Leitfaden 2026 | KI im Finanzdienstleistungssektor
KI, Datenabdeckung, Einhaltung von Vorschriften, TechnologieArtikel

Natürliche Sprachverarbeitung (NLP) zur Verbesserung der Berichterstattung SFDR

Veröffentlicht: Januar 25, 2022
Geändert: August 14, 2025
Wichtigste Erkenntnisse

SFDR Lösung für die Berichterstattung: Das kontroverse Bewertungssystem von Clarity AIermöglicht eine einheitliche Bewertung von Vorfällen.

Die meisten auf dem Markt erhältlichen Lösungen für die Analyse des Verhaltens von Unternehmen stützen sich in hohem Maße auf die manuelle Bewertung von Nachrichten oder auf die Stimmungsanalyse, was zu Schwächen wie subjektiver Bewertung, Volumenbeschränkung und begrenzter Fähigkeit zur Interpretation von Metriken führt. Diese Einschränkungen beeinträchtigen die Fähigkeit, zeitnahe und aussagekräftige Informationen auf konsistente und transparente Weise bereitzustellen.

Punktesystem für Kontroversen

Clarity AI begegnet diesen Schwächen und Einschränkungen mit einem kontroversen Bewertungssystem. Als Hauptdatenquelle dient ein globaler Nachrichtenüberwachungsdienst, der Zugang zu einem Universum von mehr als 8.500 Medienverlagen aus 200 Ländern bietet, zu dem täglich 100.000 neue Artikel aus mehr als 33.000 Quellen hinzukommen. Dies ergibt für die letzten drei Jahre etwa 70 Millionen Artikel, die sich auf das Unternehmensuniversum von Clarity AI beziehen.

Clarity AIDas System zur Bewertung von Kontroversen gliedert sich in 4 Hauptschritte:

1- Erkennung von Vorfällen

2- Klassifizierung von Vorfällen

3- Einstufung der Schwere des Vorfalls

4- Bewertung der Schwere des Ereignisses

Dieses System ermittelt die Entwicklung kontroverser Vorfälle über einen bestimmten Zeitraum - sowie deren Schweregrad - für ein bestimmtes Unternehmen in einer bestimmten Kategorie aus den 39 Kategorien, die es bewertet. Über ein Unternehmen wie Tesla wurden beispielsweise Tausende von Artikeln geschrieben (23.189 von Sommer 2017 bis Winter 2020). Davon sind 3.767 Artikel für die Kategorie Wirtschaftsethik relevant, aber sie unterscheiden sich erheblich in ihrer Schwere. Das KI-Modell berücksichtigt alle relevanten Artikel für jede Kategorie und verwendet dann den Schweregrad als einen wichtigen Indikator für die Verletzung des PAI.

Als "Ereignis" wird die gesamte Dreijahresreihe von Vorfällen betrachtet, die sich auf ein bestimmtes Unternehmen in einer ESG-Kontroversenkategorie beziehen. Die Ereignisbewertung wird dann durch die Kombination der sich ergebenden maximalen Schweregrade für die relevantesten Vorfälle innerhalb des Ereignisses berechnet. Als Ergebnis erhalten wir eine Gesamtbewertung auf der Ebene der Unternehmenskategorie.

Jeder dieser Schritte stützt sich auf die von Clarity AIentwickelten Modelle künstlicher Intelligenz, die gezielt darauf ausgelegt sind, Kontroversen zu erkennen, zu klassifizieren und den entsprechenden Schweregrad zuzuordnen. Diese Algorithmen sind der Schlüsselfaktor für unsere objektive Analyse. Sie wurden von Fachexperten in einem "Human-in-the-Loop"-Prozess mit einer Auswahl von mehr als 30.000 Artikeln trainiert, die alle Kontroversitätskategorien und Kontroversitätsstufen abdecken, so dass das Modell die relevanten Kriterien erlernen kann, die in jedem Schritt zu berücksichtigen sind.

Die Kombination dieser kontroversen Methodik und SFDR Regeln ist in der folgenden Abbildung dargestellt:

Clarity AIDas kontroverse Modell für die Einhaltung von SFDR

Hier finden Sie den vollständigen Bericht

Forschung und Einblicke

Aktuelle Nachrichten und Artikel

Einhaltung von Vorschriften

Wenn die Regeln klar sind, die Erwartungen jedoch nicht: Der Umgang mit der Überprüfung globaler Normen in einem fragmentierten Aufsichtsumfeld

In der gesamten EU sehen sich Finanzmarktteilnehmer (FMPs) mit einer immer dringlicher werdenden Herausforderung im Bereich der Compliance konfrontiert, die nicht in der Komplexität der Vorschriften selbst liegt, sondern in der fehlenden Einigkeit darüber, wie diese anzuwenden sind. Die Rechtsvorschriften, die eine Überprüfung anhand globaler Normen erfordern (die Indikatoren für wesentliche nachteilige AuswirkungenSFDR, die Namensgebungsregeln der ESMA, die Paris-Aligned- und Klimastandards …

AI

KI im Finanzdienstleistungssektor: Die Entscheidungen, die Gewinner vom Rest unterscheiden

Erfahren Sie, wie KI die Entscheidungsfindung im Finanzdienstleistungssektor verändert und was die Unternehmen auszeichnet, die den richtigen Weg eingeschlagen haben.

Klima, Einhaltung gesetzlicher Vorschriften

Die Scope-3-Illusion: Warum die Emissionen des europäischen Finanzsektors derzeit „steigen“

Auf den ersten Blick enthalten die jüngsten Daten aus dem globalen Finanzsektor einen Widerspruch: Trotz jahrelanger strenger Umweltschutzvorschriften scheint die CO₂-Intensität europäischer Finanzinstitute stetig zu steigen. Doch dieser „Anstieg“ täuscht. Der Finanzsektor wird nicht unbedingt umweltschädlicher; seine Emissionen werden endlich sichtbar. Die Aufdeckung der Emissionen, die…