Künstliche Intelligenz und Nachhaltigkeit

Das Wichtigste auf einen Blick

• KI-Tools können bei der ESG-Berichterstattung und Implementierung helfen,
• ESG-Berichtserstellung, Klimabilanzierung und Recherchen können Anwendungsfälle sein,
• pragmatische Anwendung schafft Effizienzen – eine Kontrolle der Ergebnisse ist unabdingbar, auch, um etwaigen Prüfungsanforderungen gerecht zu werden.

Artikel als PDF

Lesezeit ca. 7 Minuten

KI-Tools können bei der Nachhaltigkeitsberichterstattung und im Klimadatenmanagement von Unternehmen genutzt werden, da diese Bereiche zunehmend an Komplexität gewinnen. KI-gestützte Anwendungen können den Aufwand durch automatisierte Datenerhebung, standardisierte Berechnungen nach Greenhouse Gas (GHG)-Protocol und den Abgleich in Bezug auf Vollständigkeit gegenüber den Datenpunkten der European Sustainability Reporting Standards (ESRS) reduzieren. Zugleich entstehen aber auch Risiken (Transparenz, Datenqualität, Modellfehler), die sich unmittelbar auf die Prüfungsfähigkeit auswirken. Zugleich entstehen aber auch Risiken (Transparenz, Datenqualität, Modellfehler), die sich unmittelbar auf die Prüfungsfähigkeit auswirken.

KI-Tools können dabei helfen, die Ressourcenallokation des ESG-Managements zu optimieren. Anwendungsbeispiele sind: Wesentlichkeitsanalyse, Datenanalyse, Berichtserstellung, Vollständigkeitsprüfung, Fehlererkennung und Energiedatenumrechnung. KI-Ergebnisse sollten kontrolliert und nachvollziehbar dokumentiert werden.

ESG-Berichterstattung nach ESRS

Eine ESG-Wesentlichkeitsanalyse steht zumeist am Anfang einer jeden ESG-Reise in Unternehmen. KI-Tools können im Rahmen dessen bei der Branchen- und Umfeldanalyse sowie bei der Identifizierung von Auswirkungen, Chancen und Risiken helfen. Hierfür können externe und interne Quellen herangezogen werden. Dabei durchsuchen KI-Tools z. B. verfügbare und relevante Richtlinien, Verträge, Studien, Brancheninformationen, Fachartikel oder Lieferanten- und Kundendokumente. Ein weiterer Anwendungsfall ist die Identifizierung von relevanten Stakeholdern. Vorhandene ESG-Berichte von Kunden und Mitbewerbern können hierfür als erste Quellen dienen. 

Wenn alle Informationen, auch mithilfe von KI-Tools, priorisiert und analysiert wurden, können KI-Tools auch beim Zusammenfassen und Schreiben von Prozessbeschreibungen helfen. Wichtig hierbei ist, dass alle Zwischen- und Endergebnisse durch einen ESG-Experten auf Vollständigkeit und Plausibilität überprüft werden.

ESG-Berichterstattung nach Voluntary small-medium-sized Enterprises (VSME)-Standard 

Der VSME-Standard bietet kleinen und mittelgroßen Unternehmen einen vereinfachten, modularen Einstieg ohne doppelte Wesentlichkeitsanalyse. KI kann bei der Vorstrukturierung von Inhalten, automatischen Modulzuordnungen und durch Konformitäts-Checks helfen.  

Grenzen: Der VSME-Standard ist nicht voll anschlussfähig an die ESRS. Auch KI-Tools kommen nach aktuellem Stand an ihre Grenzen, wenn es um eine vollständige Überleitung hin zur ESRS geht. Sowohl die fehlende Wesentlichkeitsanalyse und auch das Fehlen einiger ESG-Themen im Vergleich zum ESRS verdeutlichen diesen Umstand. Dennoch ist der VSME ein guter Einstieg in die ESG-Berichterstattung. Für Unternehmen mit wachsendem ESG-Druck empfiehlt sich daher auch eine frühzeitige ESRS-Orientierung mit parallelem Blick auf die Datenpunkte des Standards.

KI in der Klimabilanzierung (GHG Protocol / ESRS E1) 

Die Energiedatenerhebung ist oftmals die erste große Hürde bei der Erstellung einer Klimabilanz. KI-Tools können hier bei der Datensortierung und -erfassung, z. B. Auswertung von Energieabrechnungen, Transport- und Einkaufsdaten, aushelfen. Zudem kann KI bei der Umrechnung von Energiedaten in CO2e-Daten helfen, wenn z.B. die Energiedaten automatisiert mit Emissionsfaktoren verbunden werden und gleichzeitig die GHG Protocol-Methodik angewendet werden soll. Dies kann insbesondere bei Unternehmen sinnvoll sein, die sehr komplexe und unterschiedliche Energieträger nutzen. 

Weitere Anwendungsfälle für KI-Tools sind Dekarbonisierungspfade (z. B. interner CO₂-Preis, Fuhrparkumstellung) sowie Klima- und Resilienzanalysen. Vorteile der KI-Anwendung sind deutliche Zeitersparnisse und ggf. geringere Fehlerquoten. Risiken bestehen bei etwaigen Fehlzuordnungen oder unplausiblen Annahmen.

Prüfungsrelevanz (Wirtschaftsprüfung) 

Wenn ESG-Berichte eine Wirtschaftsprüfung durchlaufen, gilt es auch bei der Ergebnisdokumentation auf etwaige Fallstricke zu achten. Grundsätzlich ist zu empfehlen, dass jedes Ergebnis aus der KI-Anwendung durch entsprechende  Unternehmensverantwortliche auf Existenz, Plausibilität, Genauigkeit und Vollständigkeit überprüft wird. Denn u.a. diese Aspekte sind Grundlagen einer externen Prüfung.  
In der Praxis ist regelmäßig festzustellen, dass Prozesse rund um die Anwendung von KI-Tools teilweise oder gar nicht nachvollzogen werden können oder Zwischenergebnisse nicht dokumentiert werden. Aus Sicht der prüfenden Person ist davon auszugehen, dass ein ESG-Berichtsverantwortlicher Abläufe vollständig belegen muss – auch wenn diese mithilfe einer KI durchgeführt wurden. Denn auch hier gilt der Grundsatz: Wenn ein Vorgang nicht nachvollziehbar dokumentiert ist, existiert er nicht. Hier besteht das Risiko, dass die ESG-Prüfung nicht ohne Einschränkungen abgeschlossen werden kann. 

Mit KI zu belastbaren ESG-Prozessen und echtem Mehrwert

KI kann ESG-Prozesse im Mittelstand erheblich beschleunigen – von der Wesentlichkeitsanalyse über ESRS, VSME bis zur Klimabilanz. Auch so kann die Schaffung von Mehrwerten beschleunigt werden. Wer Effizienz mit Governance, Datenqualität und Prüfbarkeit verbindet, schafft sowohl regulatorische Sicherheit als auch echten strategischen Mehrwert. Vorsicht ist bei der Vorbereitung von externen Prüfungen geboten. Hier bestehen Fallstricke, falls die Dokumentation nicht den Anforderungen eines Wirtschaftsprüfers genügt.