Naturbedingte Risiken verstehen: Warum Finanzinstitute mehr als nur Geolocation-Daten brauchen

Auf den ersten Blick scheinen die wogenden Sojafelder im brasilianischen Kernland eine landwirtschaftliche Erfolgsgeschichte zu sein. Die Realität offenbart jedoch erhebliche und komplexe naturbezogene Risiken. Agrarkonzerne sind schnell in empfindliche Ökosysteme eingedrungen, um den weltweit wachsenden Bedarf an Fleischproduktion zu decken, und haben Tausende von Hektar im Amazonasgebiet und im Cerrado gerodet, was zum Verlust der biologischen Vielfalt und zur Verschlechterung der Ökosysteme geführt hat^.1

Aber es ist nicht nur die Expansion, die Verwüstung anrichtet - das Ausmaß der Sojaproduktion hat die naturbedingten Risiken mit sowohl ökologischen als auch wirtschaftlichen Auswirkungen vertieft. Zwischen 1985 und 2012 verursachte die Entwaldung einen durchschnittlichen Rückgang der Produktivität von Sojabohnen um 12 %, in einigen Regionen sogar um über 20 %^.2 Solche Verluste machen deutlich, dass es für Investoren und Finanzinstitute immer schwieriger wird, ihre naturbedingten Risiken genau zu bewerten.

Viele haben geografische Daten genutzt, insbesondere die Längen- und Breitengradkoordinaten der Produktionsanlagen, um ihre naturbezogenen Risiken und Auswirkungen zu bewerten. Doch dieser Ansatz kratzt nur an der Oberfläche. Naturbedingte Risiken sind von Natur aus lokal. Die einzigartige Lage und die Merkmale jedes Ökosystems bestimmen, wie sich die Tätigkeiten auf die biologische Vielfalt und die Verfügbarkeit von Ressourcen auswirken.

Um naturbedingte Risiken vollständig zu verstehen, müssen Finanzinstitute Produktionskennzahlen - wie die Menge der produzierten Waren oder die an bestimmten Standorten erzeugte Energie - mit geografischen Daten verknüpfen.

In diesem Artikel gehen wir der Frage nach, wie die Kombination dieser Daten zu einem tieferen Verständnis naturbezogener Risiken führt, kostspielige Fehleinschätzungen vermeidet, versteckte Abhängigkeiten von natürlichen Ressourcen aufdeckt und potenzielle Auswirkungen auf die biologische Vielfalt identifiziert, bevor sie den Betrieb stören.

Von freiwilligen zu obligatorischen Rahmenwerken: Wachsender Fokus auf Produktionsdaten

Im Zuge der Weiterentwicklung von Nachhaltigkeitskonzepten werden Produktionsdaten zu einem zentralen Faktor bei der Bewertung von Umweltrisiken durch Unternehmen und Finanzinstitute. Dabei geht es nicht nur darum, zu wissen, wo der Betrieb stattfindet, sondern auch darum, was und wie viel produziert wird, da dies ein klareres Bild der naturbezogenen Abhängigkeiten und Auswirkungen vermittelt.

Leitlinien wie der LEAP-Ansatz (Locate, Evaluate, Assess, Prepare) der Taskforce on Nature-related Financial Disclosures (TNFD) betonen die Notwendigkeit, über die bloße Verortung der Interaktionen von Unternehmen mit der Natur hinauszugehen.

Während Geodaten für die "Locate"-Komponente von entscheidender Bedeutung sind, plädiert LEAP für eine tiefer gehende Bewertung der Abhängigkeit eines Unternehmens von natürlichen Ressourcen - wie Wasser, Mineralien und biologischen Ökosystemen - und der mit ihrer Erschöpfung oder Verschlechterung verbundenen Risiken. Um das Ausmaß und die Bedeutung dieser Abhängigkeiten zu verstehen, ist es unerlässlich, Produktionsdaten für eine umfassende Risikobewertung zu integrieren.

Zusätzlich zu den freiwilligen Rahmenregelungen hat die Richtlinie über die Nachhaltigkeitsberichterstattung von Unternehmen (CSRD) verbindliche Anforderungen für Finanzinstitute eingeführt. Diese Institute müssen nun ihre wesentlichen Auswirkungen, Risiken und Chancen in Bereichen wie biologische Vielfalt und Ökosysteme offenlegen. Dies erfordert eine umfassende Analyse der Aktivitäten, um mögliche negative Auswirkungen zu ermitteln. Genaue Bewertungen erfordern Daten auf Anlagenebene, einschließlich detaillierter Produktionsmetriken, um die nachgelagerten Auswirkungen von Tätigkeiten auf Gemeinschaften und Ökosysteme zu bewerten.

Die Grenzen von Geolokalisierungsdaten bei der Bewertung von naturbedingten Risiken

Obwohl geografische Daten wichtige Erkenntnisse liefern, sind zusätzliche Informationen erforderlich, um Risiken genau zu bewerten und messbare Ziele zu setzen. Beispielsweise liefert das Wissen, dass ein Unternehmen in Gebieten mit Wasserknappheit tätig ist, nur einen Teil des Bildes. Die wichtigere Frage ist: Wie viel Produktion findet an diesen wasserarmen Standorten statt?

Die Bewertung der Produktionsmengen hilft dabei, die tatsächliche Abhängigkeit eines Unternehmens von diesen begrenzten Ressourcen zu erkennen. Wird diese tiefere Analyseebene vernachlässigt, kann dies zu falschen Investitionsentscheidungen und einer erhöhten Gefährdung der Natur und der biologischen Vielfalt führen. Dies geht weit über das in der Einleitung erwähnte Beispiel der Agrarindustrie hinaus. Viele Branchen sind einzigartigen naturbezogenen Risiken ausgesetzt.

Um dies zu veranschaulichen, haben wir mit unserer Geospatial Asset Assessment Solution die Produktionsanlagen der 10 größten Stromerzeugungsunternehmen hinsichtlich ihrer Gefährdung durch naturbedingte Risiken analysiert^.3 Die Ergebnisse zeigen, dass sich die Rangfolge der Unternehmen in Bezug auf die Risikoexposition erheblich verschiebt, wenn neben den Produktionsdaten auch Erkenntnisse über die Geolokalisierung einbezogen werden (siehe Abbildung 1).

Die Analyse zeigt, dass sich die Platzierungen der Unternehmen erheblich verändern können, wenn neben den geografischen Informationen auch Produktionsdaten einbezogen werden. Im Durchschnitt verschoben sich die Platzierungen um zwei Positionen, wenn Produktionsdaten einbezogen wurden. So lag beispielsweise ein Stromversorgungsunternehmen ursprünglich allein aufgrund von Geostandortdaten auf Platz 1, da 19 % seiner Kraftwerke in Risikogebieten lagen. Als jedoch die Produktionsdaten einbezogen wurden und sich herausstellte, dass 53 % der gesamten Stromproduktion aus diesen gefährdeten Standorten stammten, fiel das Unternehmen auf Platz 4 zurück.

Abbildung 1. Veränderung der Unternehmensrangliste für naturbedingte Risiken, wenn Daten zum Produktionsniveau der Anlage in die Analyse einbezogen werden

 

Anmerkung: Diese Abbildung zeigt die Veränderungen in der Rangfolge der 10 umsatzstärksten Unternehmen im Sektor Elektrizitätsversorgungsunternehmen auf der Grundlage von zwei Methoden: Bei der ersten wird ein einfacher Durchschnitt aller Vermögenswerte berechnet, bei der zweiten wird ein gewichteter Durchschnitt verwendet, bei dem der Einfluss jedes Vermögenswerts durch seine Gesamtproduktionsleistung bestimmt wird. Ein Ranking von 1 in der linken Spalte bedeutet das beste Unternehmen, während 10 das schlechteste bedeutet. In der rechten Spalte werden die ursprünglichen Farben beibehalten, um die Unterschiede in der Rangfolge hervorzuheben.

Ähnliche Muster zeigten sich in anderen Sektoren wie Kohle sowie Öl und Gas, wo die Konzentration auf die Anzahl der Anlagen die Hauptrisiken, die mit einer hohen Produktion in gefährdeten Gebieten verbunden sind, nicht berücksichtigt. Dieser Ansatz ist besonders wichtig für die Bewertung der Exposition gegenüber sensiblen Standorten und Regionen mit großer biologischer Vielfalt. Produktionskennzahlen geben einen klareren Überblick über die Gefährdung eines Unternehmens, indem sie die Aktivitäten in Ökosystemen quantifizieren, die mit behördlichen Sanktionen oder negativer Publicity bedroht sind.

Beispielsweise könnte ein Bergbauunternehmen aufgrund der begrenzten Anzahl von Standorten in sensiblen Gebieten allein auf der Grundlage von Geolokalisierungsdaten zunächst als risikoarm erscheinen. Findet jedoch ein wesentlicher Teil des Abbaus in Hotspots der biologischen Vielfalt statt, ist das Unternehmen mit größeren Risiken konfrontiert, selbst wenn es weniger Betriebsstätten in diesen Gebieten hat. Dieser zusätzliche Einblick könnte die Risikoeinstufung des Unternehmens erheblich verändern und unterstreicht, wie wichtig es ist, nicht nur zu wissen, wo man tätig ist, sondern auch das Ausmaß der Aktivitäten in diesen Gebieten zu kennen.

Durch die Kombination von Geolokalisierungs- und Produktionsdaten können Finanzinstitute eine umfassendere Risikobewertung vornehmen. Dieser Ansatz steht im Einklang mit freiwilligen Rahmenwerken wie TNFD und hilft Unternehmen, Biodiversitätsrisiken zu antizipieren und abzumildern und gleichzeitig kostspielige Strafen oder Rufschädigung zu vermeiden.

Clarity AIAnsatzes: Jenseits von Geolokalisierungsdaten für naturbedingte Risiken

Clarity AIDer fortschrittliche Ansatz von Euler Hermes ermöglicht es Finanzinstituten, ein besseres Verständnis der naturbedingten Risiken zu erhalten, denen Unternehmen ausgesetzt sind. Durch die Einbeziehung von Produktionsdaten aus physischen Vermögenswerten (z. B. erzeugte Elektrizität für Versorgungsunternehmen, produziertes Öl für Energieunternehmen) bestimmen wir den Prozentsatz der Einnahmen eines Unternehmens, der einem Risiko ausgesetzt ist, basierend auf der geografischen Lage und dem Produktionsumfang seiner Hauptaktivitäten. Während sich die meisten anderen Datenanbieter auf die Aggregation von physischen Vermögenswerten verlassen, ohne deren Größe zu berücksichtigen, nutzt Clarity AI Produktionsdaten, um die genauesten Bewertungen zu erhalten. Unsere aggregierten Ergebnisse vereinfachen die Risikobewertung und bieten Finanzinstituten die Präzision, die sie zum Schutz vor naturbedingten Risiken benötigen.