Von der Forschung zur verantwortungsvollen Verwaltung: Der nächste Schritt für KI im Bereich verantwortungsbewusster Investitionen

Auf einer der weltweit größten jährlichen Veranstaltungen zum Thema verantwortungsbewusstes Investieren, der „PRI in Person“, haben wir eine Gruppe institutioneller Anleger gefragt, wo sie das größte Potenzial für KI und alternative Daten sehen. „Stewardship“ und „Engagement“ lagen mit 71 % an erster Stelle, gefolgt von der Portfoliorisikoanalyse mit 55 % und dem Screening mit 52 %.

Damit hatte ich nicht gerechnet. Die Diskussion über KI im Bereich verantwortungsbewusster Investitionen hat sich bislang vor allem auf die Bereiche Recherche, Screening und Portfoliozusammenstellung konzentriert, und genau dort sind die entsprechenden Tools am weitesten fortgeschritten. Das aktive Eigentum lag ohnehin an erster Stelle, was darauf hindeutet, wo noch Spielraum besteht. Das passt zur Stimmung dieser Woche in Amsterdam, wo die diesjährige PRI-Jahreskonferenz fast 2.000 Teilnehmer versammelte.

Investoren stehen zunehmend unter dem Druck, nachzuweisen, was ihr Engagement bewirkt, anstatt nur anzugeben, wie viele Treffen sie abgehalten haben – und genau das ist ein Messproblem, für das sich KI recht gut eignet.

Die entsprechenden Funktionen gibt es bereits. Wir haben sie entwickelt, um Unternehmensmitteilungen auszulesen und Nachrichtenberichte zu scannen, denn dort lagen die Daten und dort bestand der ursprüngliche Bedarf. Was Investoren nun von uns erwarten, ist , dass wir sie den Rest des Weges begleiten, damit der Prozess durchgängig abläuft und nicht bereits bei der Analyse endet.

Was KI benötigt, um diese Aufgabe erfolgreich zu bewältigen, haben wir in der Podiumsdiskussion erörtert, an der ich im Rahmen der Veranstaltung „PRI in Person“ teilgenommen habe: „Die nächste Generation der Investment-Intelligence: Alternative Daten und KI-Analysen effektiv nutzen.“ Mit mir auf dem Podium saßen James Phare von Neural Alpha, Professor Peter Schwendner von der ZHAW und PanGeo Nature Risk sowie Tim Verheyden von Goldman Sachs Asset Management.

Welchen Mehrwert bieten unstrukturierte Daten für einen Anlageprozess?

Bei der Vorbereitung auf die Sitzung habe ich versucht, darzulegen, welchen Mehrwert unstrukturierte Daten potenziell für einen Anlageprozess bieten können. Dabei habe ich sechs Vorteile ermittelt, die sich praktischerweise zu dem Wort „MOSAIC“ zusammenfügen lassen.

• Vielfalt eröffnet Ihnen Perspektiven, die die Sichtweise der Unternehmensleitung ergänzen oder hinterfragen.
• Originalität liefert dir Hinweise, die über die Beweise hinausgehen, auf die sich alle anderen bereits stützen.
• Durch die Spezifität erhalten Sie detaillierte Informationen zu Vermögenswerten und Aktivitäten, die in Kennzahlen auf Unternehmensebene nicht erfasst werden.
• Die Verfügbarkeit füllt Lücken dort, wo die Offenlegung lückenhaft ist, was nun, da der Anwendungsbereich der CSRD eingeschränkt wurde, umso wichtiger ist.
• Durch die Unmittelbarkeit werden Daten außerhalb des Jahreszyklus bereitgestellt, indem Informationen aus Quartalskonferenzen oder Satellitendaten gewonnen werden.
• Der Kontext erklärt, warum sich eine Kennzahl verändert hat und ob das Problem wiederholt auftritt.

Welche davon Sie benötigen, hängt natürlich von der ursprünglichen Anlagefrage ab und davon, mit welchem unstrukturierten oder alternativen Datensatz Sie arbeiten. Es handelt sich hierbei um potenzielle Vorteile und nicht um eine Checkliste, die für jeden Datensatz gilt. So können beispielsweise Satellitenbilder unmittelbare Details zu einem bestimmten Vermögenswert liefern, während Medienberichte dabei helfen können, aufkommende Kontroversen zu identifizieren, die von der Darstellung der Unternehmensleitung abweichen. Entscheidend ist, ob die Quelle zur Beantwortung der Anlagefrage beiträgt.

Was unstrukturierte Daten Anlegern verraten können

Zwei unserer eigenen Forschungsarbeiten vermitteln einen Eindruck davon, wie dies in der Praxis aussieht.

Zunächst haben wir mithilfe von KI Text- und quantitative Daten aus den Unternehmensveröffentlichungen von 900 Firmen in emissionsintensiven Branchen extrahiert, die über „grüne“ Investitionsausgaben berichten. Unternehmen mit Zielen, die auf 2 °C oder weniger ausgerichtet sind, investierten durchschnittlich 27 % ihrer Investitionsausgaben in grüne Projekte, gegenüber 25 % bei Unternehmen ohne festgelegtes Ziel . Die Ambition der Ziele allein sagt weniger darüber aus, wohin das Kapital fließt, als man vielleicht annehmen würde.

Im zweiten Schritt nutzten wir Methoden der natürlichen Sprachverarbeitung, um Nachhaltigkeitskontroversen in der Berichterstattung zu identifizieren, und untersuchten anschließend mehr als 12.000 Vorfälle. Die geschätzte sechsmonatige Underperformance gegenüber vergleichbaren Unternehmen reichte von etwa 2 % bei Vorfällen mit geringer Schwere bis zu 5 % bei Vorfällen mit hoher Schwere.

Die Studien befassen sich mit unterschiedlichen Anlagefragen. Die CapEx-Analyse untersucht, ob sich die Klimaziele in der Kapitalallokation widerspiegeln; die Studie zu Kontroversen beleuchtet den Zusammenhang zwischen Nachhaltigkeitsvorfällen und der anschließenden Kursentwicklung.

Beide zeigen, wie unstrukturierte Daten Anlegern helfen können, Annahmen zu überprüfen und Fragen zu identifizieren, die sie den Unternehmen stellen sollten. Diese Studien sind im Bereich der Recherche und des Screenings angesiedelt, da die Arbeit dort geleistet wurde. Der nächste Schritt, den Anleger nun anstreben, besteht darin, diesen Evidenzstandard in ihre Gespräche mit den Unternehmen zu übertragen.

Genau dafür wurde unsere „Climate Intelligence“-Lösung entwickelt, die von unseren neuen Kollegen bei Glass Lewis konzipiert wurde. Sie kombiniert Offenlegungen, KI-gestützte Analysen und fachkundige Methodik, um die Transformationsstrategie und deren Umsetzung zu bewerten, und wandelt die Ergebnisse in konkrete Fragen um, die an die Unternehmensleitung gerichtet werden können.

KI-Gestaltung und -Steuerung im Bereich verantwortungsbewusster Investitionen: Was dafür nötig ist

Zunächst einmal sollten Sie mit einem klaren Investitionsziel beginnen: Welche Entscheidung möchten Sie damit treffen oder was möchten Sie erreichen? Dieses Ziel sollte die Auswahl der Daten und Werkzeuge leiten. Leider beobachte ich immer noch, dass sich viele Akteure von KI begeistern lassen und direkt mit dem Werkzeug beginnen. Kein Wunder, dass so viele KI-Projekte offenbar nicht die erwarteten Ergebnisse liefern!

Ebenso wichtig ist, dass zur Erreichung dieses Ziels drei Schlüsselkompetenzen zusammenwirken müssen:

• Qualitativ hochwertige Datensätze, die für die Fragestellung relevant sind, eine ausreichende Abdeckung aufweisen und aus zuverlässigen Quellen stammen.
• Fachwissen im Bereich Nachhaltigkeit, um zu ermitteln, worauf es ankommt, und die Fakten im Kontext zu interpretieren.
• KI- und Technologiekompetenzen zur Entwicklung, zum Testen und zur Überwachung der Tools, die zur Gewinnung und Analyse dieser Beweise eingesetzt werden.

Letztendlich funktioniert das Ergebnis, solange die Governance das gleiche Gewicht hat, und ich würde dies unter vier Säulen zusammenfassen:

1. Integrität umfasst die Art und Weise, wie Daten beschafft und gesichert werden, sowie Fragen des Urheberrechts, der Zuverlässigkeit und der Voreingenommenheit.
2. Bei der Genauigkeit geht es darum, ob das Modell die richtigen Informationen extrahiert hat und ob diese mit den Definitionen, Anwendungsbereichen und Zeiträumen übereinstimmen, mit denen Sie arbeiten.
3. Transparenz bedeutet, dass die Quellen, Methoden und Annahmen ersichtlich sind, einschließlich der Fälle, in denen es sich bei einer Zahl um eine Schätzung handelt.
4. Durch die Rechenschaftspflicht wird klargestellt, wer für einzelne analytische Entscheidungen verantwortlich ist, wer den Prozess überwacht und wer für das System als Ganzes verantwortlich ist. Diese Verantwortlichkeiten können sich auf Teams aus den Bereichen Investment, Nachhaltigkeit und Technologie sowie auf externe Dienstleister verteilen. Sie müssen klar definiert sein, einschließlich der Frage, wer ein Ergebnis hinterfragen oder das System ändern darf.

Diese Aufgabenteilung gilt auch dann, wenn ein Dienstleister ausgewertete Daten, analytische Bewertungen oder beides bereitstellt. Der Dienstleister ist für die von ihm erbrachten Leistungen verantwortlich, während der Investor weiterhin die Verantwortung dafür trägt, wie diese Ergebnisse genutzt werden und welche Investitions- oder Verwaltungsentscheidungen daraus resultieren . Die Entscheidung sollte stets beim Investor liegen.

KI-Kompetenzen selbst aufbauen oder zukaufen? Zunehmend beides

Die Forschungsergebnisse von Prof. Dr. Peter Schwendner zeigen, wie weit Open Data mittlerweile reicht. Sein Team untersuchte Absetzbecken aus einem gesamten Portfolio anhand öffentlich zugänglicher globaler Datensätze zu Höhenangaben, Flussverläufen und Bevölkerungszahlen – ganz ohne Angaben der Unternehmen – und stellte fest, dass die Größe eines Absetzbeckens die Folgen eines Dammbruchs weitaus weniger gut vorhersagt als die Anzahl der Menschen, die flussabwärts leben.

Auch intern beschäftigen sich Investoren mit dieser Art von Fragen, einschließlich der finanziellen Auswirkungen physischer Klimarisiken und Anpassungsmaßnahmen. Die Datenerhebung und Modellierung sind längst nicht mehr ausschließlich die Domäne von Dienstleistern. Dennoch berichteten Investoren auf der Konferenz, dass etwa 80 % bis 90 % dieser Erkenntnisse nach wie vor über einen Dienstleister an die Investoren gelangen, und spezialisierte Partner spielen nach wie vor eine wichtige Rolle.

Wo eine Organisation diese Grenze zieht, wird von Fall zu Fall unterschiedlich sein. Was jedoch nicht variieren sollte, ist der dahinterstehende Beschaffungsprozess, der die Daten, das Fachwissen und die KI-Governance aller beschafften Produkte überprüfen muss.

Wie es mit KI im Bereich verantwortungsbewusster Investitionen weitergeht

Der Vorteil in Bezug auf die Geschwindigkeit liegt auf der Hand: vertraute Arbeit, die schneller und kostengünstiger erledigt wird. Mich interessiert eher der zweite Aspekt, nämlich zu erkennen, was uns sonst durch eine umfassendere Betrachtung und die Verknüpfung verschiedener Erkenntnisse entgehen würde. Die Datenverarbeitung wird immer einfacher, während fehlende Erkenntnisse und Unsicherheiten bestehen bleiben – daher gewinnen Urteilsvermögen und Interpretation nur noch mehr an Wert.

Die entsprechenden Möglichkeiten sind weitgehend vorhanden. Bislang wurden sie vor allem auf die Prozessschritte ausgerichtet, die sich am einfachsten automatisieren ließen. Wendet man sie auf die Unternehmensführung an, müssen die Nachweise denselben Standard erfüllen – nur in anderer Form. Da sie mit dem betreffenden Unternehmen besprochen werden, müssen sie konkret genug sein, um Nachfragen zu ermöglichen, und sie müssen dokumentiert werden, damit die Verpflichtungen des letzten Jahres neben denen des laufenden Jahres stehen können.

Dieses Produkt ist schwieriger zu entwickeln und auch schwieriger zu bewerten. Der Publikumsumfrage in Amsterdam nach zu urteilen, ist es genau das, was Investoren sich wünschen.