KI-Einsatz in der CO₂-Bilanzierung

Mit der steigenden Nachfrage nach präziser CO₂-Bilanzierung wird der Einsatz von Künstlicher Intelligenz (KI) in diesem Bereich zunehmend wichtiger. Am 28. November 2024 veranstaltete Carbon+Alt+Delete einWebinar, in dem diskutiert wurde, wie KI Experten dabei helfen kann, Zeit bei der CO₂-Bilanzierung zu sparen. In diesem Blogbeitrag fassen wir die wichtigsten Erkenntnisse zusammen.

KI: Hype versus Mehrwert

KI ist in den letzten Jahren zu einem Schlagwort geworden, und ihre Bedeutung in verschiedenen Branchen ist unbestreitbar. Trotz der üblichen Kritikpunkte – KIs Anfälligkeit für Fehler und ihr erheblicher Energieverbrauch – stellen Large Language Models (LLMs) einen technologischen Meilenstein dar. Diese Modelle können die Arbeitsabläufe von Experten deutlich optimieren, ohne das unverzichtbare menschliche Element zu ersetzen.

Die Wahrheit ist, dass CO₂-Bilanzierungsexperten die Zeitersparnis, die KI bieten kann, brauchen, um der Marktnachfrage gerecht zu werden. Laut der Analyse von Carbon+Alt+Delete wird der Markt für CO₂-Bilanzierung in Europa voraussichtlich um das Vierfache wachsen, von heute 1,4 Milliarden Euro auf 4,9 Milliarden Euro bis 2028. Die Hälfte dieses Wachstums muss durch die Steigerung der Kapazität von CO₂-Experten erfolgen, durch Neuausrichtung bestehender Experten und Ausbildung neuer CO₂-Experten. Die andere Hälfte des Wachstums muss durch Effizienzsteigerungen erreicht werden. Insbesondere durch die Reduzierung der Zeit, die für Datenerfassung und Datenbereinigung aufgewendet wird. In diesem letzten Aspekt ist KI besonders stark.

Was Nachhaltigkeitsberater denken

Während des Webinars wurde das Publikum aus Nachhaltigkeitsexperten gefragt, wie sie die Rolle der KI im Nachhaltigkeitsreporting einschätzen. Es stellte sich heraus, dass eine große Mehrheit optimistisch ist, dass KI ihnen einen Mehrwert bieten kann (siehe Abbildung unten).

Im weiteren Verlauf dieses Blogbeitrags betrachten wir 2 konkrete Anwendungsfälle, bei denen KI in der CO₂-Bilanzierung echten Mehrwert schaffen kann.

Anwendungsfall 1: Auffinden des bestmöglichen Emissionsfaktors

Die Auswahl des richtigen Emissionsfaktors kann eine Herausforderung darstellen. Die Beschreibungen der Aktivitätsdaten können manchmal zu vage oder zu spezifisch sein, was die Zuordnung zum passenden Emissionsfaktor erschwert. Mit über 100.000 verfügbaren Emissionsfaktoren kann die Navigation durch die Optionen überwältigend sein. Zudem gibt es oft nicht den einen "besten" Faktor, besonders bei Scope 3-Emissionen, insbesondere bei Waren und Dienstleistungen.

Hier kann KI unterstützen. Durch die Analyse von Sprachmustern kann KI Faktoren mit statistisch ähnlichen Beschreibungen identifizieren und so relevante Übereinstimmungen leichter finden. KI kann auch sprachübergreifend suchen und damit die Verfügbarkeit von Daten erweitern. Darüber hinaus können KI-gestützte Erkenntnisse potenzielle Emissionsfaktoren vorschlagen, die zunächst möglicherweise nicht in Betracht gezogen wurden.

Anwendungsfall 2: Auslesen von Aktivitätsdaten aus Rechnungen

Neben der Auswahl von Emissionsfaktoren bleibt die Datenerfassung einer der größten Schmerzpunkte in der CO₂-Bilanzierung. Viele Unternehmen kämpfen mit zentraler Datenverfügbarkeit, ineffizienten Datenformaten, langen Vorlaufzeiten, mehrfachen Iterationen und Last-Minute-Änderungen. Diese Probleme verlangsamen Berichterstattung und Entscheidungsfindung. Selbst wenn Daten erfasst sind, bleiben Qualitätsbedenken bestehen. Unternehmen sehen sich häufig mit fehlenden oder Proxydaten, unklaren Datenquellen, unvollständigen Aufzeichnungen und inkonsistenter Terminologie konfrontiert. Ohne verlässliche Daten mangelt es den CO₂-Fußabdruck-Berechnungen an Präzision, was eine genaue Fortschrittsverfolgung erschwert.

KI-gestützte Lösungen können diese Herausforderungen durch Automatisierung der Datenerfassung und Verbesserung der Genauigkeit angehen. Machine-Learning-Algorithmen können große Mengen an Finanz- und Betriebsdaten verarbeiten und dabei Vollständigkeit und Konsistenz sicherstellen.

Ein vielversprechender KI-gestützter Ansatz ist das Rechnungsscreening, bei dem Finanzdaten als zentralisierte, umfassende Quelle der Wahrheit dienen. Durch die Analyse von Rechnungen kann KI relevante CO₂-Daten extrahieren und ermöglicht so eine aktivitätsbasierte Fußabdruckberechnung anstelle von breiten, weniger handlungsorientierten ausgabenbasierten Schätzungen.

Mit fortschreitender Technologie werden Large Language Models immer effektiver darin, CO₂-bezogene Daten in Rechnungen und anderen Geschäftsdokumenten zu erkennen und zu interpretieren. Das langfristige Ziel bei Carbon+Alt+Delete ist es, die Rechnungsverarbeitung über Nacht zu automatisieren und den CO₂-Bilanzierungsexperten einen zu 80% fertigen Fußabdruck bereitzustellen, wodurch der manuelle Arbeitsaufwand erheblich reduziert und die Genauigkeit verbessert wird.

Über Carbon+Alt+DeleteWir bieten Software für die CO₂-Bilanzierung an, die Nachhaltigkeitsberatungen und Consultants unterstützen, Unternehmen auf dem Weg zum Netto-Null-Ziel zu begleiten. Interesse daran, zu erfahren, wie unsere Software Ihre CO₂-Bilanzierungsdienstleistungen verbessern kann? Fühlen Sie sich frei, uns unter[email protected]zu kontaktieren, oder buchen Sie einMeeting, um mit einem unserer Experten zu sprechen.