Die neue Rolle des Natural Language Processing in der ESG-Analyse

esg analytics

Künstliche Intelligenz und insbesondere Natural Language Processing (NLP) könnten es Investoren ermöglichen, effizient auf Daten zuzugreifen und diese zu analysieren und den Umfang der Analyse zur Bewertung von Umwelt, Sozialem und Unternehmensführung (ESG) drastisch zu erweitern“. Dies geht aus einer gemeinsamen Publikation der International Finance Corporation und der Vermögensverwaltungsgesellschaft Amundi hervor, das in diesem Jahr veröffentlicht wurde.

Warum ist die ESG-Analyse wichtig?

Angesichts der aktuellen und immer häufiger auftretenden Weltereignisse gewinnen Umwelt, Soziales und Unternehmensführung („environmental, social, and governance“ oder ESG) immer mehr an Bedeutung. Es gibt einen globalen Trend zu verantwortungsbewussten Investitionen, da Verbraucher, insbesondere die jüngeren Generationen, eine Nachfrage nach verantwortungsbewussten Investitionen wecken.

Dieser Trend wurde Anfang des Jahres deutlich, als Cardano (eine der umweltfreundlichsten Kryptowährungen) einen großen Abschwung in der Branche erlebte, nachdem Elon Musk Bedenken über die Umweltauswirkungen des Krypto-Mining-Prozesses getwittert hatte.

Eine ESG-Analyse ist nicht nur zukunftssicher für Ihre Investition, sondern auch ein Weg der sozialen Verantwortung. Betrug, Korruption und Klimawandel stellen ein kollektives Risiko für die Gesellschaft dar.

Die Herausforderungen der ESG-Analytik

Investoren sind frustriert über den Mangel an standardisierten ESG-Daten. Das Wachstum des Marktes hat zu einer Zunahme der Anbieter von ESG-Daten und -Ratings geführt, aber das hat die Verwirrung auf dem Markt nur noch verstärkt, so die Experten.

Der globale ESG-Fonds hat sich seit 2015 auf über eine Billion Dollar verdreifacht. Dieses Wachstum hat zum raschen Aufkommen von ESG-Rating-Anbietern mit jeweils unterschiedlichen Metriken und Parametern geführt. Emittenten werden mit Formularen bombardiert, was zu einer „ESG-Berichtsmüdigkeit“ führt, wie es im IFC/Amundi-Bericht heißt.

Das rasante Wachstum und die daraus resultierende Zunahme des Bewusstseins für die Bedeutung von ESG-Daten fanden fast ausschließlich in den Industrieländern statt. Dies macht es für Investoren sehr schwierig, ESG zu bewerten und in Emittenten in Schwellenländern zu investieren.

Eine weitere Herausforderung ist die Komplexität eines solchen multidimensionalen Bereichs. Wie vergleicht man die Antikorruptionspolitik eines Unternehmens mit seinem Engagement für Nachhaltigkeit? Wie kann man die Strategien zur Betrugsprävention von einer Region zur anderen gleich bewerten? Strukturierte Daten allein, die mit Abweichungen behaftet sind, geben Ihnen kein dreidimensionales Bild in einem so nuancierten Bereich.

Qualität und Rückverfolgbarkeit sind ebenfalls Herausforderungen bei ESG-Daten. Analysten benötigen Zugang zu Rohdaten, um ein klares und ehrliches Verständnis der Leistung und des Engagements eines Zielunternehmens für Best Practices und die Bewältigung wichtiger Probleme zu erhalten.

Zusammenfassend lässt sich sagen, dass der Mangel an Regulierung zusammen mit der Komplexität von ESG den Vergleich zwischen Regionen nahezu unmöglich macht. Glücklicherweise haben aufkommende Möglichkeiten der KI- und NLP-Technologie das Potenzial, neue Datenpunkte und neue Perspektiven auf vorhandene Daten zu liefern, um die ESG-Offenlegungslücke zu schließen.

Nutzung von unstrukturierten Daten und NLP

Investoren nutzen KI-Technologien zum Sammeln und zur Analyse von unstrukturierten Daten, um die ESG-Bewertung zu erweitern und zu vertiefen.

Nachrichtenartikel, Projektoffenlegungen an multilaterale Entwicklungsbanken (MDBs), Nachhaltigkeitsberichte und Anleiheprospekte werden als ungenutzte Quellen für unstrukturierte Daten genannt. Social Media- und Bewertungsdaten können auch Kennzahlen wie Mitarbeiterzufriedenheit und Arbeitnehmerrechte unterstützen.

In der Vergangenheit war die Bewertung von Langtexten ein zeit- und ressourcenintensiver Prozess. Innovationen im NLP haben jedoch die Art und Weise revolutioniert, wie unstrukturierte Texte gesammelt, analysiert und interpretiert werden können.

NLP-Tools, wie die von Symanto, können unstrukturierte Daten schnell und in großem Umfang analysieren. Unstrukturierter Text kann aus öffentlichen Quellen entnommen werden, wodurch die ESG-Berichterstattung nicht mehr unbedingt erforderlich ist und eine gründlichere Analyse der ESG-Leistung in Schwellenländern ermöglicht wird.

 

Durch die Analyse von Text aus Medien und anderen Dokumenttypen, die nicht speziell für die ESG-Berichterstattung erstellt wurden, besteht eine gute Chance, dass es weniger Diskrepanzen und eine geringere Wahrscheinlichkeit gibt, dass die Daten manipuliert oder verzerrt wurden, um ein positives Bild des Emittenten zu vermitteln.

 

Anwendungen von NLP im ESG-Berichterstattung

 

Beschleunigen Sie die manuelle Analyse

NLP kann den Zeitaufwand für die Suche nach relevanten ESG-Informationen in Berichten und anderen internen und externen Dokumenten verringern. Der britische Lebensmittel- und Bekleidungseinzelhändler Marks and Spencer zum Beispiel hat dies in seinem Nachhaltigkeitsplan veröffentlicht:

“In den letzten zwölf Monaten haben wir unseren Menschenrechtsansatz erheblich verbessert. Dies gipfelte darin, dass wir im aktuellen Corporate Human Rights Benchmark als bestes Bekleidungs- und Lebensmittelunternehmen bewertet wurden.“

Auszug aus den Verpflichtungen von Marks and Spencer Plan A 2025

 

Anstatt den Bericht manuell zu lesen und zu analysieren, würde das Symanto-NLP-Modell eine Textklassifizierung und Sentimentanalyse des Berichts durchführen, um nur die relevantesten Auszüge zu gewinnen. In diesem Fall würde das Symanto-Modell die obige Passage als „Menschenrechte“ mit einem „positiven“ Stimmungswert klassifizieren.

NLP kann dann in anderen Quellen wie Nachrichtenberichten, sozialen Medien und Blogs genutzt werden, um Versprechen in Unternehmensberichten entweder zu bestätigen oder zu widerlegen.

Messen Sie die Stimmung am Arbeitsplatz/Mitarbeiterzufriedenheit

Die Mitarbeiterzufriedenheit ist eine Schlüsselkennzahl für die ESG-Analyse. Wie Arbeitgeber ihre Mitarbeiter behandeln, ist nicht nur ein Maß für ihr Engagement für ethische Praktiken, es gibt auch Hinweise darauf, dass Unternehmen mit zufriedeneren Mitarbeitern auch an der Börse besser abschneiden.

Starten Sie jetzt mit Einblicken von Symanto

Wir erstellen Lösungen, die genau Ihren Anforderungen entsprechen. Um mehr über die NLP-Tools von Symanto zu erfahren, sprechen Sie uns an oder buchen Sie noch heute Ihre kostenlose persönliche Demo.