Der Weg zum Netto-Nullpunkt: Einbau von KI in Klimarisikostrategien

• Können generative KI (Generative KI) oder maschinelles Lernen dabei helfen, eine Netto-Null-Strategie festzulegen und effektiv umzusetzen?
• Ist es tatsächlich das Werkzeug, das das Gesicht der ESG- und Nachhaltigkeitsberichterstattung und -strategie verändern wird?
• Ist der Einsatz von Generativer KI als Werkzeug der Königsweg, um ein Unternehmen (oder ein Land) effizient und schnell auf Netto-Null zu bringen?

Das Klimarisiko bewegt sich stetig vom Bewusstsein über das Thema und die Priorität zur Strategie. Die Entwicklung verlief bis vor wenigen Jahren, als der Sprung vom Bewusstsein zur Priorität begann, eher schleichend. Dies geschah im Einklang mit den zunehmenden Unternehmensdiskussionen über "Resilienz", "Anpassung" und "Abschwächung". Der Business Case für den Umgang mit den Auswirkungen des Klimawandels und allen damit verbundenen Risiken ist dringend. Frühere Strategien zur Bekämpfung von Klimarisiken funktionieren nicht mehr. Es besteht ein echter Bedarf an Kreativität, Innovation und der Bereitschaft, über das Herkömmliche hinauszublicken. Die Klimarisiken bleiben dieselben, aber der Ansatz zur Messung, Überwachung und Abschwächung des Risikos stellt Unternehmen, Länder und Gemeinden weiterhin vor Herausforderungen.

Diese Arten von Klimarisiken sind jedem, der sich mit dem Klimawandel beschäftigt, oder jedem Business, das von Klimaereignissen betroffen ist, vertraut. In dem Maße, wie das Verständnis für Klimarisiken strategischer wird, ergeben sich für jedes Unternehmen Geschäftsmöglichkeiten, die von der bloßen Widerstandsfähigkeit bis zur proaktiven Suche nach innovativen Lösungen reichen.

Klimarisiken werden in vier verschiedene und bekannte Kategorien eingeteilt:

• Haftungsrisiko
• Reputationsrisiko
• Übergangsrisiko
• physisches Risiko

Entscheidend ist, dass die Unternehmen ihre Ziele und Bemühungen zur Bewältigung dieser Risiken klar und transparent darstellen. Das Gegenteil von Transparenz wird als "Greenwashing" angesehen. Diese Risiken erfordern spezifische und solide Daten, um sicherzustellen, dass die Risiken gemessen, überwacht und verwaltet werden; alles Schlüsselelemente, die eine solide und glaubwürdige Strategie untermauern. Die Erfassung dieser Daten fließt direkt in die Zielsetzung und Zielerreichung ein und unterstützt eine gut informierte Business-Strategie - eine Strategie, die alle Business-Risiken, einschließlich des Klimarisikos, einschließt.

Unternehmen brauchen Klarheit über ihre Klimarisiken. Genauso wichtig ist es, diese Risiken mit Blick auf die Möglichkeiten der Resilienz und Kreativität anzugehen. Es gibt zahlreiche Untersuchungen, die aufzeigen, wie ein Unternehmen mit Klimarisiken umgehen kann: von alternativen Energiequellen bis hin zu Dekarbonisierungsstrategien, von Investitionen in neue Märkte bis hin zu klaren Business-Chancen als Lösungsanbieter.

Net Zero beruht auf einem soliden Verständnis des Klimarisikos und ist der nächste Schritt, um die Nadel von einer Priorität zu einer konkreten Strategie zu bewegen. Die Frage ist, welchen Beitrag kann KI zu diesem Verständnis leisten?

KI wurde oft als eine transformative Allzwecktechnologie beschrieben, analog zur Elektrizität (d.h. ein Blog der KI-Koryphäe Andrew Ng Andrew Ngs Blog "KI is the new electricity") oder (in diesem Zusammenhang) ironischerweise als "das neue Öl" Das Verteidigungsministerium bezeichnet KI als "das neue Öl"; aber so aufregend diese Kategorisierungen auch sind, ist es vielleicht sinnvoller, spezifische Eigenschaften und Auswirkungen von KI zu identifizieren, die für die Netto-Null-Strategie relevant sind.

• KI zur Gewinnung von Erkenntnissen: Eine der ersten relativ erfolgreichen Anwendungen von Generative KI war die Erstellung von Zusammenfassungen großer und komplizierter Dokumente. Einige Zeit, bevor Generative KI in Mode kam, wurden maschinelle Lernsysteme effektiv eingesetzt, um Informationen in strukturierten Daten zu finden und Führungskräften verwertbare Insights über ihre Business-Aktivitäten zu liefern. Es ist zwar klar, dass der neue Ansatz kein Orakel darstellt, auf das man sich verlassen kann, wenn es darum geht, umfassende und zuverlässige Berichte aus dem Dokumentenspeicher eines Unternehmens zu ziehen, doch scheint Generative KI eine zugänglichere und robustere Methode zu sein, um Einblicke in komplexe unstrukturierte Daten zu erhalten.

• KI für Vorhersagen: Genaue und zuverlässige Vorhersagen des Energieverbrauchs können zur Erstellung effizienter Pläne genutzt werden, die kohlenstoffintensive Energiequellen vermeiden. Darüber hinaus kann die Vorhersage zur Erstellung von Simulationen genutzt werden, die Energiesparmaßnahmen validieren. Eine der ersten Anwendungen der neuen Welle der KI durch Google war die Entwicklung von Modellen für den Energieverbrauch in den Google-Rechenzentren. Berichten zufolge konnte durch diese Anwendung der Energieverbrauch für die Kühlung der Rechenzentren um 40 % gesenkt werden . DeepMind reduziert den Energieverbrauch der Google-Rechenzentren für die Kühlung um 40 %. In jüngster Zeit hat DeepMind Wettervorhersagemodelle mittlerer Reichweite entwickelt, die Berichten zufolge genauer sind als frühere Supercomputersimulationen und nur 1/1000 der Energie für die Erstellung einer Vorhersage verbrauchen. Bei der Technologie, die diesem Anwendungsfall zugrunde liegt, handelt es sich nicht um Generative KI im engeren Sinne, aber sie ist Teil der aufkommenden Technologie der KI, die durch den Daten- und Rechenboom der letzten etwa 10 Jahre entstanden ist.

• KI als effizienterer Motor: Der Einsatz von KI für die Wettervorhersage ist ein interessanter Frühindikator für einen überraschenden potenziellen Netto-Null-Nutzen. Im nächsten Abschnitt werden wir auf den sehr hohen Energieverbrauch der aktuellen Generation von KI-Modellen eingehen. Es besteht jedoch Potenzial für die Implementierung von KI-gestützten Systemen, die energieeffizienter und weniger kohlenstoffintensiv sind als herkömmliche Business-Prozesse und IT-Systeme.

Es gibt einige spezifische Möglichkeiten, wie KI eine effektive Netto-Null-Strategie unterstützen könnte: Schaffung von Einblicken, um Initiativen voranzutreiben, Vorhersagen zu treffen, die die Belastbarkeit von Plänen erhöhen und Effizienz ermöglichen, sowie als direkter Treiber von Energieeffizienz. Leider gibt es auch eine andere Seite der KI als Technologie, derer sich Business-Führungskräfte bewusst sein müssen und die als Herausforderung für die Arbeit mit KI auf die drei oben beschriebenen Arten genutzt werden sollte. Der Boom der KI ist ein direkter Treiber von Kohlenstoffemissionen und anderen Umweltschäden. Die Internationale Energieagentur (IEA) hat in ihrem Bericht "Electricity 2024 " prognostiziert, dass KI in 10 Jahren das Zehnfache an Strom verbrauchen wird. In dem Bericht schätzt die IEA, dass eine Google-Suche 0,3Wh Strom benötigt, während ein KI-Modell wie ChatGPT 2,9Wh benötigt.

Wenn moderne KI effizient und zielgerichtet eingesetzt werden kann und wenn sie effektiv mit den benötigten Daten gefüttert werden kann, könnte sie ihren Nutzen entfalten. Insbesondere die Fähigkeit von KI-Systemen, nützliche Vorhersagen über komplexe Szenarien mit "fetten Schwänzen" in ihren Verteilungen (wie Wetter und Klima) zu machen, und die Entwicklung von Simulationen, die verwendet werden können, um den Nutzen alternativer Strategien und Interventionen zu demonstrieren, können Entscheidungsträgern neue Optionen mit hohem Nutzen für den Weg zum Netto-Nullpunkt bieten.

Auf diese Weise können innovative Technologien einen dauerhaften Einfluss auf die ESG-Agenda haben, indem sie klare Wege zum Management von Klimarisiken aufzeigen. Sie kann genutzt werden, um "intelligenter und nicht härter" zu arbeiten, aber diejenigen, die KI im Streben nach Netto-Null nutzen, müssen sich auch der Energieintensität bewusst sein, die in der Strategie des "intelligenteren" Arbeitens enthalten ist. Generative KI ist kein Allheilmittel, sondern ein Instrument, das verantwortungsbewusst und mit einem klaren Verständnis und unter Berücksichtigung der positiven und negativen Auswirkungen eingesetzt werden sollte.