Durchgängiger ESG-Workflow, Data Governance, Ethik und Qualitäts-Gateway

Gewinne:

• Fähigkeit, einen achtstufigen ESG-Workflow von der Materialität bis zur Veröffentlichung mit Quality Gates im Rhythmus „Künstliche Intelligenz produziert → Mensch überprüft → geht durch das Gate“ zu etablieren.
• Möglichkeit zum Schutz persönlicher und nicht offengelegter Finanzdaten durch Klassifizierung von ESG-Daten als kostenlos/intern/vertraulich
• Fähigkeit, die letztendliche Verantwortung zu übernehmen und jeder Veröffentlichung verantwortliche Namen und Genehmigungsaufzeichnungen beizufügen, ohne sich auf die „KI sagte“-Verteidigung zu verlassen

In den vorherigen zehn Einheiten haben wir jeden Teil des ESG- und Nachhaltigkeitsgeschäfts separat behandelt: Eintritt und Grenzen, Wesentlichkeit, Datenerfassung, CO2-Bilanzierung, Berichtsrahmen, Lieferkette, Stakeholder-Kommunikation, Berichtserstellung, Qualitätssicherung und Greenwashing. In dieser letzten Einheit werden wir die Teile zusammenfügen und einen End-to-End-Workflow etablieren: Wo, wie und mit welchem ​​Sicherheitstor soll künstliche Intelligenz (KI) bei jedem Schritt von der Definition einer Nachhaltigkeitsmission bis zu ihrer Veröffentlichung eingesetzt werden. Wir werden außerdem Datenverwaltung, Datenschutz und ethische Verantwortung in einem einzigen Rahmen zusammenführen.

Wiederholen wir noch einmal das konstante Rückgrat des Moduls: AI; Es handelt sich um einen Assistenten, der Code schreibt, Daten organisiert, Entwürfe erstellt und zusammenfasst. Die Richtigkeit der Anzahl, die Bestätigung des Faktors, die Kontrolle des Standards, der Nachweis des Anspruchs und die letztendliche Verantwortung liegen stets beim zuständigen Sachverständigen. Diese Einheit setzt dieses Prinzip in einen täglichen Arbeitsablauf und eine Checkliste um.

Durchgängiger ESG-Workflow

Stellen Sie sich einen Nachhaltigkeitsberichtszyklus in acht Schritten vor:

1. Umfang und Wesentlichkeit – Welche Themen sind wesentlich? (Einheit 2)
2. Datenerfassung – Quellen, Einheiten, Prüfpfad. (Einheit 3)
3. Berechnung – Kohlenstoff und andere Kennzahlen mit verifizierten Faktoren. (Einheit 4)
4. Rahmenübereinstimmung – GRI/ESRS/ISSB-Stoffe, Bestätigung durch offiziellen Text. (Einheit 5)
5. Lieferkette – Scope 3 und Due Diligence. (Einheit 6)
6. Schreiben und Kommunikation – Ausgewogener, fundierter Bericht und Stakeholder-Botschaft. (Einheit 7-8)
7. Prüfungsvorbereitung – Beweiskette und Prüfungsvorbereitung. (Einheit 9)
8. Claim-Audit – Greenwashing-Screening und Freigabegenehmigung. (Einheit 10)

Bei jedem Schritt ist KI ein Beschleuniger; Aber am Ausgang jedes Schritts gibt es ein Qualitätstor – einen Kontrollpunkt, der passiert werden muss, bevor mit dem nächsten Schritt fortgefahren werden kann. Die Ausgabe, die nicht durch die Tür geht, kommt nicht voran.

Schritt

Was macht KI?

Qualitätstor

Materialität

Themenkandidat, Themenanalyse

Impact+Finanzaspekt menschliche Zustimmung

Daten

Konfiguration, Einheitenumrechnung

Überprüfung der Quelle und des Volumens

Konto

Formel, Code-Gerüst

Der Faktor wird von der offiziellen Quelle bestätigt

Passend

Artikelvorschlag

Überprüfen Sie das Bild mit seinem Standardtext

Rechtschreibung

Entwurf, Zusammenfassung

Ansprüche ohne Beweise aussortieren

Anspruch

Greenwashing-Scan

Vom Menschen zertifizierte Veröffentlichung

Tipp: Richten Sie den Workflow im Rhythmus „KI produziert → Mensch überprüft → geht durch die Tür“ ein. Bevor Sie jede KI-Ausgabe zum nächsten Schritt verschieben, fragen Sie: „Welcher Teil dieser Ausgabe kann ohne Validierung nicht fortgesetzt werden?“ Dieser Teil ist das Qualitätstor dieses Schritts.

Datenverwaltung und Datenschutz

ESG-Daten sind oft sensibel: Geschlechts- und Gehaltsdaten der Mitarbeiter, Vertragsbedingungen von Lieferanten, noch nicht offengelegte finanzielle Auswirkungen, Produktionsdaten auf Betriebsebene. Diese müssen klassifiziert werden, bevor sie einem öffentlichen KI-Tool übergeben werden. Unter Data Governance versteht man „Wer kann welche Daten wie und mit welchem ​​Tool nutzen?“ Die Frage ist an die Regel gebunden.

Eine einfache Klassifizierung:

• Kostenlos: Daten bereits öffentlich verfügbar (veröffentlichter Bericht). Es kann der KI gegeben werden.
• Interner Gebrauch: Interne Daten ohne kommerziellen Wert. Vorsichtig im Firmenfahrzeug.
• Vertraulich: Geschäftsgeheimnis, nicht offengelegte finanzielle Auswirkungen, personenbezogene Daten (KVKK/DSGVO). Ohne Anonymisierung oder institutionelle (nicht leckende) Mittel werden sie nicht an die KI weitergegeben.

Ihre Rolle: Data-Governance-Berater. Aufgabe: Klassifizieren Sie die folgenden Datenelemente als „kostenlos / interne Nutzung / vertraulich“ und schreiben Sie die empfohlene Aktion für jedes vertrauliche Element auf (anonymisieren / aggregieren / Unternehmenstool / überhaupt nicht weitergeben). Regel: Wenn Sie unsicher sind, setzen Sie eine höhere Schutzklasse ein. Elemente: [PERSÖNLICHE UND FINANZIELLE DATEN]

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Die Art und Weise, wie Sie eine Aufgabe an ein Tool delegieren, verändert das Datenschutzrisiko radikal.

Schwache Eingabeaufforderung:

Analysieren Sie die Gehalts- und Produktionstabelle der Mitarbeiter und erstellen Sie eine ESG-Zusammenfassung.

Exportiert persönliche Rohdaten und Geschäftsgeheimnisse direkt in ein offenes Tool; Es gibt keinen Klassifizierungs-, Anonymisierungs- und Bestätigungsschritt.

Kraftvolle Aufforderung:

Ihre Rolle: ESG-Analyst mit Sensibilität für Daten-Governance. Ich habe Ihnen NUR aggregierte, persönliche/Geschäftsgeheimnisfreie Daten gegeben. Aufgabe: Analysieren Sie die folgenden zusammenfassenden Indikatoren. Regeln:- KEINE individuellen Namen, Gehälter, Ausweise oder nicht offengelegte finanzielle Auswirkungen in den Daten; Wenn Sie ein solches Feld sehen, sagen Sie „VERTRAULICHE DATEN – nicht verarbeiten, warnen“. - Fügen Sie dem Ergebnis keine neue Zahl hinzu; Folgen Sie einfach der Zusammenfassung, die ich gegeben habe. - Fügen Sie am Ende der Ausgabe den Hinweis „menschliche Genehmigung erforderlich“ hinzu. Daten (aggregiert): [ZUSAMMENFASSENDE INDIKATOREN]

Achtung: „AI said“ ist keine Verteidigung. Die Verantwortung für eine falsche Zahl, unbegründete Behauptungen oder durchgesickerte vertrauliche Daten in einem ESG-Bericht liegt bei der Organisation und der Person, die den Bericht genehmigt hat. Wenn Sie KI nutzen, übertragen Sie keine Verantwortung; Sie werden die Arbeit nur beschleunigen.

End-to-End-Quality-Gate-Eingabeaufforderung

Die folgende Eingabeaufforderung führt alle Schritte vor der Veröffentlichung einer einzigen Prüfung durch.

Ihre Rolle: ESG-Qualitätssicherungsbeauftragter. Aufgabe: Führen Sie den folgenden Berichtsabschnitt durch das End-to-End-Qualitätstor. Geben Sie für jedes Element „bestanden/nicht bestanden“ an und geben Sie den Grund an, wenn es nicht bestanden wird: 1) Sind die Quelle und die Einheit jeder Zahl angegeben? 2) Stammen die Emissionsfaktoren aus offizieller Quelle? 3) Sind die Standardartikelnummern überprüft? 4) Sind Proxies/Schätzungen gekennzeichnet? 5) Gibt es Aussagen, die Greenwashing enthalten? 6) Gibt es einen Verlust vertraulicher/personenbezogener Daten? 7) Verantwortlicher Name für die endgültige Genehmigung zugewiesen? Abschnitt: [KAPITEL]

Die folgende Eingabeaufforderung wandelt das gesamte Modul in eine Unternehmensrichtlinie um.

Ihre Rolle: Leiter des Nachhaltigkeitsteams. Aufgabe: Schreiben Sie eine einseitige interne Richtlinie, die den Einsatz von KI durch das Team in der ESG-Arbeit regelt. Dazu gehören: - Aufgaben, bei denen KI frei verwendet werden kann (Entwurf, Zusammenfassung, Code, Themenanalyse) - Aufgaben, die eine menschliche Überprüfung erfordern (Faktor, Standard, Anspruch, Umfang) - Datentypen, die niemals an KI weitergegeben werden (persönlich, nicht offengelegte Finanzen) - Qualitäts-Gate-Schritte, die vor jeder Veröffentlichung durchlaufen werden müssen. Ton: klar, aufzählungspunkt, anwendbar.

drei Mini-Koffer

Fall 1 – Bericht wird von der Tür zurückgegeben. Ein Team glaubte, alle Schritte abgeschlossen zu haben und der Bericht sei zur Veröffentlichung bereit. Bei der abschließenden Qualitätskontrolle wurden in einem Abschnitt die Angabe „78 % Rückgewinnung“ ohne Quellenangabe und die Aussage „CO2-Neutralität“ erfasst. Die Veröffentlichung wurde gestoppt, bevor einer der beiden korrigiert wurde; Die Tür hielt den Fehler fest, bevor er öffentlich wurde.

Fall 2 – Verhinderung vertraulicher Datenlecks. Ein Analyst würde die noch zu veröffentlichenden vierteljährlichen Finanzauswirkungsdaten zur Analyse in ein öffentlich verfügbares Tool einfügen. In der Eingabeaufforderung zur Datenklassifizierung wurden die Daten als „vertraulich – nicht offengelegte Finanzen“ gekennzeichnet. Die Daten wurden zunächst aggregiert und dann im Enterprise-Tool verarbeitet; Ein möglicher Gesetzesverstoß wurde verhindert.

Fall 3 – Verantwortung übernehmen. Nach der Veröffentlichung eines Berichts stellte ein Interessenvertreter eine Zahl in Frage. Das Team sagte nicht „KI berechnet“; den Prüfpfad geöffnet, die Quelle zitiert, eine kleine Korrektur vorgenommen und transparent erklärt. Diese Haltung, die nicht auf der „KI sagte“-Verteidigung beruhte, bewahrte das Vertrauen.

Häufige Fehler

• Vorankommen ohne die Tür der Qualität. Wenn am Ende jedes Schritts keine Überprüfung durchgeführt wird, häufen sich die Fehler bis zum Ende.
• Weitergabe von Daten an das Fahrzeug, ohne es zu klassifizieren. Vertrauliche und personenbezogene Daten können ohne Anonymisierung nicht in die öffentliche KI eingegeben werden.
• Verantwortung an die KI übertragen. „AI said“ ist keine rechtliche oder professionelle Verteidigung.
• Denkschritte isoliert. Materialität, Daten, Berechnung und Anspruch sind miteinander verbunden; Wenn einer beschädigt ist, sind alle betroffen.
• Keine Person benennen, die für die Genehmigung der Veröffentlichung verantwortlich ist. Hinter jedem öffentlichen Anspruch muss ein Mensch stehen.

Zusammenfassend

Das ESG-Geschäft besteht aus einer Kette von acht miteinander verbundenen Schritten, und KI ist bei jedem Schritt ein Beschleuniger. Aber am Ende jedes Schrittes gibt es eine Tür der Qualität. Der Rhythmus „KI produziert → Mensch verifiziert → geht durch die Tür“ vereint alle Lektionen dieses Moduls in einer einzigen Studiendisziplin. Klassifizieren Sie Daten und schützen Sie die Vertraulichkeit, bestätigen Sie Faktoren und Standards aus offiziellen Quellen, verknüpfen Sie Behauptungen mit Beweisen, eliminieren Sie Greenwashing vor der Veröffentlichung und übertragen Sie die letzte Verantwortung einem Menschen. KI beschleunigt die Arbeit; Sie gehen von Genauigkeit, Ehrlichkeit und Verantwortung aus. Das Kriterium dieses Berufs ist nicht „fließend erscheinen“, sondern „die Prüfung bestehen und bewiesen sein“.

Anwendungsaufgabe

Kombinieren Sie die Ergebnisse, die Sie in den vorherigen Einheiten erstellt haben (eine Wesentlichkeitsliste, ein CO2-Konto, ein Berichtsabschnitt) in einem einzigen Minibericht. Gehen Sie diesen Minibericht in 7 Punkten mit der oben genannten End-to-End-Quality-Gate-Eingabeaufforderung von AI durch. Dann: (1) jeden mit „FREIGABE“ gekennzeichneten Punkt korrigieren, (2) alle vertraulichen/personenbezogenen Daten klassifizieren und entsprechende Maßnahmen ergreifen, (3) einen verantwortlichen Namen und einen Genehmigungsvermerk für die Veröffentlichung hinzufügen.

Checkliste

• [ ] Ich habe den Arbeitsablauf mit dem Rhythmus „KI produziert → Mensch überprüft → geht durch die Tür“ eingerichtet.
• [ ] Ich habe am Ausgang jedes Schritts ein Qualitätstor implementiert.
• [ ] Ich habe alle Daten als frei/intern/vertraulich eingestuft und die Vertraulichkeit gewahrt.
• [ ] Ich habe die Faktoren und Standardelemente aus der offiziellen Quelle bestätigt.
• [ ] Ich habe jede Behauptung mit Beweisen untermauert und so Greenwashing vor der Veröffentlichung verhindert.
• [ ] Ich habe die Verantwortung übernommen, ohne mich auf die „KI sagte“-Verteidigung zu verlassen.
• [ ] Ich habe einen verantwortlichen Namen und einen Genehmigungsdatensatz für die Veröffentlichung festgelegt.

Modulprüfung

1. Welche der folgenden ist die beste Positionierung für KI im ESG- und Nachhaltigkeitsgeschäft?

• A) Künstliche Intelligenz ist ein Assistent von Code, Daten und Blaupausen; Die Verantwortung für Faktoren, Standards, Evidenz und ethische Entscheidungen liegt beim Menschen ✔
• B) Künstliche Intelligenz ist ein Prüfer und die von ihr bereitgestellten ESG-Werte sind ein Ersatz für eine unabhängige Prüfung
• C) Künstliche Intelligenz funktioniert nur beim Schreiben von Berichten, sie hat nichts mit Daten und Berechnungen zu tun
• D) Da KI unparteiischer ist als Menschen, sollten alle ESG-Entscheidungen ihr überlassen werden

Beschreibung: Künstliche Intelligenz; Es handelt sich um einen Assistenten, der Code schreibt, Daten organisiert, Entwürfe erstellt und zusammenfasst. Die letzte Verantwortung für die Bestätigung des Emissionsfaktors, die Überprüfung der Standardstoffnummer und den Nachweis jeder Behauptung liegt jedoch beim zuständigen Sachverständigen. Das große Sprachmodell ist kein Taschenrechner, keine Regulierungs-/Standarddatenbank oder Prüfer; ist ein Textgenerator, der das „nächstwahrscheinlichste Wort“ erzeugt und dessen ungeprüfte Ausgabe zu einer falschen Meldung oder Behauptung führen kann.

2. Was bedeutet der Aspekt der „Auswirkungsmaterialität“ eines Problems in der Analyse der doppelten Materialität?

• A) Die Auswirkungen der Emission auf den Gewinn und den Aktienwert des Unternehmens
• B) Das finanzielle Risiko der Emission nur für Anleger
• C) Leistung konkurrierender Unternehmen zum gleichen Thema
• D) Auswirkungen der Unternehmensaktivitäten auf Umwelt und Gesellschaft ✔

Beschreibung: Doppelte Materialität blickt durch zwei Linsen. Finanzielle Wesentlichkeit ist die Auswirkung eines Problems auf den Cashflow und den Wert eines Unternehmens („Outside-In“). Unter Impact-Materialität versteht man die Auswirkungen der Unternehmensaktivitäten auf Umwelt und Gesellschaft („inside out“). CSRD/ESRS erzwingt beide Aspekte; Da künstliche Intelligenz oft nur die finanzielle Richtung verlagert, muss die Wirkungsrichtung zusätzlich durch den Menschen gesteuert werden.

3. Was ist der richtige Ansatz bei der Erfassung von Energiedaten in kWh, MWh und GJ von verschiedenen Anlagen?

• A) Einheiten ignorieren und alle Zahlen direkt addieren
• B) Verlassen Sie sich auf künstliche Intelligenz, um die lange Liste in Ihrem Kopf zu sammeln
• C) Konvertieren aller Werte in eine einzige Einheit und Durchführen der Konvertierung und Summierung mit Code/Formel ✔
• D) Auswahl der größten Einheit und keine Meldung anderer Einrichtungen

Erläuterung: Die Abwanderung von Einheiten ist der häufigste und gefährlichste Fehler von ESG. Da 1 MWh = 1.000 kWh, kann das Ergebnis bei Weglassen der Einheit um den Faktor 1.000 abweichen. Der richtige Ansatz besteht darin, alle Werte in eine einzige Einheit umzuwandeln und die künstliche Intelligenz diese Umrechnung und Summe mit einem ausführbaren Code/einer ausführbaren Formel durchführen zu lassen, nicht manuell; somit ist das Ergebnis deterministisch und überprüfbar.

4. In welchen Umfang fallen Emissionen, die aus der Produktion von zugekauftem Strom gemäß GHG Protocol resultieren?

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

Beschreibung: Scope 1 sind direkte Emissionen aus den eigenen Quellen der Organisation (Kessel, Firmenfahrzeug, Generator). 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, Abfall). Strom kommt nicht aus dem Schornstein des Unternehmens, sondern das Kraftwerk, das ihn produziert, stößt Emissionen aus; es handelt sich also um Scope 2.

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

• A) GWP (Globales Erwärmungspotenzial); wenn es weggelassen wird, wird der Methan/N₂O-Effekt stark unterschätzt ✔
• B) AQI (Luftqualitätsindex); bestimmt die Farbe des Gases in der Luft
• C) GRI (Berichtsinitiative); bestimmt den Stoff, in dem das Gas gemeldet wird
• 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.

6. 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) Zählung aller Gase als CO₂ und Überspringungsfaktor und GWP-Umrechnung
• C) Verwendung eines Standardfaktors genau für jedes Land, jedes Jahr und jeden Kraftstoff
• D) Bestätigung des Faktors aus der offiziellen Quelle nach Land und Jahr und Berechnung von Gerüst und Gesamtsumme mit Code ✔

Beschreibung: Emissionsfaktoren variieren je nach Land, Jahr und Kraftstoff; Das „Erinnern“ der KI birgt die Gefahr, Dinge zu erfinden (Halluzinationen). Der Faktor sollte immer anhand einer offiziellen Tabelle (IPCC, DEFRA/EPA, IEA, nationales Inventar) bestätigt werden; Nur die Bereichstrennung, das Abrechnungsgerüst und der Gesamtcode sollten durch künstliche Intelligenz erfolgen. Mehrzeilige Summen werden durch ausführbaren Code und nicht manuell erstellt.

7. Welches ist das korrekte Verhalten für eine von der KI vorgeschlagene GRI/ESRS-Standardstoffnummer (z. B. „GRI 305 für Wasserverbrauch“)?

• A) Die Nummer direkt in den Bericht schreiben, weil künstliche Intelligenz sie vorschlägt
• B) Artikelnummern sind unwichtig; Jeder kann geschrieben werden
• C) Überprüfung der Nummer und ihres Inhalts anhand des offiziellen Standardtextes und Bestätigung für den Fall, dass sie gefälscht/veraltet ist ✔
• D) Da Wasser- und Luftemissionen ähnlich sind, werden sie im selben Artikel aufgeführt

Beschreibung: Künstliche Intelligenz kann Standardzahlen generieren, die real erscheinen, deren Inhalt jedoch falsch oder vollständig erfunden ist; Außerdem werden Standards aktualisiert und die Version, von der das Modell weiß, ist möglicherweise veraltet. Beispielsweise wird Wasser unter GRI 303 berichtet, während es sich bei GRI 305 um Luftemissionen handelt. Daher können nicht jede Stoffnummer und jeder Stoffgehalt verwendet werden, ohne dass sie anhand des offiziellen Standardtextes (GRI/EFRAG/ISSB) überprüft werden.

8. Wenn die meisten Lieferanten in der Lieferkette nicht über echte CO2-Daten verfügen, was ist dann der richtige und ehrliche Ansatz für Scope 3?

• A) Direkte Nutzung der durch künstliche Intelligenz ermittelten Zahlen für Lieferanten
• B) Scope 3 komplett überspringen, weil es „schwer zu messen“ ist
• C) Verwenden Sie diejenigen mit echten Daten und markieren Sie den Proxy für diejenigen ohne ✔ deutlich
• D) Proxy auf alle Lieferanten anwenden und im Bericht ausblenden

Beschreibung: Scope 3 ist für die meisten Unternehmen das größte, aber am schwierigsten zu messende Element. Für Lieferanten, die tatsächliche Daten bereitstellen, werden diese Daten verwendet; Für diejenigen, die keine Angaben machen, kann ein ausgabenbasierter Proxy (Schätzung) verwendet werden. Entscheidend ist, den Proxy nicht zu verbergen: Der Bericht sollte den Anteil und die Proportion der verwendeten Schätzung klar angeben. Eine verschleierte Vollmacht kann dazu führen, dass die unabhängige Sicherheit verweigert wird. Es ist auch falsch, Scope 3 mit der Begründung, es sei „schwer zu messen“, ganz wegzulassen.

9. AI hat einen Lieferanten ausschließlich auf der Grundlage des Landesdurchschnitts als „mögliche Zwangsarbeit“ gekennzeichnet. Was ist richtiges Verhalten?

• A) Akzeptieren Sie das Signal als Beweis und brechen Sie die Beziehung zum Lieferanten sofort öffentlich ab
• B) Die Behauptung direkt in den Bericht schreiben, weil die künstliche Intelligenz sie gesagt hat
• C) Risikosignale völlig ignorieren und überhaupt nicht untersuchen
• D) Betrachten des Signals als „zu untersuchende Warnung“ und Bestätigung durch Feldinspektion und eine zuverlässige Quelle ✔

Erläuterung: Schwerwiegende Vorwürfe wie etwa Menschenrechtsverletzungen lassen sich mit einem durch künstliche Intelligenz erzeugten Signal nicht beweisen. Ein solches Signal ist lediglich eine „zu prüfende Warnung“; Es als definitive Anschuldigung zu verwenden, ist sowohl unfair als auch rechtlich riskant. Solche Behauptungen werden nur durch eine zuverlässige Quelle, eine Feldbesichtigung und ein rechtliches Verfahren bestätigt. Künstliche Intelligenz erzeugt Signale; Der Mensch übernimmt das Urteil und die Verantwortung.

10. Was ist die wichtigste Vorsichtsmaßnahme bei der Analyse Hunderter Freitextantworten aus einer Stakeholder-Umfrage mit KI?

• A) Seltene, aber wichtige (Sicherheits-/Ethik-/Umwelt-)Signale müssen separat aufgeführt werden und dürfen nicht überschattet werden ✔
• B) Nur die am häufigsten vorkommenden Themen auswählen und Minderheitenmeinungen eliminieren
• C) Reduzieren Sie alle Antworten auf eine einzige positive Zusammenfassung und lassen Sie die Details weg
• D) Akzeptieren Sie die Zusammenfassung der künstlichen Intelligenz anstelle roher Antworten

Beschreibung: Künstliche Intelligenz verstärkt in der thematischen Analyse die Stimme der Mehrheit und unterdrückt die Stimme der Minderheit. Das wertvollste Signal in Sachen Nachhaltigkeit ist jedoch manchmal ein ernstes Sicherheits-, Ethik- oder Umweltproblem, das von einer einzelnen Person geäußert wird. Die Analyse fragt also: „Was wurde am häufigsten gesagt?“ Es endet nicht damit; „Seltene, aber hohe Signifikanz“-Signale sollten separat angefordert werden und Rohantworten sollten zusätzlich zur Zusammenfassung und nicht anstelle dieser verwendet werden.

11. Was ist der wirksamste Weg, um zu verhindern, dass falsche Zahlen und Zielvorgaben in den Text eindringen, wenn ein Berichtsteil mit künstlicher Intelligenz geschrieben wird?

• A) Lassen Sie den gesamten Bericht auf einmal erstellen, indem Sie sagen: „Schreiben Sie einen geeigneten Text.“
• B) Bereitstellung nur verifizierter Daten und ausdrückliches Verbot der Generierung neuer Zahlen/Ansprüche ✔
• C) Überprüfen Sie, wie flüssig und eindrucksvoll der Text ist, und veröffentlichen Sie ihn
• D) Ermöglichen, dass die KI fehlende Daten mit vernünftigen Schätzungen ergänzt

Beschreibung: Künstliche Intelligenz generiert Zahlen und Ziele, die Sie eigentlich nicht haben, indem sie die Logik „Das sagen ähnliche Berichte“ in einer leeren Eingabeaufforderung verwendet. Die wirksamste Vorsichtsmaßnahme besteht darin, nur verifizierte Daten bereitzustellen und keine anderen Zahlen, Prozentsätze, Daten oder Angaben als die von mir angegebenen Daten hinzuzufügen. Es soll die Regel „[DATEN ERFORDERLICH] an der fehlenden Stelle schreiben“ klar zum Ausdruck bringen. Darüber hinaus sollte der Bericht abschnittsweise gedruckt und mit Daten gefüttert werden.

12. Worauf achtet ein unabhängiger Wirtschaftsprüfer bei der Prüfung eines Nachhaltigkeitsberichts zunächst?

• A) Wie flüssig und professionell der Bericht verfasst ist
• B) Für jedes Problem gibt es eine Beweiskette, die bis zum Quelldokument zurückverfolgbar ist ✔
• C) Künstliche Intelligenz sagt: „Der Bericht ist bereit für die Prüfung.“
• D) Lassen Sie den Bericht durchsetzungsfähiger erscheinen als die Konkurrenz

Erläuterung: Der Prüfer ist nicht an der Fließfähigkeit des Textes interessiert, sondern an der Beweiskette hinter jeder Behauptung; Seine erste Frage lautet: „Beweisen Sie diese Zahl“. Es wird untersucht, aus welchem ​​Quelldokument eine Zahl stammt, welche Formel und welcher Faktor sie in einen Bericht umwandelt und ob sie unabhängig wiederholt werden kann. Daher muss jede Materialmetrik auf ihre Quelle rückverfolgbar sein, Faktoren müssen anhand der offiziellen Quelle überprüft werden und Proxys müssen angegeben werden; Künstliche Intelligenz bereitet diese vor, kann aber keine Sicherheit bieten.

13. Bei welcher der folgenden Umweltaussagen besteht das geringste Risiko für Greenwashing?

• A) „Wir haben unsere Produktionsemissionen bis 2023 um 18 % reduziert (mit Überprüfung durch Dritte)“ ✔
• 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 klaren Umfang (es ist klar, was wann mit was verglichen wird). „Wir haben die Produktionsemissionen bis 2023 um 18 % reduziert (mit Überprüfung durch Dritte)“ weist diese drei Merkmale auf. Formulierungen wie „umweltfreundlich“, „natürlich“, nicht zertifiziert „kohlenstoffneutral“ sind nicht quantifizierbar oder unbegründet und bergen das Risiko von Greenwashing.

14. Was sollte getan werden, bevor nicht offengelegte Produktions- und Emissionsdaten einer Anlage zur Analyse in ein öffentlich verfügbares KI-Tool eingefügt werden?

• A) Einfügen der Daten unverändert; Umweltdaten sind immer öffentlich verfügbar
• B) Geben ohne Vorkehrungen, da die Verantwortung auf den Anbieter der künstlichen Intelligenz übergeht
• C) Das Risiko besteht einfach in einer Fehleinschätzung; Eine Geheimhaltungsmaßnahme ist nicht erforderlich
• D) Klassifizierung von Daten als frei/intern/vertraulich und Anonymisierung vertraulicher Daten oder Verwendung von Unternehmenstools ✔

Offenlegung: Produktions- und Emissionsdaten auf Anlagenebene können Geschäftsgeheimnisse sein; Finanz-/Umweltdaten, die noch nicht offengelegt wurden, könnten gegen die Offenlegungsvorschriften verstoßen; Mitarbeiterstandort-/Gehaltsdaten sind personenbezogene Daten im Sinne der KVKK/DSGVO. Bevor diese Art von Daten an ein offenes Tool weitergegeben werden, ist es notwendig, diese als frei/intern/vertraulich zu klassifizieren, sie gegebenenfalls zu anonymisieren oder ein unternehmenseigenes (datenfreies) Tool zu verwenden. „KI sagte“ ist keine Verteidigung; Die Verantwortung liegt bei der Institution und der Person, die sie genehmigt.