Wird in einem neuen Tab geöffnet
Clarity AI und Glass Lewis bündeln ihre Kräfte
KI, Datenabdeckung, Einhaltung von Vorschriften, TechnologieArtikel

Wie maschinelles Lernen die Abdeckung von Nachhaltigkeitsdaten erweitern kann

Veröffentlicht: Januar 8, 2022
Geändert: August 13, 2025

Verwendung von Schätzungsmodellen zur Verbesserung der Nachhaltigkeitsberichterstattung

Die mangelnde Datenabdeckung ist eine große Hürde, die durch den Einsatz von maschinellem Lernen überwunden werden kann. Heute melden 80 % der börsennotierten Unternehmen nicht die erforderlichen Nachhaltigkeitsdaten. Das bedeutet, dass ungeachtet der Probleme mit der Verlässlichkeit nur 20 % der börsennotierten Unternehmen umfassende Daten zur Nachhaltigkeit als Grundlage melden. Viele Anbieter können dann unvollständige oder fehlende Informationen nachliefern, was es schwierig macht, konsistente Bewertungen für alle Unternehmen zu erstellen, und möglicherweise zu einer Verzerrung der Bewertungen zugunsten von Unternehmen führt, die selektiv Daten offenlegen, indem sie Daten zu Indikatoren weglassen, bei denen sie im Rückstand sind. Aus diesem Grund nutzt Clarity AI verfügbare Unternehmensinformationen und Algorithmen des maschinellen Lernens, um die Informationslücken zu schließen und ein möglichst vollständiges Bild zu erhalten.

Geografisch gesehen ist Europa Vorreiter bei den nationalen Vorschriften zur Berichterstattung über den Klimawandel für Unternehmen, was sich in der höchsten Abdeckung der Treibhausgasberichterstattung unter den großen Weltregionen niederschlägt. In der Zwischenzeit bereitet die US-Börsenaufsichtsbehörde (Securities and Exchange Commission) eine spezielle Verordnung zur Klimaberichterstattung für das Jahr 2022 vor. Es ist zu erwarten, dass die Berichterstattung in Nordamerika in den nächsten Jahren zu der in Europa aufschließen wird.

Berichterstattung über Treibhausgasemissionen, nach Region

Clarity AISchätzungsmodelle

Eine Anwendung des maschinellen Lernens sind unsere Schätzungsmodelle. Das den Modellen zugrunde liegende Prinzip besteht darin, herauszufinden, wie Nachhaltigkeitsleistungskennzahlen aus anderen Unternehmensmerkmalen abgeleitet werden können. Eine breite Palette von Datenquellen und Merkmalen (Informationen über die Organisation) wird als Input für die Schätzmodelle verwendet, darunter zum Beispiel:

  • In welcher Branche sind Sie tätig?
  • Welche Arten von Produkten und Dienstleistungen verkaufen Sie?
  • Sind Sie ein Hersteller?
  • Wo stellen Sie Ihre Produkte her? - Wo verkaufen Sie Ihre Produkte?
  • Wie hoch sind Ihre Arbeitskosten?
  • Welche anderen Umweltmerkmale können mit der interessierenden Kennzahl korreliert sein? (Dies hängt von der Metrik ab.)
Flussdiagramm des Prozesses des Schätzungsmodells Clarity AI

Die wichtigsten Unterscheidungsmerkmale der Methodik von Clarity AIsind die Schätzung der Intensität der Kennzahl, die Verwendung von Holdout-Daten zur Prüfung der Vorhersagegenauigkeit des Modells und die Berücksichtigung von nichtlinearen Effekten und Wechselwirkungen. Diese sind entscheidend für die Schätzung bestimmter Nachhaltigkeitskennzahlen wie CO2-Emissionen.

Datenerfassung durch PAI

Hier finden Sie den vollständigen Bericht

Forschung und Einblicke

Aktuelle Nachrichten und Artikel

Einblicke in den Markt

Wie können institutionelle Anleger das Engagement ihres Portfolios in Konfliktgebieten bewerten? 

Anleger stehen unter zunehmendem Druck, zu verstehen, inwiefern ihre Portfolios mit Konfliktgebieten und Hochrisikogebieten verbunden sind. Dennoch sind Daten zum Engagement von Unternehmen, die sowohl unabhängig als auch transparent genug sind, um ihnen vertrauen zu können, nach wie vor schwer zu finden. In diesem Webinar stellen wir unsere CAHRAs-Lösung vor, die wir gemeinsam mit Vermögensinhabern aus ganz Europa entwickelt haben. Sie wurde konzipiert, um institutionellen…

AI

Gleiches Gehirn, anderes Logo: Das verborgene Risiko der KI auf den Finanzmärkten

Mittlerweile erkennen die meisten Menschen eine von einer KI verfasste E-Mail auf den ersten Blick: den übermäßig häufigen Gebrauch des Gedankenstrichs oder den Hinweis „Hier ist eine menschlichere Version“, den jemand vergessen hat zu löschen, bevor er auf „Senden“ geklickt hat. An der Wall Street ist das schwerwiegendere Problem schwerer zu erkennen, da es in der Argumentation liegt. Und wenn diese Argumentation darüber entscheidet, wohin Kapital fließt, dann …

KI, Markteinblicke

KI-Risiken und -Chancen in Einklang bringen: Eine Gesamtbewertung für Anleger

Das S-1-Dokument von Anthropic fasst Risiken und Chancen in einem einzigen Dokument zusammen. Die meisten Kommentare zum Thema KI befassen sich entweder mit dem einen oder mit dem anderen. Investoren können sich das nicht leisten.

Symbol Wichtige Mitteilung