ESG-Kriterien gewinnen in der Finanzdienstleistungsbranche (FSI) zunehmend an Bedeutung. Banken und Finanzinstitute stehen vor der Herausforderung, ESG-Daten effizient zu sammeln, zu verarbeiten und zur Erfüllung regulatorischer Anforderungen (wie der EU-Taxonomie und der Corporate Sustainability Reporting Directive, CSRD) zu nutzen. Um diese Anforderungen zu adressieren, wurde das Flagship-Projekt „KI-basiertes ESG-Assessment für die FSI“ im Rahmen des Fachausschusses KI für FSI initiiert und in Zusammenarbeit mit unseren Partnern Yukka Lab und Deloitte umgesetzt. In einer zweistufigen Workshop-Serie wurden zentrale ESG-Herausforderungen der Banken identifiziert und passende KI-basierte Lösungen entwickelt, um konkrete Umsetzungsstrategien aufzuzeigen.
Workshop-Serie: Überblick
Das Flagship-Projekt wurde in zwei Workshops unterteilt. Im ersten Workshop fokussierten wir uns auf die Use Case Ideation, bei der gemeinsam mit Vertretern der Banken zentrale ESG-Herausforderungen identifiziert wurden. Der zweite Workshop diente der Lösungsfindung, in dem zwei vielversprechende Anwendungsbereiche detailliert betrachtet und diskutiert wurden.
Ergebnisse des ersten Workshops: Use Case Ideation
Nach intensiver und individueller Arbeit mit den verschiedenen Banken haben wir im ersten Workshop fünf Use Cases erarbeitet:
- Automatisierte ESG-Datenintegration: Ziel ist die Sammlung und Integration von ESG-Daten aus verschiedenen Quellen, um umfassendere Analysen zu ermöglichen. Die Datenqualität und Verfügbarkeit wurden dabei als kritische Herausforderungen erkannt.
- Effizientes ESG-Reporting: Die Automatisierung von ESG-Reports soll die Arbeitslast verringern und die Konsistenz verbessern. Hier wurde deutlich, dass große Datenmengen effizient verarbeitet und kontextualisiert werden müssen.
- Dokumentenverarbeitung für Energieausweise: Der Fokus liegt auf dem automatischen Auslesen und Verarbeiten von Energieausweisen, um manuelle Arbeit zu reduzieren und den Prozess zu beschleunigen. Als Herausforderung wurden insbesondere die unterschiedlichen Formate der Dokumente genannt.
- ESG-Scoring-Plattform: Ein Tool zur Bewertung verschiedenster ESG-Daten, wurde, als potenzieller Use Case identifiziert, wobei die Verfügbarkeit der Informationen und die Validierung der Daten als Herausforderung genannt worden ist.
- CSRD-Report-Erstellung: Ziel ist es, komplexe Berichtspflichten zu vereinfachen und den Ressourcenaufwand zu reduzieren. Herausforderungen sind die Vielzahl der Anforderungen, benötigte Infrastrukturänderungen und sich ändernde Leitlinien.
Die Erkenntnisse des ersten Workshops zeigen, dass die Verfügbarkeit und Qualität von ESG-Daten entscheidend für die erfolgreiche Umsetzung von KI-basierten Lösungen sind. Zudem wurde deutlich, dass Prozessautomatisierung die Effizienz steigern und manuelle Fehler reduzieren kann, während die Einhaltung regulatorischer Anforderungen zentral bleibt.
Ergebnisse des zweiten Workshops: Lösungsfindung
Im zweiten Workshop sollten konkrete Lösungsansätze ausgearbeitet werden. Damit in die Tiefe gegangen werden konnte, haben wir mit unseren Partnern Yukka Lab und Deloitte die zwei für die Teilnehmer relevantesten Anwendungsbereiche aus dem ersten Workshop identifiziert. Diese zwei Anwendungsbereiche wurden dann gemeinsam näher betrachtet:
- ESG-Datenplattformen: Die Diskussion drehte sich um die Integration von ESG-Daten aus verschiedenen Quellen und die technische Machbarkeit solcher Plattformen. Eine Erkenntnis war, dass automatisierte und semiautomatisierte Datenimporte durch Tools wie das von Yukka Lab möglich sind. Derzeit basieren die verfügbaren Daten hauptsächlich auf “Inside-Out”-Daten, die sich auf vergangene Berichtszeiträume beziehen. Diese Limitierung soll durch eine umfassendere und zukunftsgerichtete Datengrundlage überwunden werden, um proaktiver auf Veränderungen reagieren zu können. Die Teilnehmer diskutierten verschiedene Anwendungsbereiche, wie eine Analyse für sogenannte Minimum Safe Guards oder um Daten für die CSRD-Reports zu bekommen. Die Verfügbarkeit und Qualität der Daten blieben zentrale Herausforderungen, die je nach Anwendungsbereich gesondert betrachtet werden müssen.
Spatial Finance: Risiken bewerten und Vermögenswerte analysieren
Im Hinblick auf relevante ESG-Daten zeigt NVIDIA außerdem, wie KI und maschinelles Lernen in der Spatial Finance eingesetzt werden können, um Vermögenswerte zu überwachen, Risiken zu bewerten und Versicherungsansprüche zu analysieren. Durch die Kombination von Geodaten mit KI-gestützten Tools können Banken den Einfluss von Umweltveränderungen auf ihre Investitionen besser verstehen und fundierte Entscheidungen treffen. Diese innovativen Ansätze ermöglichen es, ESG-Daten nicht nur effizient zu nutzen, sondern auch zukünftige Risiken proaktiv zu steuern.
- Document AI: Der Fokus lag auf der automatisierten Extraktion und Verarbeitung von Dokumenten, wie beispielsweise Energieausweisen. Die Teilnehmenden diskutierten Herausforderungen wie die schlechte Lesbarkeit alter Dokumente und den Aufwand manueller Extraktion und Zuordnungen sowie Korrekturen. Es zeigte sich, dass eine hohe Automatisierungsquote möglich ist, die bis zu 90% der manuellen Arbeit ersetzt. Zugleich wurde betont, dass eine lückenlose Nachvollziehbarkeit und ein verlässliches Logging unerlässlich sind, um die Qualität und Compliance der Ergebnisse zu sichern.
NVIDIA ergänzte diese Diskussion mit ihren NIM Agent Blueprints, die für die automatisierte Dokumentenverarbeitung entwickelt wurden. Damit lassen sich auch komplexe RAG-Pipelines (Retrieval-Augmented Generation) aufbauen, die eine strukturierte Extraktion und Verarbeitung von Informationen aus großen PDF-Datenmengen ermöglichen. Solche Lösungen eröffnen neue Möglichkeiten, die ESG-Berichterstattung weiter zu automatisieren und zu verbessern.
Praktische Umsetzung und nächste Schritte
Die Umsetzung der Use Cases folgt einem strukturierten Ansatz. Im Bereich ESG-Datenplattformen startet der Prozess mit einem PoC zur Evaluierung der Datenqualität und Modellanpassungen. Darauf folgen Nutzerschulungen und die Integration in bestehende IT-Systeme, einschließlich der Definition von Schnittstellen.
Im Bereich Document AI beginnt das Projekt ebenfalls mit einem PoC zur Prüfung der Modellleistung. Danach erfolgt die Integration in Systeme und Prozesse. Eine kontinuierliche Überwachung der Modell-Performance ist essenziell, um eine zuverlässige Automatisierung sicherzustellen.
NVIDIA bietet Unternehmen mit LaunchPad, einer umfassenden End-to-End AI Platform, die Möglichkeit KI-Lösungen schnell zu testen, zu entwickeln und produktiv zu implementieren. Insbesondere bei ESG-Datenplattformen erlaubt die Plattform eine schnelle Inbetriebnahme und Skalierung von Anwendungen, ohne dass umfangreiche Vorabinvestitionen erforderlich sind. Dadurch können Banken ihre Projekte effizienter und risikoärmer realisieren.
Nachhaltigkeit und Energieeffizienz durch Accelerated Computing
Ein weiterer zentraler Aspekt bei der Nutzung von KI-Lösungen im ESG-Kontext ist deren Nachhaltigkeit. NVIDIA betont die Bedeutung von Accelerated Computing als Grundlage für Sustainable Computing. Durch die gezielte Nutzung von GPU-beschleunigten Technologien können nicht nur die Verarbeitungsgeschwindigkeiten erheblich gesteigert, sondern auch der Energieverbrauch reduziert werden. Laut NVIDIA ermöglicht Accelerated Computing eine bis zu 20-fache Effizienzsteigerung im Vergleich zu herkömmlichen CPU-basierten Systemen. Dies macht die NVIDIA AI Platform zu einer nachhaltigen und gleichzeitig leistungsfähigen Lösung für Banken, die ESG-Anforderungen erfüllen und gleichzeitig ihren CO₂-Fußabdruck minimieren möchten.
Fazit
Die Workshops haben gezeigt, dass eine enge Zusammenarbeit im Ökosystem des KI Parks konkrete Lösungen für ESG-Herausforderungen aufzeigen kann. Im Rahmen der Workshops konnten spezifische Use Cases bei den Banken identifiziert und passende Lösungsansätze entwickelt werden. Diese Kooperationen ermöglichen es, Datenplattformen und automatisierte Dokumentenverarbeitung effektiv einzusetzen und bestehende Prozesse zu optimieren. Der KI Park bietet eine Plattform, die den Austausch und die Zusammenarbeit zwischen führenden Unternehmen und Institutionen fördert und so die Entwicklung und Anwendung innovativer KI-Lösungen unterstützt.
Für Fragen und weiterführende bilaterale Gespräche könnt ihr euch gerne an Yukka Lab, Deloitte und NVIDIA wenden:
Yukka Lab:
Sascha Wagner: swa@yukkalab.com
Deloitte:
Tobias Waetzig: twaetzig@deloitte.de
Dr. Oliver Fink: ofink@deloitte.de
NVIDIA:
Dr. Jochen Papenbrock: jpapenbrock@nvidia.com
Nochmals herzlichen Dank für die Zusammenarbeit und euer Engagement!
Liebe Grüße,
das Team-Flagship des KI Parks, Yukka Lab, Deloitte & NVIDIA
