Nutzung von Technologien zur Bewältigung der Herausforderungen bei ESG-Daten
Als Neuling auf einem Markt zu agieren, kann eine große Herausforderung sein, da starke Eintrittsbarrieren bestehen können. Am 27. Juni 2022 veröffentlichte die ESMA ein Schreiben das sie an die Europäische Kommission geschickt hat, um die Ergebnisse ihrer Aufforderung zur Einreichung von Beweisen zu den Marktmerkmalen von ESG-Rating- und Datenanbietern zu präsentieren. Eines davon ist, dass: "Für vertragliche Zwecke nannten die Nutzer zwei Hauptfaktoren: das Preis-Leistungs-Verhältnis und bestehende Geschäftsbeziehungen mit dem Unternehmen, das ESG-Ratings anbietet". Wenn man außerdem bedenkt, dass die Verträge im Durchschnitt über mehrere Jahre laufen, ist es nicht einfach, auf dem Markt Fuß zu fassen.
Ein neuer Blick auf die Marktpraktiken ist aber auch ein wirksamer Weg zur Wertschöpfung. Eine Unterbrechung kann zu neuen Angeboten führen, die sich stärker an den Bedürfnissen der Kunden orientieren. Es ist keine Überraschung, dass das ESMA-Schreiben mehrere Einschränkungen der derzeitigen ESG-Daten- und Rating-Anbieter hervorhebt. Diese sind allgemein bekannt und wurden bereits in Studien der Europäischen Kommission, der IOSCO und des MIT nachgewiesen, um nur einige zu nennen.
Diese Einschränkungen sind der Grund, warum Clarity AI im Jahr 2017 gegründet wurde. Sie zu überwinden ist Teil unserer DNA. Eines unserer Ziele ist es, soziale impact auf die Märkte zu bringen, und dazu brauchten wir einen neuen Ansatz, der auf Technologie und Transparenz basiert. Wir haben drei Jahre gebraucht, um eine Plattform zu entwickeln, die unseren Kunden die Möglichkeit bietet, sich ein Bild von der Nachhaltigkeitsleistung ihrer Investitionen zu machen. Seitdem sind wir ständig bemüht, uns zu verbessern.
Wir konzentrieren uns auf die wichtigsten von der ESMA aufgezeigten Beschränkungen und zeigen hier einige Beispiele, wie wir versucht haben, entsprechende Lösungen zu finden:
1.) Datenqualität, Erfassungsbereich und Granularität
Wir nutzen drei Hauptdatenquellen: externe Datenanbieter (über 70), unsere eigenen Datenerhebungsverfahren und unsere eigenen Schätzmodelle. So können wir zuverlässige Datensätze in großem Umfang entwickeln. Wir vergleichen mehrere Quellen und ermitteln für jeden Datenpunkt die zuverlässigste Quelle. Mithilfe von Technologien (maschinelles Lernen und natürliche Sprachverarbeitung) erweitern wir Datensätze und entwickeln neue Messgrößen, für die keine Daten vorliegen. Um neuen regulatorischen Anforderungen gerecht zu werden (z. B. der Berichterstattung über die wichtigsten negativen impact im Rahmen der EU-Verordnung über die Offenlegung nachhaltiger Finanzierungen, SFDR), entwickeln wir einen spezifischen und maßgeschneiderten Ansatz, der den Erwartungen der Regulierungsbehörden am besten entspricht.
Infolgedessen ist unsere Datenabdeckung zwei- bis dreimal größer als die unserer engsten Konkurrenten, und wir bieten eine einzigartige systematische Transparenz über die Quelle und den Zuverlässigkeitsgrad jedes Datenpunkts.
2.) Komplexität der Methoden, mangelnde Transparenz und aggregierte Unübersichtlichkeit
Unser Ziel ist es, unsere Kunden zu befähigen, sich eine eigene Meinung zu bilden. Wir sind uns der Tatsache bewusst, dass es für die Bewertung der Nachhaltigkeit keinen einheitlichen Ansatz gibt. Neben qualitativ hochwertigen Daten bieten wir daher transparente und wissenschaftlich fundierte Methoden, die für jedes unserer Module zugänglich sind. Da unsere Kunden unter Umständen spezifische Nachhaltigkeitspräferenzen haben, bieten wir anpassbare Bewertungsmetriken an, um sicherzustellen, dass diese Bedürfnisse erfüllt werden. Für ESG-Risiken beispielsweise stützen wir uns auf die finanzielle Wesentlichkeitsmatrix von SASB, bieten aber die Möglichkeit, jede einzelne Gewichtung auf Säulen-, Untersäulen- oder KPI-Ebene anzupassen, zwischen einem Best-in-Class- oder einem Best-in-Universe-Ansatz zu wählen und spezifische Schwellenwerte für die Datenrelevanz zu wählen. Diese Funktionalität ist mit einem einfachen Klick für ganze Portfolios verfügbar.
3.) Unzureichende Anzahl qualifizierter Ressourcen, um eine rechtzeitige Weiterverfolgung von Portfolios und Fehlerkorrekturen zu gewährleisten
Als Technologieunternehmen (zwei Drittel unserer 300 Mitarbeiter sind Techniker) sind wir nicht auf menschliche Analysten angewiesen, um Anpassungen in großem Umfang vorzunehmen. Es gibt keine andere Möglichkeit, bis zu 40.000 Emittenten und fast 300.000 Fonds effizient abzudecken. Diese Flexibilität ermöglicht es uns auch, mit dem Tempo der regulatorischen Entwicklung Schritt zu halten. So haben wir beispielsweise nur zwei Monate gebraucht, um die beiden neuen Umweltziele der Taxonomie zu Biodiversität und Umweltverschmutzung umzusetzen. Alle zwei Wochen aktualisieren wir automatisch die von den Unternehmen veröffentlichten Zahlen zur Anpassung der Taxonomie. Und schließlich können wir dank robuster KI-Modelle (die von einem Team von über 25 Datenwissenschaftlern gepflegt werden) Datenkonsistenzprüfungen durchführen, Ausreißer identifizieren und bei Bedarf Fehlerkorrekturen vornehmen.
4.) US-orientierte Vorurteile in Verbindung mit der Konzentration der wichtigsten Anbieter
Clarity AIDie Holdinggesellschaft hat ihren Sitz in den USA. Die meisten unserer Mitarbeiter befinden sich jedoch in Europa (Spanien und Portugal). Noch wichtiger ist vielleicht, dass alle unsere Daten auf Servern in Europa gehostet werden, eine wichtige Garantie, wenn es um die Regulierung auf europäischer Ebene geht. Schließlich können wir verschiedene Perspektiven der Nachhaltigkeit ausbalancieren: die eher nordamerikanische Sichtweise der impact auf den Unternehmenswert durch unser ESG-Risikomodul sowie die Auswirkungsseite der doppelten Wesentlichkeit, wie sie in den europäischen Vorschriften verankert ist, durch unsere Auswirkungsmodule widerspiegeln. Da wir wissen, dass es Verzerrungen gibt, bieten wir in unseren Instrumenten Möglichkeiten, diese zu überwinden (wie oben erwähnt zum Beispiel durch die Anpassung des Scoring-Universums je nach Geografie, Größe oder Datenverfügbarkeit).
5.) Interessenkonflikt
Unsere Bewertungen sind Ergebnisse von Algorithmen und beruhen nicht auf qualitativen Einschätzungen von Analysten. Die zugrunde liegenden Methoden sind transparent und werden systematisch angewandt. Darüber hinaus sind die Bewertungsverfahren, wie oben dargestellt, von unseren Kunden anpassbar. Und schließlich halten wir uns nicht nur von der Beratung von Unternehmen fern, sondern sind auch stolz darauf, dass wir völlig unabhängig von Anbietern von Investitionslösungen sind, so dass wir uns voll und ganz auf die Bereitstellung von Best-of-Breed-Leistungen zur Nachhaltigkeitsbewertung konzentrieren können.
Wie die ESMA es ausdrückt: "Der Markt für ESG-Rating- und Datenanbieter ist ein Beispiel für einen unreifen, aber wachsenden Markt". Bei Clarity AI haben wir festgestellt, dass der beste Weg, die Marktbeschränkungen zu überwinden und der Branche für nachhaltige Anlagen zu einem soliden Wachstum zu verhelfen, darin bestand, uns weder als Anbieter von ESG-Daten noch von ESG-Ratings zu definieren, sondern als Technologieplattform für Nachhaltigkeit.