Wie macht die ESG-Bewertung mit KI einen Sprung nach vorn?

• Laut der Global Sustainable Investment Alliance (GSIA) stieg das Volumen von ESG-Investitionen von rund 22,8390 Billionen US-Dollar im Jahr 2016 über rund 30,6830 Billionen US-Dollar im Jahr 2018 auf rund 35,3010 Billionen US-Dollar im vergangenen Jahr

• Mit der zunehmenden Verbreitung von ESG-Investitionen werden auch ESG-Informationen immer wichtiger

→ Beispiele dafür sind der Stand des ESG-Managements von Unternehmen und die Reaktion des Marktes darauf

→ Unternehmens-ESG-Berichte, mediale Berichterstattung zu ESG und Beiträge in sozialen Medien enthalten solche Inhalte

→ Auch ESG-Ratings oder -Scores gehören zu den ESG-Informationen

→ Heute werden ESG-Informationen mit KI-Technologien wie Natural Language Processing, Machine Learning und Computer Vision gesammelt und analysiert und für die ESG-Bewertung genutzt

• Das US-Unternehmen Sensefolio

→ durchsucht mit Deep-Learning-Algorithmen ESG-bezogene Themen in Medienberichten, Pressemitteilungen, Social-Media-Beiträgen und Unternehmensberichten und analysiert Texte

→ Mit Natural Language Processing werden Themen, positive und negative Inhalte sowie die Objektivität bzw. Subjektivität von Korpora und Texten erfasst

• Das Schweizer Unternehmen RepRisk

→ untersucht Printmedien, Online-Medien, Social Media, Regierungsbehörden, Regulierungsbehörden, Think Tanks und Newsletter

→ analysiert Daten mit Machine Learning, um die automatische Identifikation relevanter Risikoereignisse zu unterstützen

→ Jedes Risikoereignis wird auf Basis von Vorhersagen des Machine-Learning-Modells automatisch mit allen relevanten Entitäten wie Unternehmen, Projekten und ESG-Themen getaggt

• Das chinesische Unternehmen WeBank

→ sammelt und analysiert mit Computer Vision und Machine Learning ESG-Informationen aus Satellitenbildern

→ damit werden die Umweltauswirkungen von Unternehmen untersucht