Gewinne:
- Möglichkeit zur Festlegung von Scope 3 durch Priorisierung von Lieferanten basierend auf Ausgaben und Risikoniveau und Unterscheidung zwischen tatsächlichen Daten und Proxy-Schätzungen
- Wenn Sie Risikosignale von Lieferanten mit künstlicher Intelligenz kennzeichnen, behandeln Sie diese als „zu untersuchende Signale“ und nicht als Beweismittel
- Fähigkeit, schwerwiegende Menschenrechts-/Umweltansprüche durch einen Due-Diligence-Prozess zu bewältigen, der Feldinspektionen und rechtliche Bestätigung erfordert
Für die meisten Unternehmen liegt der größte Teil ihrer Nachhaltigkeitswirkung nicht in ihrer eigenen Fabrik, sondern in ihrer Lieferkette. Mehr als 80 Prozent des CO2-Fußabdrucks einer Bekleidungsmarke können von ihren Lieferanten stammen, vom Stoffhersteller bis zum Versand. Ebenso treten die schwerwiegendsten sozialen Risiken wie Kinderarbeit, Zwangsarbeit und Umweltverstöße häufig tief in der Lieferkette auf. In dieser Einheit erfahren Sie, wie Sie mithilfe künstlicher Intelligenz (KI) Lieferkettendaten sammeln, auswerten und auf Risiken prüfen.
Lassen Sie uns zwei Konzepte klären. Wie wir in der vorherigen Einheit gesehen haben, handelt es sich bei Scope 3 um die indirekten Emissionen in der Wertschöpfungskette des Unternehmens und ist im Allgemeinen der größte, aber am schwierigsten zu messende Posten. Unter Due Diligence versteht man den Prozess der Identifizierung, Vermeidung und Behebung von Menschenrechts- und Umweltrisiken in der Lieferkette eines Unternehmens. Vorschriften wie die CSDDD (Corporate Sustainability Due Diligence Directive) der EU machen dies für große Unternehmen verpflichtend.
Die größte Herausforderung bei Lieferkettendaten
Sie können die Daten Ihrer eigenen Einrichtung messen; Aber man kann die Daten von Hunderten von Lieferanten nicht direkt messen, man muss sie fragen. Dadurch entstehen drei Probleme:
- Daten kommen nicht an oder sind unvollständig. Die meisten kleineren Lieferanten führen keine CO2-Daten.
- Die Daten sind unzuverlässig. Wenn ein Lieferant eine Selbstauskunft gibt, kann es zu Über- oder Unterauskünften kommen.
- Eine Schätzung (Proxy) ist erforderlich. Wenn keine tatsächlichen Daten verfügbar sind, wird der Branchendurchschnitt oder eine ausgabenbasierte Schätzung verwendet.
Hier hilft KI auf zwei Arten: (1) schnelle Erstellung von Umfragen und Follow-up-Briefen, die an Hunderte von Lieferanten gesendet werden, (2) Strukturierung vereinzelter Antworten und Kennzeichnung von Risikosignalen. Aber keine vom Lieferanten angegebene Zahl wird überprüft, kein Risikosignal wird ohne menschliche Überprüfung geschlossen.
Scope-3-Kategorie (Beispiel)
Datenquelle
Typische Methode
Gekaufte Waren/Dienstleistungen
Lieferantenbefragung/Ausgaben
Echte Daten > Proxy
Versand und Vertrieb
Trägeraufzeichnungen
Abstand × Belastung × Faktor
Geschäftsreisen
Reisesystem
Km/Flug × Faktor
Verwendung des verkauften Produkts
Produktenergiedaten
Nutzungsmodell
Verschwendung
Dokumente zur Abfallübernahme
Menge × Faktor
Tipp: In Scope 3 ist die „ausgabenbasierte“ Schätzung (so viel CO₂e pro ausgegebenem 1.000 US-Dollar) ein schneller, aber grober Anfang. Wenn ein Lieferant echte Daten bereitstellt, nutzen Sie diese; Die ausgabenbasierte Schätzung ist nur vorläufig, wenn keine tatsächlichen Daten vorliegen, und sollte im Bericht als „Schätzung/Proxy“ gekennzeichnet werden.
Schritt für Schritt: Supply-Chain-Workflow mit KI
1. Priorisieren Sie Lieferanten. Sie können nicht alle Hunderte von Lieferanten in der gleichen Tiefe untersuchen. Konzentrieren Sie sich auf diejenigen mit hohem Ausgabenvolumen und hohem Risiko (Branche, Land). Mit dieser Priorisierung kann KI einen Listenentwurf erstellen.
2. Entwurf einer Umfrage und Anfrage. Bitten Sie AI um einen klaren, leicht auszufüllenden Überblick über die Umfrage zu Lieferantendaten.
3. Konfigurieren Sie die eingehenden Daten. Tragen Sie die Antworten in verschiedenen Formaten in einer einzigen Tabelle ein. Markieren Sie die fehlenden Teile.
4. Suchen Sie nach Risikosignalen. Lassen Sie die KI „rote Flaggen“-Kandidaten in öffentlichen Nachrichten, Verstößen gegen Aufzeichnungen und Unstimmigkeiten bei Umfragen finden; Aber der Mensch überprüft jedes Signal.
5. Aktion und Verfolgung. Erstellen Sie einen Korrekturmaßnahmen- und Folgeplan für Hochrisikolieferanten. Dokumentieren Sie den Prozess.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Berechnen Sie den CO2-Fußabdruck unserer Lieferanten.
Keine Datenquelle, keine Echt-/Proxy-Unterscheidung und keine Verifizierung; KI bildet Lieferantenzahlen.
Kraftvolle Aufforderung:
Ihre Rolle: Nachhaltigkeitsanalyst der Lieferkette. Eingabe: 15 Lieferantennamen, Branche, jährliche Ausgabensumme und die von ihnen bereitgestellten tatsächlichen Emissionsdaten (falls vorhanden). Aufgabe: 1) Wer echte Daten bereitstellt, nutzt diese Daten. 2) Für diejenigen, die keine echten Daten haben, schreiben Sie „Ausgabenbasierter PROXY erforderlich“ und passen Sie die Zahl NICHT an. Geben Sie an, welcher Faktor aus einer offiziellen Quelle bezogen werden soll.3) Priorisieren Sie Lieferanten in Branchen mit hohen Ausgaben und hohem Risiko.Ausgabe: Tabelle (Lieferant | Branche | Ausgaben | Datentyp[tatsächlich/Proxy] |Priorität | Hinweis). Proxy-Nummern werden im Bericht markiert.
Aufforderung zur Lieferantenrisikoprüfung
Richten Sie ein Gerüst zur Risikoüberprüfung für die folgende Lieferantenliste ein. Bewerten Sie jeden Lieferanten (nur auf der Grundlage der von mir bereitgestellten Informationen, öffentliche Behauptung FALSCH): – Mögliches Menschenrechtsrisiko durch Land/Branche (hoch/mittel/niedrig) – Mögliches Umweltrisiko – Inkonsistenz bei der Umfrageantwort/WarnhinweisenRegel: Fügen Sie für jedes Risiko den Hinweis „Überprüfung erforderlich – keine Quelle“ hinzu; Machen Sie keine definitiven Anschuldigungen, schlagen Sie lediglich Signale zur Untersuchung vor.Liste: [LIEFERANTEN]
Mit der folgenden Eingabeaufforderung wird eine Datenanforderungsumfrage entworfen, die an Lieferanten gesendet werden soll.
Ihre Rolle: Spezialist für Nachhaltigkeitsbeschaffung. Aufgabe: Entwurf einer ESG-Datenumfrage mit nicht mehr als 10 Fragen, die kleine/mittlere Lieferanten problemlos beantworten können. Dazu gehören: Energieverbrauch, Kraftstoffart, Abfall, Anzahl der Arbeitsunfälle, Einsatz von Zwangs-/Kinderarbeit. Ton: einfach, klar, leicht zu vervollständigen; Fügen Sie jeder Frage Einheiten und Beispiele hinzu.
Achtung: Lassen Sie KI kein Risikosignal über den Lieferanten überprüfen (z. B. „Kinderarbeit“) und verwenden Sie niemals eine von KI generierte Behauptung als Beweis. Solch schwerwiegende Behauptungen werden nur durch zuverlässige Quellen, Feldbesichtigungen und rechtliche Verfahren bestätigt. KI erzeugt lediglich ein „zu untersuchendes Signal“; urteilt nicht.
drei Mini-Koffer
Fall 1 – Ehrlicher Einsatz von Proxy. Nur 30 der 200 Lieferanten eines Möbelherstellers lieferten tatsächliche CO2-Daten. Für die restlichen 170 verwendete das Team einen ausgabenbasierten Proxy, im Bericht heißt es jedoch eindeutig: „65 % von Scope 3 sind eine ausgabenbasierte Schätzung.“ Der Abschlussprüfer hat diese Ehrlichkeit anerkannt; Wäre es verschwiegen worden, wäre die Zusicherung möglicherweise verweigert worden.
Fall 2 – Priorisierung. Ein Lebensmittelunternehmen hatte 480 Lieferanten. KI zeigte, dass 80 % der Ausgaben auf 40 Lieferanten konzentriert waren. Das Team konzentrierte den Deep Dive auf diese 40; Es wurden keine Ressourcen verschwendet und die Lieferanten mit den größten Auswirkungen wurden mit realen Daten gemeldet.
Fall 3 – Gefahr falscher Anschuldigungen. AI hat einen Lieferanten als „mögliche Zwangsarbeit“ gekennzeichnet; Der Grund war nur der Bundesdurchschnitt. Das Team akzeptierte dies als „zu untersuchendes Signal“ und nicht als Beweis und forderte eine Feldinspektion. Bei der Inspektion wurden keine Probleme festgestellt; Würde das Signal der KI als Beweismittel verwendet, entstünden eine unfaire Anschuldigung und ein rechtliches Risiko.
Häufige Fehler
- Akzeptieren von Lieferantendaten ohne diese zu überprüfen. Die Selbstauskunft von Lieferantendaten erfordert eine Gegenprüfung.
- Den Proxy ausblenden. Die Verwendung ausgabenbasierter Prognosen ist in Ordnung; Bei der Prüfung stellt die Nichtangabe ein Problem dar.
- Alle Lieferanten gleichermaßen prüfen. Die Beschaffung sollte sich auf Lieferanten mit hohen Ausgaben und hohem Risiko konzentrieren.
- Das KI-Signal mit Beweisen verwechseln. Behauptungen über Menschenrechts-/Umweltverletzungen werden durch die Praxis und das Gesetz überprüft, nicht durch KI.
- Scope 3 wird komplett übersprungen. Die größte Auswirkung ist normalerweise hier; Es kann nicht mit der Begründung ignoriert werden, dass es „schwer zu messen“ sei.
Zusammenfassend
In der Lieferkette verbirgt sich für die meisten Unternehmen der größte ökologische und soziale Einfluss. Hier konzentrieren sich Scope-3-Emissionen und Due-Diligence-Risiken. KI; Es ist ein leistungsstarkes Hilfsmittel bei der Priorisierung von Lieferanten, der Erstellung von Umfragen, der Strukturierung verstreuter Antworten und der Kennzeichnung von Risikosignalen. Lieferantendaten werden jedoch erst dann in den Bericht aufgenommen, wenn sie überprüft wurden, die Vollmachten eindeutig benannt wurden und schwerwiegende Vorwürfe durch eine Inspektion vor Ort bestätigt wurden. KI erzeugt Signale; Der Mensch übernimmt das Urteil und die Verantwortung.
Anwendungsaufgabe
Erstellen Sie eine Liste mit 10 fiktiven Lieferanten mit Namen, Branche und Jahresausgaben. Fügen Sie einigen die tatsächlichen Emissionsdaten hinzu, lassen Sie die meisten leer. Bitten Sie die KI über die leistungsstarke Eingabeaufforderung oben um eine Tabelle mit Priorisierung und Datentyp. Dann: (1) überprüfen, ob die Anzahl der Lieferanten, die einen Stellvertreter benötigen, nicht übersteigt, (2) die drei Lieferanten mit der höchsten Priorität mit Begründung auswählen, (3) eine kurze Datenumfrage entwerfen, um sie an sie zu senden.
Checkliste
- [ ] Ich habe Lieferanten nach Ausgaben und Risikoniveau priorisiert.
- [ ] Ich habe echte Daten verwendet; Für diejenigen, die es nicht haben, habe ich den Proxy markiert.
- [ ] Ich habe die Lieferantendaten nicht so wie sie sind, sondern durch Gegenprüfung ausgewertet.
- [ ] Ich betrachtete die Risikosignale als „zu prüfen“ und habe sie nicht als Beweismittel herangezogen.
- [ ] Ich habe einen Vor-Ort-Prüfungs-/Rechtsüberprüfungsschritt für schwerwiegende Ansprüche geplant.
- [ ] Ich habe Scope 3 nicht übersprungen; Umfang und Schätzsatz habe ich im Bericht angegeben.
- [ ] Ich habe den gesamten Prozess mit einem Due-Diligence-Dokument dokumentiert.