizierbar oder unbegründet und bergen das Risiko des Greenwashing.

13. Warum ist es riskant, nicht offengelegte Emissionsdaten von Anlagen zur Analyse in ein öffentlich verfügbares KI-Tool einzufügen?

• A) Es besteht kein Risiko; Umweltdaten sind immer öffentlich verfügbar
• B) Geschäftsgeheimnisse, nicht offengelegte Daten und personenbezogene Daten können durchsickern; Zuerst ist eine Klassifizierung und Anonymisierung erforderlich ✔
• C) Das Risiko ist lediglich ein Rechenfehler, es hat nichts mit Datenschutz zu tun
• D) Sobald die Daten an das Fahrzeug übermittelt werden, geht die Verantwortung auf den Anbieter der künstlichen Intelligenz über

Offenlegung: Produktions- und Emissionsdaten auf Standortebene können Geschäftsgeheimnisse sein und nicht offengelegte Finanz-/Umweltdaten können gegen die Offenlegungsvorschriften verstoßen; Standort-/Reisedaten der Mitarbeiter sind personenbezogene Daten. Bevor diese Art von Daten an ein offenes Tool übergeben werden, ist es notwendig, sie zu klassifizieren, gegebenenfalls zu anonymisieren oder ein institutionelles (datenfreies) Tool zu verwenden. „KI sagte“ ist keine Verteidigung; Die Verantwortung liegt bei der Institution und dem Einzelnen.

14. Welches Konzept wird bei der Umwandlung eines Treibhausgases wie Methan (CH₄) in CO₂e verwendet und warum ist es wichtig?

• A) AQI (Luftqualitätsindex); bestimmt die Farbe des Gases in der Luft
• B) NDVI (Vegetationsindex); misst die Auswirkungen von Gas auf den Boden
• C) GWP (Globales Erwärmungspotenzial); wenn es weggelassen wird, wird der Methan/N₂O-Effekt stark unterschätzt ✔
• D) Keine Koeffizienten erforderlich; Methan zählt 1 zu 1 direkt wie CO₂

Beschreibung: GWP (Global Warming Potential) ist der Koeffizient, der die Heizwirkung verschiedener Treibhausgase relativ zu CO₂ in eine gemeinsame Einheit umrechnet. Das 100-jährige GWP von Methan beträgt etwa 28; 1 Tonne Methan bedeutet also etwa 28 Tonnen CO₂e. Ohne GWP wird der Einfluss starker Gase wie Methan und N₂O stark unterschätzt und die Bilanz wird völlig ungenau sein; Es sollte auch angegeben werden, welches GWP-Set (z. B. IPCC AR6, 100 Jahre) verwendet wird.