Wird in einem neuen Tab geöffnet
Clarity AI und Glass Lewis bündeln ihre Kräfte
Einhaltung gesetzlicher VorschriftenArtikel

EU-Taxonomie: Nutzung von Technologie zur Analyse von Kontroversen

Veröffentlicht: November 19, 2021
Geändert: November 19, 2021

Einsatz von natürlicher Sprachverarbeitung und maschinellem Lernen zur Erfüllung der EU-Taxonomie-Berichtsanforderungen in großem Umfang

Nachdem Sie den Nachweis erbracht haben, dass Ihre Investition Tätigkeiten umfasst, die unter die technischen Kriterien der EU-Taxonomieverordnung fallen, richten wir unsere Aufmerksamkeit auf den Nachweis, dass die Tätigkeiten "keinen nennenswerten Schaden anrichten" und die "sozialen Garantien" durch Kontroversen erfüllen.

Clarity AI hat einen einzigartigen Ansatz für diesen Prozess, indem es natürliche Sprachverarbeitung und maschinelles Lernen einsetzt, um zu erkennen, welche Kontroversen im Spiel sein könnten, welche Art von Kontroverse und wie schwerwiegend sie sind. Zu diesem Zweck haben wir einen Algorithmus für maschinelles Lernen entwickelt. Dieser Ansatz hat vor allem zwei Vorteile: Skalierbarkeit und Minimierung von Verzerrungen. Wir sind in der Lage, riesige Informationsmengen zu verarbeiten, mehr als 100.000 Artikel pro Tag aus über 30.000 Quellen. Der Umfang, in dem wir Daten verarbeiten können, ist größer, als wir es auf herkömmliche Weise je hätten tun können. In der Vergangenheit mussten Teams von Mitarbeitern Artikel lesen, analysieren und auf Kontroversen hin bewerten.

Der zweite Vorteil ist die Minimierung von Voreingenommenheit, indem das menschliche Element bei der Datenanalyse sorgfältig genutzt wird. Der Einsatz von Technologie hilft uns dabei, Verzerrungen aufgrund des persönlichen Hintergrunds und der Fähigkeiten der Menschen zu reduzieren. Auch wenn wir ein Technologieunternehmen sind, ist es wichtig zu betonen, dass wir das menschliche Element nicht aus der Gleichung herausgenommen haben. 

Wir stellen sicher, dass alle Lösungen und Produkte im Nachhaltigkeitsprozess auf menschlichem Fachwissen beruhen. Mit Hilfe dieser Experten kodieren wir unsere Algorithmusregeln und bereiten die Datensätze für die Algorithmeneingabe vor. Ein wichtiger Teil unseres menschlichen Fachwissens wird zur Validierung des Systems und zur Überwachung seiner Leistung eingesetzt. Insgesamt bedeutet dieser Prozess, dass wir Datenmengen effizienter handhaben und gleichzeitig unser Humankapital effizienter nutzen können.

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