Gewinne:
- Fähigkeit, den richtigen Berichtsrahmen (GRI/ESRS/ISSB) auszuwählen und die doppelte Wesentlichkeit sowohl im Hinblick auf die finanziellen als auch auf die Umweltauswirkungen zu bewerten
- Möglichkeit, unterschiedliche Dateneinheiten aus mehreren Quellen mit Code in eine einzige Einheit umzuwandeln und jede Metrik mit einer nachvollziehbaren Quelle zu verbinden
- Fähigkeit, den durch künstliche Intelligenz erstellten Berichtstext von übertriebener Sprache zu befreien und ihn mit einer Beweiskette für unabhängige Sicherheit aufzubereiten
Unabhängig davon, wie gut die Umweltleistung einer Organisation ist, ist sie nur von begrenztem Wert, wenn nicht glaubwürdig darüber berichtet wird. Investoren, Aufsichtsbehörden, Kunden und Mitarbeiter möchten nun, dass Institutionen ihre ESG-Leistungen (Environmental, Social, Governance) dokumentieren. In dieser Einheit lernen Sie die wichtigsten Berichtsrahmen, die Datenerfassungskette, die Berichtsautomatisierung mit KI und – am wichtigsten – die Überprüfbarkeit des Berichts kennen.
Frames zuerst. GRI (Global Reporting Initiative) ist der weltweit am weitesten verbreitete freiwillige Nachhaltigkeitsberichtsstandard. CSRD (Corporate Sustainability Reporting Directive) ist die EU-Richtlinie, die große Unternehmen zur Nachhaltigkeitsberichterstattung verpflichtet und auf detaillierten Standards namens ESRS (European Sustainability Reporting Standards) basiert. ISSB/IFRS S1-S2 ist ein auf Finanzen ausgerichteter, globaler Nachhaltigkeits-Offenlegungsstandard. Der Konsens: keine Behauptungen, sondern standardisierte, überprüfbare Daten.
Doppelte Materialität: Was ist zu berichten?
Das Kernkonzept von CSRD ist die doppelte Wesentlichkeitsanalyse. Dabei werden zwei Fragen gestellt: (1) Wie wirkt sich die Umwelt/Gesellschaft auf die Organisation aus (finanzielle Wesentlichkeit)? (2) Wie wirkt sich die Organisation auf die Umwelt/Gesellschaft aus (Auswirkungsmaterialität)? Eine Organisation muss nicht nur berichten, was für sie selbst finanziell wichtig ist, sondern auch ihre Auswirkungen, die für die Welt wichtig sind. KI hilft dabei, zu skizzieren, welche Themen wesentlich sein könnten, aber die Entscheidung über die Wesentlichkeit liegt in der Verantwortung der Meinung der Stakeholder und des Managements.
Tipp: Ein ESG-Bericht ist nur so wertvoll wie die Zuverlässigkeit seiner schwächsten Daten. Ein flüssiger, von der KI generierter Text wird bei der Prüfung zusammenbrechen, wenn die Zahl darunter nicht verfolgt werden kann. Sichern Sie zunächst die Daten und ihre Quelle. Der schöne Satz kommt später.
Datenerfassungskette
Der schwierigste Teil der ESG-Berichterstattung besteht nicht darin, sie zu schreiben, sondern darin, die Daten zu sammeln: von Dutzenden von Websites, in verschiedenen Formaten, in verschiedenen Einheiten. Hier kommt KI zum Einsatz – sie verwandelt unübersichtliche Rechnungen, Tabellen und Formulare in eine einzige Struktur, erkennt nicht übereinstimmende Einheiten und markiert fehlende Daten. Aber keine durch KI erzeugte Zahl sollte in den Bericht eingehen, ohne mit einer nachvollziehbaren Quelle (Rechnung, Zähler, Zertifikat) verbunden zu sein.
Schritt für Schritt: Erstellung eines ESG-Berichts
1. Wählen Sie den Rahmen aus. GRI, CSRD/ESRS oder ISSB? Obligatorisch oder freiwillig?
2. Führen Sie eine Wesentlichkeitsanalyse durch. Über welche Themen wird berichtet?
3. Daten sammeln und standardisieren. In eine einzige Einheit umgewandelt, einschließlich ihrer Quelle.
4. Berechnen Sie die Kennzahlen. Emissionen, Wasser, Abfall, Energieintensität – jedes mit seiner Quelle.
5. Verfassen Sie den Text. Skelett mit KI, dann menschliche Korrektur und Beweisabgleich.
6. Überprüfen Sie und erhalten Sie Gewissheit. Bereiten Sie sich auf interne Kontrolle und unabhängige Prüfung vor.
drei Mini-Koffer
Fall 1 – Nicht auffindbare Nummer. Ein Unternehmen ließ von AI einen ESG-Bericht erstellen; „Wir haben unseren Wasserverbrauch um 15 % reduziert“, heißt es in dem Text. Der Prüfer fragte nach der Quelle dieser Zahl; Das Team konnte nicht herausfinden, woher die Nummer kam – die KI hatte aus früheren Texten eine „plausible“ Nummer ermittelt. Zahl gezogen, durch tatsächliche Daten ersetzt (Reduzierung um 9 %). Jede nicht auffindbare Zahl bedeutet, dass eine Bombe unter Kontrolle ist.
Fall 2 – Automatisierung der Einheit. Eine Gruppe kombinierte Energiedaten von 30 Einrichtungen; einige waren in kWh, einige in MWh, einige in GJ. Sie ließen die KI mit einem Python-Code standardisieren, der alle Daten in eine einzige Einheit (MWh) umwandelte, den Umrechnungskoeffizienten anzeigte und verdächtige Werte markierte. Was manuell Tage gedauert hätte, wurde auf Stunden reduziert; Jede Konvertierung wurde aufgezeichnet und blieb überprüfbar.
Fall 3 – Doppelte Bedeutung. Eine Organisation plante, nur Angelegenheiten zu melden, die sich auf ihre Kosten auswirkten. Sie brachten die KI dazu, das Double-Importance-Framework anzuwenden; Es stellt sich heraus, dass die Wasserauswirkungen in der Lieferkette der Organisation im Sinne der „Auswirkungswesentlichkeit“ gemeldet werden sollten, auch wenn sie nur geringe Auswirkungen auf die eigenen Finanzen haben. Dies war für die Einhaltung der CSRD zwingend erforderlich. Die Entscheidung wurde erneut durch die Meinung der Interessenvertreter bestätigt.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Schreiben Sie mir einen Nachhaltigkeitsbericht.
Warum es schwach ist: Mangel an Rahmen, Daten, Materialität und Beweisen. KI erzeugt Texte, die gut klingen, aber nicht verstanden werden können und bei der Inspektion abstürzen.
Kraftvolle Aufforderung:
Ihre Rolle: ESG-Reporting-Experte. Gestalten Sie den Abschnitt „Emissionen“ nach dem GRI-Standard. Verwenden Sie NUR die verifizierten Daten, die ich unten angegeben habe; eine andere Nummer ist FAKE. Schützen Sie die Quelle mit einem [source]-Tag neben jedem Problem. Verwendung einer vagen/übertriebenen Sprache (z. B. „umweltfreundlich“); Verwenden Sie eine evidenzbasierte, maßvolle Sprache. Markieren Sie Orte mit fehlenden Daten als [DATEN FEHLEN]. Daten: [hier]
Vier kopierbare Vorlagen
1) Abschnitt „Evidenzbasierter Bericht“:
Ihre Rolle: ESG-Experte. Entwurf [Abschnitt] gemäß [Rahmenwerk: GRI/ESRS] verfassen. Verwenden Sie nur die von mir bereitgestellten verifizierten Daten. Zahlen machen. Schützen Sie Ihre Quelle hermetisch. Verwendung übertriebener Sprache; Markieren Sie das Fehlende [DATEN FEHLEND]. Daten: [hier]
2) Datenstandardisierung aus mehreren Quellen (mit Code):
Konvertieren Sie die folgenden [Energie/Wasser/Abfall]-Daten in verschiedenen Einheiten und Formaten mit Python in eine einzige Einheit. Zeigen Sie die von Ihnen verwendeten Umrechnungskoeffizienten an; erfinde sie nicht. Markieren Sie fragwürdige/extreme Werte. Halten Sie jede Conversion nachverfolgbar. Daten: [hier]
3) Überblick über die doppelte Wesentlichkeit:
Listen Sie potenziell wesentliche ESG-Themen in einem doppelten Wesentlichkeitsrahmen (finanzielle Auswirkungen + ökologische/gesellschaftliche Auswirkungen) mit den folgenden Unternehmens- und Brancheninformationen auf. Bewerten Sie jedes Problem auf zwei Achsen. Dies ist ein ENTWURF; Die endgültige Wesentlichkeitsentscheidung erfordert die Konsultation der Interessengruppen und die Genehmigung des Managements. Geben Sie dies an. Informationen: [hier]
4) Rückverfolgbarkeitskontrolle vor dem Audit:
Rufen Sie JEDE numerische Behauptung im Berichtstext unten auf und fragen Sie: „Ist die Quelle angegeben?“ Schreiben Sie (ja/nein). Markieren Sie jede Zahl, die keine Quelle hat, als Prüfrisiko. Text ändern; Schau einfach nach.Text: [hier]
Häufige Fehler
- Geben Sie eine nicht auffindbare Nummer ein. Jede Metrik sollte mit einem Dokument verknüpft sein.
- Veröffentlichung von KI-Texten ohne übereinstimmende Beweise. Fließende Sätze sind kein Ersatz für die Datenzuverlässigkeit.
- Auf eine Weise doppelte Bedeutung anwenden. Es werden sowohl finanzielle als auch ökologische Auswirkungen gemeldet.
- Einheitenverwirrung ignorieren. Umrechnungen von kWh/MWh/GJ müssen erfasst werden.
- Verwendung übertriebener Sprache. Formulierungen wie „umweltfreundlich“ stellen ein Prüfungs- und Regulierungsrisiko dar.
Achtung: CSRD und ähnliche verbindliche Rahmenwerke erfordern, dass der Bericht durch unabhängige Prüfer überprüft wird. Der Prüfer untersucht die Beweiskette hinter dem Problem, nicht Ihren Text. KI beschleunigt den Text, kann aber die Beweiskette nicht ermitteln; Du baust es.
Zusammenfassend
ESG-Berichterstattung; Es erfordert den richtigen Rahmen, doppelte Bedeutung, nachvollziehbare Daten und überprüfbare Texte. KI; Es ist ein leistungsstarker Beschleuniger bei der Datenstandardisierung, -erstellung und -konsistenzkontrolle. Allerdings obliegt die Zuordnung jedes Sachverhalts zur Quelle, die Entscheidung über die Wesentlichkeit und die Vorbereitung zur unabhängigen Prüfung dem Sachverständigen. Der Bericht ist nur so stark wie seine schwächsten Daten; Konsolidieren Sie zuerst die Daten und dann den Satz.
Anwendungsaufgabe
Listen Sie mehrere Umweltkennzahlen einer Organisation (Emissionen, Wasser, Energie) zusammen mit ihren Quellen auf (lassen Sie ein oder zwei bewusst unberücksichtigt). Lassen Sie AI mit Vorlage 1 einen GRI-Abschnitt „Emissionen“ entwerfen und überprüfen Sie, ob nicht bezogene Daten als [DATEN FEHLEN] gekennzeichnet sind. Lassen Sie dann jede Ausgabe des Textes, den Sie mit Vorlage 4 erstellen, auf Rückverfolgbarkeit prüfen. Erstellen Sie einen Plan für jedes Problem, das nicht behoben werden kann.
Checkliste
- [ ] Ich habe das richtige Berichtsrahmenwerk gewählt (GRI/ESRS/ISSB).
- [ ] Ich habe die doppelte Wesentlichkeit sowohl im Hinblick auf finanzielle als auch auf Auswirkungensaspekte bewertet.
- [ ] Ich habe jede Metrik mit einer nachvollziehbaren Quelle verknüpft.
- [ ] Ich habe Daten aus mehreren Quellen in eine einzige Einheit umgewandelt, indem ich die Koeffizienten aufgezeichnet habe.
- [ ] Ich habe übertriebene/unbegründete Formulierungen aus dem Text entfernt.
- [ ] Ich habe den Bericht mit einer Beweiskette zur unabhängigen Prüfung erstellt.