Themenspezifische Specials
Mit themenspezifischen Specials, die als zusätzlicher Zeitungsbund erscheinen, bietet «Finanz und Wirtschaft» ihren Leserinnen und Lesern regelmässig einen attraktiven Mehrwert.
Jennifer Wu und Soňa Stadtelmeyer-Petru
Bei J.P. Morgan Asset Management sind wir der Ansicht, dass Künstliche Intelligenz (KI) die ESG-Forschung (ESG: Umwelt, Soziales, Governance) grundlegend verändern könnte.
Wir haben bereits in der Praxis gesehen, wie grosse Sprachmodelle (Large Language Models LLMs) und die Verarbeitung natürlicher Sprache (Natural Language Processing NLP) dabei helfen können, die enormen Mengen alternativer Daten zu durchsuchen, um das Anlageuniversum schnell einzugrenzen und ein präziseres Spektrum an Möglichkeiten sowie tiefere Einblicke in weniger transparente Bereiche der Unternehmen zu bieten.
In Bezug auf Klimadaten kann KI-gestütztes maschinelles Lernen zudem dazu beitragen, Datenlücken bei der Berichterstattung von Unternehmen über ihre Emissionen zu schliessen oder Stresstestmodelle für Klimarisiken zu verbessern. Ein Beispiel ist die Skalierung grösserer und komplexerer Modelle für physikalische Klimarisiken (physical climate risks), deren Erstellung kostspielig und zeitaufwändig ist. Darüber hinaus kann die Technologie zur Vorhersage von Kohlenstoffpreisen oder zur Berechnung des CO2-Fussabdrucks von Produkten eingesetzt werden.
Ein weiteres wichtiges Anwendungsgebiet für KI entsteht rund um die Entwicklung praktischer Lösungen zur Anpassung an den Klimawandel. Dies betrifft etwa die Vorhersage von Gefahren durch die Verbesserung von Frühwarnsystemen, zum Beispiel mithilfe von Satellitenbildern, sowie zur Unterstützung praktischer Anpassungslösungen wie der Präzisionslandwirtschaft.
Das Versprechen der Künstlichen Inteligenz ist besonders in weniger entwickelten Bereichen der Forschung zu nachhaltigen Investitionen wie der Biodiversität relevant, wo die Datenlage noch unvollständig und uneinheitlich ist. KI kann beispielsweise mit Geodaten kombiniert werden, um neue Analysetools und präzisere Daten auf Vermögenswertebene zu erstellen, die eine bessere Erfassung und Interpretation von Biodiversitätsinformationen ermöglichen. Diese Daten können dann effizienter auf Investitionsentscheidungen angewendet werden.
KI kann auch Unternehmen dabei unterstützen, die verschiedenen Aspekte der Dekarbonisierung zu bewältigen und ihr Nachhaltigkeitsprofil schneller zu verbessern. Sie kann beispielsweise eingesetzt werden, um unvorhersehbare Schwankungen im Stromnetz zu bewältigen und so die Emissionen von Standby-Generatoren zu minimieren.
KI wird auch bereits erfolgreich eingesetzt, um den Energieverbrauch für die Kühlung von Rechenzentren zu senken, was zu erheblichen Kosten- und Emissionseinsparungen führt. Darüber hinaus könnte sie durch die Bewertung von Kohlenstoffspeichern und die Überwachung von Trends bei der Kohlenstoffaufnahme durch Wälder zur natürlichen und mechanischen Kohlenstoffbindung beitragen.
Sicherlich gilt es die Sorgen im Zusammenhang mit Künstlicher Intelligenz, wie Einseitigkeit oder Verzerrungen, mangelnde Transparenz bis hin zu den Auswirkungen der Technologie auf die Umwelt anzuerkennen und zu adressieren. Es besteht ein Bedarf an Weiterbildung und Wissensaustausch über die realistischen Möglichkeiten und Grenzen der Künstlichen Intelligenz, um die Forschung und Massnahmen zur Bekämpfung des Klimawandels zu verbessern.
Es ist jedoch wichtig, sich vor Augen zu führen, inwieweit Künstliche Intelligenz sowohl als Werkzeug für ein differenzierteres ESG-Research im Anlagebereich als auch als Mittel zur Verbesserung der betrieblichen Nachhaltigkeit auf Unternehmensebene eingesetzt werden kann, um noch konkretere Vorstellungen von der entscheidenden Rolle zu erhalten, die sie zukünftig im Bereich nachhaltiger Investitionen spielen könnte.
Für Investoren in China ist es bisher schwierig, zuverlässige Umwelt-, Sozial- und Governance-Daten (ESG) zu chinesischen Unternehmen zu finden, die zumeist nur lokal und in Landessprache vorliegen. Dies ändert sich allmählich, da regulatorische Anforderungen börsennotierte und private Unternehmen zunehmend zur Veröffentlichung ihrer CO2-Emissionen verpflichten. Noch liegen chinesische Unternehmen bei der Offenlegung von ESG-Aspekten hinter globalen Standards zurück.
Auch im Asset Management unterstützt KI bereits die Investmentprozesse und wird zunehmend für das Management der ESG-Daten relevant. So nutzen unsere Management-Teams KI und maschinelles Lernen punktuell für das Fondsmanagement, um die Erkenntnisse in Bezug auf finanziell relevante ESG-Faktoren zu erweitern und einige der Lücken im Zusammenhang mit den ESG-Daten zu schliessen.
Dafür wurde ein Tool entwickelt, mit dessen Hilfe sich Näherungswerte für Emissionsdaten ermitteln lassen, indem Informationen aus unterschiedlichen verfügbaren Datenquellen wie sozialen Medien erfasst und mit dem Branchendurchschnitt verglichen werden. Ein weiteres Tool analysiert die relevanten Daten und bewertet Kontroversen bei Unternehmen, die typischerweise nicht in ESG-Scorecards der Datenanbieter berücksichtigt werden, sich aber auf den Unternehmenserfolg auswirken können.
Durch diese Tools werden fehlende Daten ergänzt, auch wenn sie tatsächliche Angaben der Unternehmen nicht vollständig ersetzen können. Um Unternehmen zu motivieren, selbst mehr ESG-Daten zu erfassen und offenzulegen, sollte die Datenanalytik mit aktivem Stewardship kombiniert werden. Unserer Ansicht nach liegt es im besten Interesse eines Unternehmens, über finanziell wesentliche ESG-Themen zu berichten; etwa die Treibhausgasemissionen und Menschenrechtsrisiken in ihren Lieferketten. Durch aktives Engagement lassen sich gute ESG-Reporting-Praktiken teilen und Unternehmen motivieren, ihre Lücken zu schliessen.
Als Investor ist der Zugang sowohl zu standardisierten ESG-Angaben als auch zu unternehmensspezifischen Informationen unerlässlich, einschliesslich Kontroversen und Verstössen gegen globale Normen, die möglicherweise nicht freiwillig gemeldet werden. Die Notwendigkeit, die Qualität von ESG-Research zu verbessern und die richtigen Folgerungen abzuleiten, ist also gross. Der Anwendungsbereich von ESG ist durch teilweise fehlende, teilweise aber auch sehr umfangreiche Daten prädestiniert für den Einsatz von KI.
Mit themenspezifischen Specials, die als zusätzlicher Zeitungsbund erscheinen, bietet «Finanz und Wirtschaft» ihren Leserinnen und Lesern regelmässig einen attraktiven Mehrwert.