Vertrauenswürdige Nachhaltigkeitsratings: Mensch‑AI‑Framework für Benchmark‑Datensätze

ESG‑Ratingagenturen nutzen Unternehmensoffenlegungen und externe Daten, um Scores zu erstellen, die Umwelt‑, Sozial‑ und Governance‑Leistungen bewerten. Doch die Ergebnisse dieser Bewertungen unterscheiden sich bei derselben Firma oft stark, was die Vergleichbarkeit, Glaubwürdigkeit und Entscheidungsrelevanz erheblich einschränkt.

Um diesem Problem entgegenzuwirken, schlägt ein neues Forschungsprojekt ein universelles Mensch‑AI‑Kooperationsmodell vor, das verlässliche Benchmark‑Datensätze für die Bewertung von Nachhaltigkeitsrating‑Methoden erzeugt. Das Framework besteht aus zwei ergänzenden Komponenten: STRIDE (Sustainability Trust Rating & Integrity Data Equation) definiert klare Kriterien und ein Scoring‑System, das mithilfe großer Sprachmodelle die Erstellung firmenspezifischer Benchmark‑Datensätze leitet. SR‑Delta ergänzt dies durch eine Diskrepanz‑Analyse, die aufzeigt, wo und warum Abweichungen auftreten und welche Anpassungen nötig sein könnten.

Durch die Kombination von menschlicher Expertise und KI‑gestützter Analyse ermöglicht das Modell eine skalierbare und vergleichbare Bewertung von ESG‑Rating‑Methodologien. Die Autoren rufen die gesamte KI‑Community dazu auf, diese KI‑basierten Ansätze zu übernehmen, um die Qualität und Aussagekraft von Nachhaltigkeitsratings zu stärken und damit die dringend benötigten Nachhaltigkeitsziele besser zu unterstützen.