Interview

Hannah Helmke:

Optimierter Klimakurs

Zur Person

Hannah Helmke studierte Psychologie an der Universität Osnabrück sowie International Business an der Cologne Business School. Im Anschluss war sie für den IT-Dienstleister BridgingIT GmbH und die Deutsche Post DHL Group tätig, wo sie die Potenziale der Digitalisierung für die Erreichung von Nachhaltigkeitszielen erforschte und in die Anwendung wissenschaftsbasierter Klimametriken einführte. Im Jahr 2016 gründete sie in Frankfurt gemeinsam mit Sebastian Müller das Start-up right.based on science. 2020 wurde das Unternehmen mit dem Next Economy Award des Deutschen Nachhaltigkeitspreises ausgezeichnet. Helmke erhielt ebenfalls 2020 den Digital Female Leader Award in der Kategorie „Sustainability“.

right.based on science, https://www.right-basedonscience.de

Essential

Das von Hannah Helmke mitgegründete Frankfurter Start-up right.based on science hat mit der XDegree Compatibility (XDC) eine Klima-Kennzahl entwickelt, welche die Entkopplung von unternehmerischer Wertschöpfung von der Emissionsintensität misst. Sie drückt sich in Grad Celsius aus und zeigt, welche Erderwärmung ein Unternehmen oder ein Aktien-Portfolio erzeugen würde, wenn die ganze Welt so emissionsintensiv wirtschaften würde wie es selbst. Ein Unternehmen, das auf einem 4-°C-Kurs ist, kann Maßnahmen suchen und wiederum mit XDC bewerten, die es auf einen 1,5-°C-Kurs bringen können.

Die XDC-Kennzahl kann laut Hannah Helmke dazu genutzt werden, um in KI-Anwendungen die ökonomische Emissionsintensität zu optimieren. Damit würde in der ganzen Wertschöpfungskette des Unternehmens die Entkopplung von Emissionen und Wertschöpfung vorangetrieben. right.based on science hat bei einer Studie von Capgemini mitgewirkt, die in einer Befragung von 400 Unternehmen zu dem Schluss kam, dass Unternehmen sich dann dem Pariser 2-°C-Ziel annähern können, wenn sie nicht nur eine klare Klimastrategie verfolgen, sondern auch KI gezielt zur Verfolgung dieses Ziels einsetzen.

Gleichzeitig kann KI dazu verwendet werden, um die Qualität der Unternehmensdaten zu verbessern, die in das XDC-Modell einfließen. Beispielsweise wurde im Rahmen einer Masterarbeit erforscht, wie Natural-Language-Processing- Methoden angewendet werden können, um die Glaubwürdigkeit der Aussagen von Unternehmen zu ihren Klimazielen zu überprüfen.

Die XDC arbeitet als zukunftsgerichteter Nachhaltigkeitsindikator mit Annahmen der Shared Socioeconomic Pathways (SSPs) sowie verschiedenen Szenarien. Das XDC-Modell wurde offengelegt, um eine wissenschaftliche Überprüfung und Weiterentwicklung zu ermöglichen. Beispielsweise entstehen derzeit spezifische Anpassungen für die Bewertung von Immobilien und Staatsanleihen.

Empfohlener redaktioneller Inhalt

An dieser Stelle finden Sie einen externen Inhalt von YouTube, der den Artikel ergänzt. Sie können ihn sich mit einem Klick anzeigen lassen und wieder ausblenden.

Interview

Optimierter Klimakurs

Wie kann man bewerten, wie weit ein Unternehmen, ein Projekt oder ein Börsenindex vom Ziel des Pariser Klimaabkommens entfernt ist, die menschengemachte globale Erwärmung auf deutlich unter 2 °C gegenüber den vorindustriellen Werten zu begrenzen?
Hannah Helmke: Inzwischen besteht Konsens darüber, dass wir die unternehmerische Wertschöpfung zunehmend von der Emissionsintensität entkoppeln müssen. Das ist auch die Logik des europäischen Green Deal. Entsprechend brauchen wir emissionsarme Technologien, mit denen sich Unternehmen weiterentwickeln und die gleichzeitig diese Entkopplung vorantreiben.

Für die von uns entwickelte XDC-Kennzahl setzen wir die CO₂-Äquivalente in ein Verhältnis zur Wertschöpfung. Daraus berechnen wir: Wenn alle Unternehmen weltweit so emissionsintensiv wirtschaften würden wie dieses Unternehmen, wie viele Emissionen würden dann entstehen? Diese Emissionen gehen in ein Klimamodell ein, das uns dann darüber Auskunft gibt, welche Erderwärmung aus diesen Emissionen resultieren würde. Das Ergebnis ist die „X-Degree Compatibility“, also die X-Grad-Kompatibilität (XDC), ausgedrückt in Grad Celsius. Diesen Wert können wir dann abgleichen mit dem Paris-konformen Zielwert für den jeweiligen Sektor.

Was würde die XDC-Kennzahl für ein Unternehmen aussagen?
Hannah Helmke: Die Aussage wäre dann, ob ein Unternehmen unter einem bestimmten Szenario Paris-kompatibel ist oder nicht.

Welche Steuerungsmöglichkeiten leiten sich aus einer solchen Kennzahl ab?
Hannah Helmke: Die XDC-Kennzahl wird in unterschiedlichen Bereichen wie der Realwirtschaft, der Finanzwirtschaft und bald auch in der Immobilienwirtschaft angewandt. In der Realwirtschaft wird die Kennzahl genutzt, um Investitionen zu bewerten. Beispielsweise ist ein Unternehmen auf einem 4-°C-Kurs, möchte aber 1,5-°C-kompatibel werden. Dann sucht es Maßnahmen, mit denen es auf diese 1,5-°C-Kompatibilität zusteuern kann. Mit dem XDC-Modell lässt sich dann bewerten, ob eine bestimmte Maßnahme zu diesem Ziel passt oder nicht. In der Finanzwirtschaft geht es um die Portfoliobewertung.

Wie sind die Erfahrungen mit dem Modell?
Hannah Helmke: Vermögensverwalter wie Salm-Salm & Partner oder ESG Portfolio Management nutzen unsere XDC, um die Temperatur ihres Portfolios zu bestimmen. Entsprechend können sie beispielsweise ein Unter-2-°C-Portfolio anstreben und die Portfoliostrategie entlang der XDC steuern. Wir haben auch eine neue Analyse veröffentlicht, in der wir zeigen konnten, dass Aktien, die eine starke Klimaperformance aufweisen, auch eine überdurchschnittliche Finanzperformance gezeigt haben.¹ Im Immobilienbereich explorieren wir gerade gemeinsam mit einer großen deutschen Wohnungsbaugesellschaft und einer Managementberatung, wie man hier mit dem XDC-Modell steuern kann. Hier geht es unter anderem um Sanierungen in Bestandsgebäuden und Neubauten, die nachweisbar zum Pariser Klimaziel beitragen sollen.

Optimierung der ökonomischen Emissionsintensität

Welche Optimierungspfade könnten KI-Anwendungen einschlagen, wenn sie die XDC-Kennzahl berücksichtigen?
Hannah Helmke: KI-Anwendungen, die den Unternehmen zum wirtschaftlichen Erfolg verhelfen und in Richtung Paris-Kompatibilität unterstützen sollen, sollten die ökonomische Emissionsintensität optimieren. Damit würde in der ganzen Wertschöpfungskette des Unternehmens die Entkopplung von Emissionen und Wertschöpfung vorangetrieben werden. Dabei geht es nicht nur um Emissionsreduktion, sondern um Emissionsreduktion bei gleichzeitiger Erhöhung der Wertschöpfung. KI kann aber auch genutzt werden, um die Qualität der Unternehmensdaten zu optimieren, die in das XDC-Modell einfließen. Hier gibt also breite Anwendungsmöglichkeiten und es wäre fantastisch, wenn KI viel stärker für diese Transition eingesetzt werden würde.

Sie haben mit Partnern aus der Finanz- und Beratungsbranche zusammengearbeitet. Wie wurde dort das Design der Kennzahl aufgegriffen?
Hannah Helmke: Wir haben ein ökonomisches Climate-Impact-Modell, das heißt, dass wir mit einer ökonomischen Emissionsintensität arbeiten. Anstatt also etwa zu sagen, wie viel Gramm CO₂ pro Kilowattstunde generierter Strom verbraucht werden dürfen, sagen wir, wie viel Emissionen pro Millionen Euro Wertschöpfung möglich sind. Das führt dazu, dass beispielsweise Luxusfirmen in unserem Modell relativ niedrige Temperaturen haben. Ferrari etwa hat derzeit mit 2,7 °C eine niedrigere Baseline XDC als Volkswagen mit 3,6 °C – in anderen Worten: Ferrari benötigt im Vergleich weniger Emissionen, um Wert zu generieren.

Klima als Frage der Profitabilität

Es gab viele Diskussionen darüber, warum wir uns auf die Wertschöpfung beziehen. Wir denken, dass für Unternehmen das Thema Klima eine Frage der Profitabilität ist. Es geht ihnen um das Überleben in einer Zukunft, die völlig unsicher ist. Da geht es um wirtschaftlichen Erfolg. Wenn wir jetzt in Gramm CO₂ pro Kilowattstunde sprechen, erregen wir nicht die Aufmerksamkeit der Entscheidungsträger, die wir aber für große Transitionen brauchen. Wenn wir von Emissionen pro Wertschöpfung sprechen, ist das in die unternehmerische Sprache und Ziele integrierbar. Unserer Erfahrung nach gehen die Projekte dann viel schneller voran. Denn mit ihrer ökonomischen Emissionsintensität geben sie den Unternehmen den Raum, in weniger gute, aber umgekehrt auch in Paris-kompatible Projekte zu investieren. Auf diese Weise lässt sich ein Maßnahmen-Portfolio zusammenstellen, das unter dem Strich Paris-kompatibel ist, Emissionen reduziert und zu den ökonomischen, unternehmerischen Realitäten passt.

1) right. based on science (2020): Capturing the °Climate Factor. Linking Temperature Alignment and Financial Performance through the X-Degree Compatibility (XDC) Model, [online], https://uploads-ssl.webflow.com/5ddbd8f4d31f0fb0ad6f12fd/5f99aecef133db41b07e5934_Whitepaper_right_FINAL.pdf

1
vorwärts

Mit dedizierter Klimastrategie und KI das 2°C-Ziel annähern

Sie haben an einer Studie² mitgewirkt, die bewertet, welche Rolle Künstliche Intelligenz spielt, wenn es darum geht, nachhaltiger zu wirtschaften. Welche Rolle spielte hier die XDC-Kennzahl?
Hannah Helmke: Die Frage hier ist, ob eine Investition in Künstliche Intelligenz in verschiedenen Bereichen der Wertschöpfungskette einem Unternehmen dabei hilft, in Richtung einer 2-°C-Kompatibilität zu steuern. Capgemini hat 400 internationale Unternehmen gefragt, inwieweit sie KI bereits nutzen, um Emissionen ausreichend von Wertschöpfung zu entkoppeln. Auf Grundlage eines selbst entworfenen Kriterienkatalogs hat Capgemini 149 von diesen Befragten je nach Reifegrad der Klimastrategie und der KI-Strategie in vier Kohorten unterteilt. Wir haben die Klimawirkungen der Unternehmen aus diesen Kohorten näher betrachtet.

Warum haben Sie nicht alle 400 Unternehmen näher analysiert? Wie definierten sich diese 149 Unternehmen?
Hannah Helmke: Sie erfüllten die von Capgemini definierten Kriterien des Reifegrads hinsichtlich der Datensicherheit, womit weitere Analysen durch uns möglich waren.

Das heißt, dass für diese 149 Unternehmen die Datenqualität für die XDC-Analyse hinreichend gegeben war?

Hannah Helmke: Ja. Diese Unternehmen wurden ebenfalls in vier Kohorten aufgeteilt, wobei wir die Klimawirkungen der Unternehmen und der Kohorten mit unserer Methodik zur Portfolioanalyse berechnet haben. Wir stellten fest, dass die Gruppen der sogenannten „Climate AI Champions“ bereits näher an ihrem Zielwert dran sind. Sie weichen im Scope 1 und Scope 2 des GHG-Protokolls nur noch um +0,7 °C von diesem Wert ab. Scope 3 war nicht Teil der Analyse. (Anm. d. Red.: siehe Hintergrund: Standards in der CSR-Berichterstattung)

Was bedeutet das?
Hannah Helmke: Das bedeutet, dass die Unternehmen, die bereits einen hohen Reifegrad in der Klimastrategie und der KI-Strategie aufweisen, näher am 2-°C-Ziel sind als die übrigen. In einem zweiten Schritt hat Capgemini Unternehmen aus fünf Wirtschaftssektoren befragt, wie sie das Emissionsreduktionspotenzial bis 2030 durch den Einsatz von KI einschätzen. Wir haben daraufhin in einem Szenario kalkuliert, wie sich der Klimapfad dieses Sektors verändern würde, wenn diese Emissionsreduktion tatsächlich umgesetzt würde, und ob das ausreichen würde, um den Sektor auf Kurs für das 2-°C-Ziel zu bringen. Dabei konnten wir feststellen, dass KI einen relativ großen Beitrag dazu leisten könnte, den 2-°C-kompatiblen Klimapfad zu erreichen.

Der Effekt, der durch KI erzielt werden kann, entsteht laut Studie daraus, dass Unternehmen sich auf das Ziel Klimaschutz besser fokussieren. Inwiefern liefert dann die KI-Technik den entscheidenden Beitrag?
Hannah Helmke: Die Climate AI Champions zeichnen sich nicht nur dadurch aus, dass sie bereits KI einsetzen und auch fähig sind, diese Anwendungsfälle zu skalieren. Sie haben daneben auch eine klar formulierte Klimastrategie, mit eigenen Teams und entsprechenden Kontrollmechanismen. Überdies nutzen sie KI gezielt, um Klimaziele zu erreichen, und nicht etwa, um nur ihre Kosteneffizienz zu steigern. Daher spielt in dieser Kohorte KI eine Rolle, aber auch der Reifegrad der Klimastrategie. Nur für diese Unternehmen konnten wir einen deutlich positiven Effekt auf die Klimawirkung feststellen.

2) Capgemini Research Institute (2020): Climate AI: How artificial intelligence can power your climate action strategy, https://www.capgemini.com/wp-content/uploads/2020/11/Climate-AI_Final.pdf

zurück
2
vorwärts

Datenqualität von Unternehmens- und Nachhaltigkeitsberichten

Sie konnten für die Capgemini-Studie nur die Unternehmen auswerten, deren Datenqualität ausreichend war. Wie bewerten Sie insofern die Qualität der Unternehmens- und Nachhaltigkeitsberichte: Ab welcher Grenze sind solche Bewertungen möglich?
Hannah Helmke: Unserer Erfahrung nach nimmt die Qualität der Daten und der Berichterstattung in den letzten Jahren zu. Doch die Transparenz der vom Unternehmen erhobenen Daten, die Rückschlüsse auf die Datenqualität erlaubt, ist noch nicht hoch genug. Zum Beispiel werden die Emissionsdaten aus der vor- und nachgelagerten Wertschöpfungskette oft als Emissionsmenge, etwa in Form eines CO₂-Fußabdrucks, berichtet. Wichtig zu verstehen wäre aber deren Aufteilung in die nach dem GHG-Protokollstandard festgelegten Unterkategorien. Überdies müssten Unternehmen ihre Klimaziele transparenter definieren und klarer darüber kommunizieren.

Können Sie hierfür ein Beispiel nennen?
Hannah Helmke: Wir beobachten, dass im Moment viele Netto-Null-Ziele kommuniziert werden. Das ist gut, aber die eigentlich wichtige Frage ist doch, wie das Unternehmen auf Netto-Null kommt: Welche jährlichen Emissionsreduktionsraten sind beabsichtigt und was muss auf dem Weg dahin geschehen? Plakativ gesprochen könnte ja ein Unternehmen, das sich ein Netto-Null-Ziel bis 2050 gegeben hat, bis 2045 seine Treibhausgas- Emissionen stark steigern und dann fünf Jahre lang seine Emissionen kompensieren, um auf Netto-Null zu kommen. Deshalb ist es für die Bewertung der Nachhaltigkeitsstrategie wichtig zu wissen, wie der Weg bis 2050 aussehen soll. Es ist immer noch relativ aufwendig, diese Informationen zu erheben und zusammenzustellen.

Glaubwürdigkeit von Klimazielen KI-gestützt überprüfen

Wie gehen Sie mit der lückenhaften Datenlage um?
Hannah Helmke: Wir arbeiten mit den Daten des Londoner Datenanbieters Urgentem, der es sich zum Geschäftsmodell gemacht hat, diese Nachhaltigkeitsberichte zu analysieren. Er überprüft die berichteten Daten auf Lücken und schließt diese anhand von sektorspezifischen Hochrechnungen. Damit erhalten wir die Daten aus einer Quelle, die immer in derselben Art und Weise diese Bewertungen vorgenommen hat. Dieses konsistente Datenset ermöglicht eine Vergleichbarkeit von Unternehmen. Zusätzlich verlangen wir auch von diesem Datenanbieter eine hohe Transparenz darüber, wie er Datenlücken identifiziert und schließt.

Welche Möglichkeiten sehen Sie für den Einsatz von KI zur Analyse von Nachhaltigkeits- bzw. Unternehmensberichten, um die Klimaschutzaktivitäten eines Unternehmens zu bewerten? Welche Rolle spielt hier die XDC-Kennzahl?
Hannah Helmke: Wir sehen ein sehr großes Potenzial, das wir in unserem wissenschaftlichen Projekt right.open explorieren. Hier ermöglichen wir Studierenden für ihre Abschlussarbeiten und Dissertationen einen Zugang zum XDC-Modell. Wir betreuen sie dann in der Beantwortung ihrer wissenschaftlichen Fragestellung. In einem Projekt wurde im Rahmen einer Masterarbeit kürzlich geprüft, inwieweit mit Natural Language Processing (NLP) aus der Unternehmensberichterstattung wichtige Informationen automatisiert gezogen werden können.³ Dabei handelt es sich entweder um weitere Daten, mit denen die Berechnung der XDC verbessert werden kann, oder um Daten, welche die Interpretation der XDC erleichtern. Das sind beispielsweise Daten zur Glaubwürdigkeit von Transitionsplänen. Wenn wir beispielsweise für ein Unternehmen eine XDC von 4 °C errechnen und dieses ein starkes Klimaziel formuliert, könnte man mit einer NLP-Analyse der vom Unternehmen verwendeten Wörter herausfinden, ob das Unternehmen glaubwürdig, konsistent und informiert über das Thema Klima und sein Klimaziel spricht.

Die Glaubwürdigkeit einer Unternehmensaussage würde sich dann an was genau bemessen?
Hannah Helmke: Hier ist die Hypothese, dass die Art und Weise, wie Unternehmen über ihre Klimaziele und -strategien in ihrer Berichterstattung sprechen, Schlüsse darüber zulassen, wie ernst sie es mit ihren Klimazielen meinen.

Wie sieht eine Überprüfung der Unternehmensberichte konkret aus?
Hannah Helmke: Wenn beispielsweise das Thema Klimastrategie mit seinen einschlägigen Begriffen nur in einem isolierten Bereich der Berichterstattung vorkommt – etwa dem Nachhaltigkeitsbericht –, aber nicht in den anderen Bereichen, in denen es um Governance geht oder um die langfristige Strategie des Unternehmens, die finanziellen Projektionen, dann könnte man die Hypothese aufstellen, dass dieses Unternehmen das Thema Klima vielleicht noch nicht auf die ganzheitliche Weise integriert hat, die nötig wäre, um auf einen Paris-kompatiblen Pfad in Richtung Netto-Null zu kommen. Solche Hypothesen muss man natürlich validieren und zum Beispiel in Abschlussarbeiten wissenschaftlich untersuchen.

3) Becker, J. (2020): Recognition and Assessment of Climate Disclosure in Annual Business Reports with Natural Language Processing. Master’s Thesis. Frankfurt University of Applied Sciences.

zurück
3
vorwärts

Was hat die Masterarbeit hinsichtlich der Glaubwürdigkeit von Unternehmensaussagen zum Klimaschutz ergeben?
Hannah Helmke: Sie hat erst einmal gezeigt, dass diese automatisierte Datenerhebung möglich ist. Das heißt, es ist möglich, aus den Unternehmensberichten die Textpassagen zu extrahieren, die für die Thematik Klima relevant sind, und diese zu kategorisieren. Die Masterarbeit befasst sich mit verschiedenen NLP-Verfahren und stellt ein Proof-of-Concept dar. Da ging es erst einmal darum zu zeigen, dass es geht. Darauf kann man nun aufbauen und beispielsweise den weiterführenden Fragestellungen nachgehen, die ich gerade hypothetisch geschildert habe, wie zum Beispiel der qualitativen Einordnung und Bewertung der Glaubwürdigkeit.

XDC als zukunftsgerichteter Nachhaltigkeitsindikator

Worin besteht die Herausforderung bei der Ermittlung von Nachhaltigkeitsindikatoren wie der XDC-Kennzahl?
Hannah Helmke: Nachhaltigkeitsindikatoren wie die XDC sind bewusst zukunftsgerichtet, weil diese Kennzahlen die Transitionen der Unternehmen greifen wollen. Wenn ein Unternehmen aus historischer Sicht stark zum Klimawandel beiträgt, sich aber künftig als Transitionsunternehmen verändern will, ist das für die Finanzmärkte sehr interessant. Diese Zukunftsgerichtetheit birgt aber Komplexität, da man die Zukunft eben nicht genau kennt. Diese Unsicherheit dann abzubilden, sodass man mit ihr arbeiten kann, ist recht komplex und neu für diese Branche. Die Herausforderung besteht für uns darin, die Ergebnisse so darzustellen, dass die Komplexität reduziert ist, dass der Nutzer damit arbeiten kann, dass aber dennoch keine Scheingenauigkeit entsteht.

Sie haben im Modell hinsichtlich der zukünftigen Entwicklung vereinfachte Annahmen getroffen. Können Sie diese schildern?
Hannah Helmke: Die Annahmen, mit denen wir arbeiten, stammen aus etablierten Szenariorahmenwerken, die auch der Weltklimarat IPCC nutzt. Das sind die Shared Socioeconomic Pathways (SSPs), die auch Open-Source-verfügbar sind und den Stand der Wissenschaft abbilden. Diese nutzen wir für die Projektion der ökonomischen Emissionsintensität, also der Entkopplung von Emissionen und Wertschöpfung in der Zukunft. Außerdem wenden wir für die Ermittlung der Zieltemperatur vornehmlich Szenarien der Internationalen Energieagentur (IEA) an. Dort wird eine Verteilung des verbleibenden Emissionsbudgets für beispielsweise 2 °C oder 1,75 °C Erderwärmung auf verschiedene Sektoren vorgenommen. So erhält beispielsweise die Energieversorgung einen größeren Anteil als die IT-Branche. Das übersetzt sich im XDCModell so, dass ein Software-Unternehmen eine Zieltemperatur von 1,4 °C einhalten müsste, um mit 1,75 °C globaler Erwärmung vereinbar zu sein, ein Energieunternehmen hingegen 3,1 °C. Diese Annahmen beziehen sich allerdings auf die gesamte OECD-Region, was etwa für ein deutsches Energieunternehmen ein zu grobes Raster darstellt. Aber es werden gerade immer mehr Szenarien entwickelt, wie beispielsweise die „Langfristszenarien und Strategien für den Ausbau Erneuerbarer Energien in Deutschland“, die eine granularere Darstellung erlauben. Solche sektor- und regionenspezifischen Szenarien können dann helfen, wenn wir einzelne Sektoren wie beispielsweise die Energieversorgung in Deutschland genauer betrachten möchten.

Wissenschaftliche Überprüfbarkeit dank Offenlegung des XDC-Modells

Warum haben Sie sich im Rahmen von right.open für eine Offenlegung des Modells entschieden? Und wie sieht Ihre Data-Sharing-Policy aus?
Hannah Helmke: Wir sind davon überzeugt, dass wir grundsätzlich mehr Transparenz zu den Methoden benötigen, mit denen ein Temperature Alignment beziehungsweise die Klimawirkungen berechnet werden. Nur so können wir die nötige Qualität und Überprüfbarkeit erreichen und die Möglichkeit zur Zusammenarbeit geben, um an der Verbesserung der Modelle zu arbeiten. Die Arbeit an den Modellen ist komplex, da ja verschiedene Bereiche des Klimawandels abgedeckt werden müssen, von sozioökonomischen bis hin zu klimawissenschaftlichen Faktoren. Das kann eine Firma allein nicht, auch nicht mit einem diversen Team. Aber wir müssen ja auch schnell vorankommen, weswegen wir uns für die Offenlegung entschieden haben. Wir können dann Kooperationen mit anderen Experten initiieren, die uns dabei helfen, das XDC-Modell als transparenten Standard für das Temperature Alignment zu etablieren. Das würde wiederum die Anwendung solcher Metriken auf dem Finanzmarkt und in der Realwirtschaft beschleunigen. Dies wiederum könnte die Dekarbonisierung schneller ankurbeln.

zurück
4
vorwärts

Wie waren die Erfahrungen mit der Offenlegung des Modells bisher?
Hannah Helmke: Sehr positiv. Wir kommunizieren das Modell offen und wir kommunizieren auch, dass wir noch ein paar Hausaufgaben zu erledigen haben – beispielsweise einen performanteren Anschluss an das Klimamodell FaIR, bevor wir damit Ende 2021 Open Source gehen. Das erzeugt oft Verwunderung. Wir werden dann gefragt, was dann mit unserem Geschäftsmodell sei. Aber wir werden nur den Code für das XDCModell offenlegen, nicht unsere Software, also die anwenderfreundliche Möglichkeit, auf das XDC-Modell zuzugreifen. Tatsache ist, dass die Offenlegung des Modells viel Vertrauen und Glaubwürdigkeit schafft. Damit kann ein institutioneller Investor aber noch nicht sein gesamtes Portfolio bewerten und daraus Schlüsse ziehen. Das macht man mit unserer Software.

Modulare Weiterentwicklung des XDC-Modells

Wie arbeitet man mit der XDC-Kennzahl, wenn man nicht nur eine Aussage zur Paris-Kompatibilität, sondern auch zur Nachhaltigkeit im weiteren Sinne treffen möchte? Kann das XDC-Modell entsprechend weiterentwickelt werden?
Hannah Helmke: Die GLS Bank beispielsweise wendet in ihrem Investmentprozess weitere Filter ergänzend zur XDC an. Beispielsweise schließt sie alle Firmen aus, die die Menschenrechte nicht einhalten. Aber sie verändert nichts an der XDC an sich. Wir sind allerdings mit der GLS Bank auch in right.open-Projekten engagiert, die daran forschen, ob es noch einen anderen Nenner für unsere Kalkulationen geben könnte, der besser den sozialen Mehrwert von bestimmten Unternehmensphilosophien greift. Dabei geht es beispielsweise um Sozialunternehmer, die nicht auf Profitabilität fokussieren, um höhere soziale Standards zu schaffen.

Lässt sich das XDC-Modell auch auf andere Fragestellungen hin anpassen?
Hannah Helmke: In der Immobilienbranche nutzen wir als Nenner die Quadratmeter, um dann hochzurechnen: Wenn jede Immobilie so emissionsintensiv wäre wie die betrachtete, wie viele Emissionen würden dann nur von der Immobilienbranche generiert werden? Was würde das für das Klima bedeuten? In einem Proof-of-Concept für die Immobilienbranche hat eine Master-Studentin an der TU Darmstadt mit uns diese Komponente „Emissionen pro Quadratmeter“ erarbeitet, wofür wir unser Modell angepasst haben. Wir berechnen jetzt auch die XDC für Staatsanleihen, wobei wir dann die Aussage pro Kopf treffen. Wir sagen also: Wenn jedes Land so viele Emissionen pro Kopf bräuchte wie das betrachtete Land, wie viele Emissionen würden dann entstehen und was wäre dann die Erderwärmung? Für die Staatsanleihen entwickeln wir das entsprechende Modul derzeit. Hier ist der modulare Aufbau des XDC-Modells hilfreich, um Kritikpunkte oder Verbesserungspotenziale aufzugreifen.

zurück
5

Hintergrund

Die Europäische Richtlinie zu Corporate Social Responsibility (CSR) (2014/95/EU) verpflichtet Unternehmen, nichtfinanzielle Kennzahlen zu veröffentlichen. Nach § 289c HGB gehören dazu auch klimarelevante Daten zu Treibhausgas-Emissionen, Wasserverbrauch, Luftverschmutzung, die Nutzung von erneuerbaren und nicht erneuerbaren Energien sowie der Schutz von Biodiversität. Bisher gibt es keine genauen Vorgaben, nach welchem Standard die Daten erhoben werden sollen.

Die „Science-Based Targets Initiative“ (SBTi) setzt sich für eine wissenschaftsbasierte Unternehmensberichterstattung ein. Unternehmen sollen eigene Klimaziele festsetzen, die im Einklang mit den Pariser Klimazielen stehen. Diese sollen dann überprüft und verifiziert werden können. Zu den Partnerorganisationen der Initiative gehören CDP (ehemals Carbon Disclosure Project), der UN Global Compact und das World Resource Institute. SBTi gibt Umsetzungsempfehlungen, wobei die mittel- und langfristigen Klimaziele je nach Sektor für einzelne Industrien unterschiedlich hoch sind. Die Empfehlungen beziehen sich nach dem GHG-Protokoll auf Emissionen, die der Kontrolle des Unternehmens unterliegen, also Scope 1 etwa bei unternehmenseigenen Flotten oder Kraftwerken und Scope 2 aus Energiedienstleistungen wie Strom, die bezogen werden. Außerdem beziehen sie sich mit Scope 3 auf Emissionen, die in der vor- oder nachgelagerten Lieferkette verursacht werden, aber nicht unter der Kontrolle des Unternehmens stehen. Dazu gehören auch Emissionen, die bei Zulieferern, Dienstleistern oder Mitarbeitern beziehungsweise während der Nutzungsphase der Produkte entstehen. Wenn mehr als 40 Prozent der Gesamtemissionen entlang der Wertschöpfungskette auf Scope 3 entfallen, müssen die Unternehmen auch konkrete Aussagen zu Reduzierungen in diesem Bereich treffen. Bisher gibt es keine regulatorischen Vorgaben, die Unternehmen zu wissensbasierten Aussagen zu Klimarisiken verpflichten, doch die Europäische Union unternimmt dazu derzeit einen Anlauf: 2019 hat die EU-Kommission in einer Mitteilung1 zu klimabezogenen Informationen den Grundsatz der „Doppelten Wesentlichkeit“ betont. Sie verlangt von den Unternehmen, nicht nur anzugeben, welche Auswirkungen etwa der Klimawandel auf das Unternehmen hat, sondern auch, wie das Unternehmen auf andere, wie etwa das Klima, wirkt. Außerdem sollen auch soziale und ökologische Wirkungen so erfasst werden. Die Definition der Doppelten Wesentlichkeit wurde bislang nur von wenigen Unternehmen angewandt. Im Zuge des europäischen Green Deal erarbeitet die European Financial Reporting Advisory Group (EFRAG) im Auftrag der EU-Kommission nun Standards für das nichtfinanzielle Reporting. Die Verabschiedung der überarbeiteten CSR-Richtlinie wird für 2022 erwartet.

Die doppelte Wesentlichkeitsperspektive

Literatur

Helmke, H., Hafner, H., Gebert, F. & Pankiewicz, A. (2020): Provision of Climate Services – The XDC Model, in: Filho, W. & Jacob, D. (Hrsg.), Handbook of Climate Services, 2020: Springer Nature Switzerland AG.

right. based on science (2020): Capturing the °Climate Factor. Linking Temperature Alignment and Financial Performance through the X-Degree Compatibility (XDC) Model. https://uploads-ssl.webflow.com/5ddbd8f4d31f0fb0ad6f12fd/5f99aecef133db41b07e5934_Whitepaper_right_FINAL.pdf

Weiterlesen zum Thema:

Capgemini Research Institute (2020): Climate AI: How artificial intelligence can power your climate action strategy, https://www.capgemini.com/wp-content/uploads/2020/11/Climate-AI_Final.pdf

Das Interview mit Hannah Helmke führte die Journalistin Christiane Schulzki-Haddouti im Rahmen eines vom Bundesministerium für Bildung und Forschung beauftragten Publikationsprojektes zum Thema „KI und Nachhaltigkeit“. Die vollständige Publikation steht als PDF zum Download zur Verfügung.