KI im Dienst von ESG
Mittels KI lassen sich ESG-Risiken effektiver identifizieren und bewerten. Anleger können sich statt auf die Datensuche und -erfassung mehr auf die Interpretation konzentrieren. KI-Werkzeuge können beispielsweise Unternehmensangaben mit ESG-Ratings von Drittanbietern vergleichen und dabei Unstimmigkeiten oder Lücken aufzeigen.
Bei DPAM überlassen wir moralische oder qualitative Urteile jedoch nicht der KI – das bleibt Aufgabe des Menschen. Stattdessen steuern wir die KI entlang klarer, sachlicher Kriterien. Bei der Bewertung von Whistleblower-Programmen überprüft ein Tool beispielsweise, ob die Richtlinien unseren Erwartungen entsprechen.
Umwelt-Herausforderungen von KI-Unternehmen
Um wiederum die ESG-Risiken von KI zu bewerten, betrachten wir die jeweilige Wertschöpfungskette. Das größte Umweltrisiko ist der Energieverbrauch entlang dieser Kette, bei Rechenzentren wird der Wasserverbrauch ein immer größeres Problem. Auf Rechenzentren entfällt 4,4 % des gesamten Stromverbrauchs in den USA (Quelle: MIT); bis 2028 könnten es 12 % werden. Der Energieverbrauch einer einzelnen KI-Abfrage hängt von vielen Faktoren ab. Noch immer ergibt sich aus den Informationen der Unternehmen kein umfassendes Bild vom Energiebedarf von KI-Modellen.
Unternehmen, die große KI-Modelle entwickeln und einsetzen, stehen unter Druck, ihre Umweltauswirkungen offenzulegen und zu mindern. Erfreulicherweise investieren viele davon massiv in sauberere Energie. Amazon ist als Privatunternehmen seit mehreren Jahren der weltweit größte Käufer von erneuerbaren Energien. Microsoft und Meta prüfen kleine Kernkraftprojekte, während Apple und Google Rechenzentren ausbauen, die zunehmend mit erneuerbaren Energien betrieben werden.
Mit zunehmender Reife könnten KI-Modelle die Energieintensität verringern und einfachere Aufgaben leichteren Modellen mit geringerem Energieverbrauch zuweisen. Dies könnte das Wachstum des Energieverbrauchs von Rechenzentren zumindest verlangsamen.
Soziale Risiken der KI: Diskriminierung, Datenschutz, Desinformation
Menschliche Stereotypen können leicht in die KI einfließen und zu unbeabsichtigter Diskriminierung führen, etwa bei automatisierten Rekrutierungstools.
Der Datenschutz ist ein weiteres wichtiges Anliegen. KI-Systeme können sensible Informationen oder Verhaltensmuster aus Trainingsdaten oder Benutzerinteraktionen speichern oder ableiten. Dies wirft ethische und rechtliche Fragen zur Datennutzung und Einwilligung auf.
KI kann zudem Ausmaß und Geschwindigkeit von Desinformationen verstärken, etwa durch Stimmklonen, gefälschte Videos oder synthetische Medien. So kann KI die öffentliche Meinung beeinflussen und das Vertrauen in zuverlässige Informationsquellen untergraben.
Was man von KI-Unternehmen erwarten sollte
Wie können nachhaltige Investoren die beschriebenen Risiken mindern? Bei DPAM untersuchen wir, wie Unternehmen KI-Chancen und -Risiken handhaben, vom Energieverbrauch und den Lieferketten bis hin zum Datenschutz und der ethischen Nutzung.
Unternehmen sollten klare ethische Grundsätze für die Entwicklung und den Einsatz von KI formulieren und durch Governance-Strukturen, Überwachungsmechanismen und Folgenabschätzungen unterstützen. Diese Grundsätze sollten in konkrete Praktiken umgesetzt werden. So sollten beispielsweise Menschenrechtsaspekte in das Produktdesign einfließen oder eine Rechenschaftspflicht bestehen, wenn KI-Tools bei sensiblen Entscheidungen eingesetzt werden.
DPAM ermutigt im Rahmen der World Benchmarking Alliance’s Collective Impact Coalition (WBA CIC) Unternehmen dazu, gemeinsame Erwartungen an KI branchenübergreifend zu erfüllen. Ethische Überlegungen sollten KI ermöglichen und nicht als Innovationshürde verstanden werden. Arbeiten Ingenieure und Ethik-Experten Hand in Hand, ist das Ergebnis nicht nur eine sicherere, sondern auch eine bessere KI.
Von Matthew Welch, Responsible Investment Specialist bei DPAM
Weitere beliebte Meldungen:
