OntoMetric: Automatisierte ESG‑Wissensgraphen dank Ontologie‑gestützter Extraktion
Die neuesten ESG‑Berichtspflichten – von SASB über TCFD bis hin zu IFRS S2 – verlangen von Unternehmen, zahlreiche Kennzahlen zu berechnen und zu veröffentlichen. Diese Vorgaben liegen jedoch in langen, unstrukturierten…
- Die neuesten ESG‑Berichtspflichten – von SASB über TCFD bis hin zu IFRS S2 – verlangen von Unternehmen, zahlreiche Kennzahlen zu berechnen und zu veröffentlichen.
- Diese Vorgaben liegen jedoch in langen, unstrukturierten PDF‑Dokumenten vor, die schwer zu interpretieren, zu standardisieren und zu prüfen sind.
- Manuelle Extraktion ist nicht skalierbar, und unkontrollierte große Sprachmodelle liefern häufig inkonsistente Entitäten, halluzinierte Beziehungen und fehlende Herkunft…
Die neuesten ESG‑Berichtspflichten – von SASB über TCFD bis hin zu IFRS S2 – verlangen von Unternehmen, zahlreiche Kennzahlen zu berechnen und zu veröffentlichen. Diese Vorgaben liegen jedoch in langen, unstrukturierten PDF‑Dokumenten vor, die schwer zu interpretieren, zu standardisieren und zu prüfen sind. Manuelle Extraktion ist nicht skalierbar, und unkontrollierte große Sprachmodelle liefern häufig inkonsistente Entitäten, halluzinierte Beziehungen und fehlende Herkunftsangaben.
OntoMetric ist ein neues, ontologie‑geleitetes Framework, das ESG‑Regelwerke in validierte, KI‑ und web‑bereite Wissensgraphen überführt. Der Prozess besteht aus drei Stufen: erst wird die Dokumentstruktur anhand von Inhaltsverzeichnissen segmentiert, anschließend führt ein LLM extrahiert die Daten unter Einbindung des ESGMKG‑Schemas und erweitert die Entitäten um semantische Felder für spätere Schlussfolgerungen. Abschließend erfolgt eine zweiphasige Validierung, die sowohl LLM‑basierte semantische Prüfungen als auch regelbasierte Schema‑Checks auf Entitäts-, Eigenschafts‑ und Beziehungsebene kombiniert.
Bei einer Evaluation mit fünf ESG‑Standards – darunter SASB für Commercial Banks, Semiconductors, TCFD, IFRS S2 und AASB S2 – wurden 228 Seiten und 60 Segmente verarbeitet. OntoMetric erreichte dabei 65 % bis 90 % semantische Genauigkeit und 80 % bis 90 % Schema‑Compliance, während herkömmliche, unbegrenzte Extraktionsmethoden lediglich 3 % bis 10 % erreichten. Der Kostenfaktor liegt bei etwa 0,01 bis 0,02 USD pro validierter Entität, was die Wirtschaftlichkeit des Ansatzes unterstreicht.
Die Ergebnisse zeigen, dass OntoMetric die Herausforderung der ESG‑Datenextraktion effizient löst und gleichzeitig die Nachvollziehbarkeit und Auditierbarkeit durch Beibehaltung von Seiten‑ und Segment‑Provenienz gewährleistet. Damit eröffnet das System neue Möglichkeiten für automatisierte ESG‑Reporting‑Prozesse und die Integration von ESG‑Daten in Unternehmens‑ und Finanzanalysen.
Welche Linse du auf diese Meldung legen solltest
Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.