Der Einsatz von Künstlicher Intelligenz (KI) und ESG-Software im Nachhaltigkeitsmanagement ist ein Thema, das zunehmend an Bedeutung gewinnt – besonders für mittelständische Unternehmen, die mit der Herausforderung kämpfen, die teils komplexen Anforderungen der Nachhaltigkeitsberichterstattung (u.a. nach CSRD/ESRS und VSME) und ESG-Compliance zu meistern. Doch wie sinnvoll ist der Einsatz von KI in der praktischen Umsetzung? Welche echten Potenziale bietet sie, und wo wird sie möglicherweise überbewertet?
Um diese Fragen zu beantworten, haben wir vier Anbieter von ESG-Software-Tools interviewt: aitark, COBACK, Dina und ESGbot.
Sie haben mit uns ihre Erfahrungen und Perspektiven zu den Vor- und Nachteilen des KI-Einsatzes im Nachhaltigkeitsmanagement geteilt. Dabei ging es um Themen wie Datenanalyse, automatisierte Berichterstattung, die Arbeitsteilung zwischen Mensch und Maschine sowie die Datensicherheit und den ökologischen Fußabdruck von KI.
Lesen Sie weiter, um herauszufinden, welche praktischen Einsichten die ESG-Tool-Anbieter in den Einsatz von KI im Nachhaltigkeitsmanagement geben – und was Unternehmen bei der Implementierung beachten sollten.
Inhalt
- Kurzvorstellung der befragten ESG-Software-Anbieter
- 1. Potenzial und Überbewertung von KI im Nachhaltigkeitsmanagement
- 2. Ideale Arbeitsteilung zwischen KI und Mensch im Nachhaltigkeitsmanagement
- 3. Zeitersparnis durch KI im Nachhaltigkeitsmanagement
- 4. Notwendigkeit von Schulungen und Know-how für die Nutzung von KI im Nachhaltigkeitsmanagement
- 5. Informationssicherheit und gesetzliche Anforderungen im Rahmen der KI-Nutzung
- 6. Der ökologische Fußabdruck von KI
- 7. KI als strategisches Werkzeug im Nachhaltigkeitsmanagement
- Zusammenfassung
Kurzvorstellung der befragten ESG-Software-Anbieter
Kurzbeschreibung:
“Wir machen Nachhaltigkeitsmanagement einfach. aitark hilft Unternehmen und Beratungen, ESG-Daten zu erfassen, zu strukturieren und Berichte in Minuten statt Wochen zu erstellen. Mit einer Oberfläche, die jede:r versteht, klaren Vorlagen und automatischer Emissionsberechnung wird Nachhaltigkeitsarbeit intuitiv – nicht komplex. Ein System für alles, was du brauchst. Upload, Prüfung, Berichtserstellung – und bald: Antworten und Automatisierung per KI-Chat. Wir bauen die Zukunft des Nachhaltigkeitsmanagements: Einfach, zugänglich und bereit für jede neue Anforderung.”
Website: aitark.io
Kurzbeschreibung:
“COBACK ist eine Plattform für Nachhaltigkeitsberichterstattung in KMU. Wir unterstützen Unternehmen dabei, komplexe regulatorische Anforderungen wie CSRD/VSME effizient zu erfüllen – durch eine einzigartige Kombination aus Schulung, Automatisierung und Dateneingabe. Während herkömmliche Software nur wenig Einarbeitung bietet und Alternativen oft kostspielig sind, befähigt COBACK Mitarbeitende, selbst zu Nachhaltigkeitsexperten zu werden. Dies gewährleistet die Einhaltung von Vorschriften und sichert gleichzeitig die langfristige Wettbewerbsfähigkeit. Mit dem COBACK Finder haben wir zudem die erste B2B-Vergleichsplattform für Nachhaltigkeits-Startups entwickelt und damit ein breiteres Ökosystem für Nachhaltigkeit und die Einhaltung regulatorischer Vorgaben im KMU-Sektor geschaffen.”
Website: COBACK.ai
Kurzbeschreibung:
“Strukturiertes ESG-Management – verständlich, nachvollziehbar, modulbezogen: Dina schafft einen digitalen Arbeitsraum für das Nachhaltigkeitsmanagement von Unternehmen. Die Saas-Softwarelösung leitet dich einfach und strukturiert durch eine fundierte Wesentlichkeitsanalyse, unterstützt die Ableitung eurer Nachhaltigkeitsstrategie, erstellt eure betriebliche Klimabilanz und erleichtert dir die Verwaltung und Steuerung eurer ESG-Daten. Damit unterstützt Dina die strategische Verankerung von Nachhaltigkeit und die vorbereitende Berichterstattung im Deutscher Nachhaltigkeitskodex (DNK) nach VSME oder ESRS.”
Website: Dina-Tool.de
Kurzbeschreibung:
“Der ESGbot ist eine KI-basierte Lösung, die umfassendes Wissen zur Nachhaltigkeitsberichterstattung sowie zu weiteren ESG-Gesetzen und Dokumenten bietet. Durch gezielte Fragestellungen unterstützt der ESGbot sowohl beim Verständnis und Erlernen der gesetzlichen Vorgaben als auch bei der praktischen Umsetzung und Bearbeitung.”
Website: ESGbot.de
1. Potenzial und Überbewertung von KI im Nachhaltigkeitsmanagement
Folgende Frage haben wir den ESG-Software-Anbietern gestellt:
“Aus eurer Beobachtung: Wo liegt derzeit das größte Potenzial von KI-Einsatz in der Nachhaltigkeitstransformation bei mittelständischen Unternehmen? Und umgekehrt: Wo wird KI von Unternehmen überbewertet oder zu enthusiastisch eingesetzt?”
Die Antworten kurz zusammengefasst:
Die ESG-Software-Anbieter sehen das größte Potenzial von KI in der Datenanalyse und -strukturierung, besonders wenn Unternehmensdaten wie Lieferketten- oder Produktinformationen eingebracht werden. Doch Vorsicht bei der Überbewertung: KI ersetzt keine Expert:innen. Sie kann die Daten zwar schnell auswerten, aber sie erfordert immer noch menschliches Fachwissen, um die richtigen Schlussfolgerungen zu ziehen und strategische Entscheidungen zu treffen.
Die Antworten im Wortlaut:
“Das größte Potential sehen wir im kontextbezogenen Einsatz: Also wenn der KI klar ist, was die Aufgabenstellung ist und wenn nicht auf das Wissen der KI sich verlassen wird, sondern Daten bzw. Inhalte vom Unternehmen zur Verfügung gestellt werden – also Kontext – mit welchen die KI die gestellten Aufgaben erledigen kann. Im Nachhaltigkeitskontext: Daten und Inhalte vom Unternehmen, von den Produkten und der Lieferkette sind bekannt und werden von der KI ausgewertet. Dadurch werden die besten Ergebnisse erzielt und bringen die Unternehmen am besten weiter.
Überbewertet wird die KI, wenn es um Fragen zu diversesten Themen geht, wo eben kein Kontext gegeben wird oder auch kein Fachwissen vorhanden ist. Die Antworten sind zwar oft richtig, aber nicht immer. Das bedeutet, die KI ersetzt keine Expert:innen.”
“Ehrlich gesagt, sehen wir das größte Potenzial von KI bei KMU vor allem darin, diesen ganzen bürokratischen Frust abzufangen. Der Mittelstand hat oft einfach nicht die Ressourcen, um sich durch hunderte Seiten Gesetzestexte zu quälen. Die KI ist da ein super „Chaos-Sortierer“, der unstrukturierte Daten aus Rechnungen oder Excel-Listen automatisch in die richtige Logik für Standards wie VSME schiebt. Außerdem ist sie ein genialer Fehler-Check: Sie erkennt sofort, wenn Daten unlogisch sind, bevor man sich beim Prüfer blamiert. Im Grunde demokratisiert die KI das Expertenwissen, sodass auch Leute ohne ESG-Hintergrund z.B. vernünftige Nachhaltigkeitsberichte hinkriegen.
Auf der anderen Seite wird KI oft als eine Art „Magie“ überbewertet. Viele denken, man drückt einen Knopf und der fertige Bericht fällt raus, aber das ist eher ein KI-Placebo. Eine KI kann keine Daten herzaubern, die schlichtweg nicht existieren. Wer z.B. seine Scope-3-Werte in der CO2-Bilanz nicht kennt, bekommt von der KI nur schön gerechnete Schätzungen, die bei einer echten Prüfung sofort durchfallen. Auch die Verantwortung kann man nicht einfach abgeben. Am Ende haftet immer noch der Mensch, nicht die Maschine. Wir sehen auch viel zu viel Hype um kleine Chatbots, die zwar nett Fragen beantworten, aber das eigentliche Problem gar nicht lösen.”
“Wir sehen ein großes Potenzial von KI im Nachhaltigkeitsmanagement, vor allem bei der Datenanalyse. Ein gutes Beispiel ist die Auswertung von Transportinformationen für die jährliche Klimabilanz: Oft basieren diese nur auf Stichproben, weil die Detailinformationen zwar vorliegen, aber nicht systematisch auswertbar sind – insbesondere bei Geschäftsmodellen mit hohem Transportaufkommen. KI kann hier automatisch die Daten auswerten, Arbeit abnehmen und gleichzeitig die Datenqualität und Aussagekraft der Klimabilanz deutlich verbessern. Dieses Prinzip lässt sich auf alle Bereiche mit großen, unstrukturierten Datenmengen übertragen.
Wo wir aber vorsichtig sein müssen: Viele mittelständische Unternehmen sind noch nicht so weit. Häufig wird noch keine generative KI als Assistenz eingesetzt. Dort ist die vollumfängliche KI-basierte Datenanalyse also noch Zukunftsmusik.”
“Das größte Potenzial von KI liegt aus unserer Sicht aktuell in der Strukturierung und Übersetzung regulatorischer Komplexität. Unternehmen stehen vor einer Vielzahl an ESG-Vorgaben, von CSRD und ESRS über EU-Taxonomie, CSDDD und EUDR bis hin zu branchenspezifischen Anforderungen. Diese Regelwerke sind umfangreich, fragmentiert und teilweise schwer zugänglich. Genau hier kann KI echten Mehrwert schaffen: Sie beschleunigt die Identifikation relevanter Normen, fasst Inhalte verständlich zusammen und hilft, Anforderungen systematisch einzuordnen.
Überbewertet wird KI dort, wo sie als Ersatz für strategische Nachhaltigkeitsführung verstanden wird. KI kann Informationen verarbeiten, aber sie übernimmt keine Verantwortung. Sie ersetzt keine Governance-Strukturen, keine Risikobewertung und keine unternehmerische Priorisierung. Wer KI als Allheilmittel betrachtet, verkennt, dass nachhaltige Transformation immer ein Führungs- und Kulturthema bleibt.”
Planen Sie die nächsten Schritte zu Nachhaltigkeit?
Fragen Sie mich zu einem kostenlosen Informationsgespräch an.
Ich stehe mit Rat und Freude bereit.
Matthias Damert
Themenbereiche Nachhaltigkeits-, Klima- und Energiemanagement
2. Ideale Arbeitsteilung zwischen KI und Mensch im Nachhaltigkeitsmanagement
Folgende Frage haben wir den ESG-Software-Anbietern gestellt:
“Wie sollte eurer Meinung nach die ideale Arbeitsteilung zwischen KI und menschlicher Expertise im Nachhaltigkeitsmanagement aussehen? Wo seht ihr klare „rote Linien” – also Bereiche, in denen KI nicht eingesetzt werden sollte?”
Die Antworten kurz zusammengefasst:
Bei der Arbeitsteilung zwischen KI und menschlicher Expertise sind sich die ESG-Software-Anbieter weitgehend einig: KI sollte als Assistenzsystem verstanden werden. Sie übernimmt das Sammeln und Sortieren von Daten, während die menschliche Expertise für die Interpretation und strategische Entscheidung verantwortlich bleibt. Rote Linie gibt es insbesondere bei der Verantwortung für entscheidungsrelevante Themen. KI kann keine strategischen Entscheidungen treffen und darf nicht als Ersatz für menschliches Urteilsvermögen dienen. Ihre Aufgabe ist es, Unterstützung zu bieten, aber nicht die Verantwortung zu übernehmen
Die Antworten im Wortlaut:
“Die perfekte Arbeitsteilung ist unserer Meinung nach so, dass die KI anhand der Infos, die man ihr zur Verfügung stellt (auch dies von Expert:innen schon ausgeführt oder mithilfe von Tools, damit nichts ausgelassen wird) Daten aufbereitet und Insights bietet – diese sollen dann jedoch von Expert:innen nochmal auf Plausibilität überprüft werden. Also wir sehen die Arbeit der Expert:innen mehr in der Interpretation, d.h. der „Annahme“ der Ergebnisse der KI.
Rote Linien sehen wir bei „nur auf die KI verlassen“. KI muss auch richtig bedient werden.”
“Wir glauben, die ideale Arbeitsteilung sieht so aus: Die KI übernimmt das „Dirty Work“. Also das Sammeln, Sortieren und Prüfen von riesigen Datenmengen, damit am Ende alles logisch zusammenpasst. Der Mensch ist dann eher der Stratege und Entscheider. Die KI bereitet das Spielfeld vor und baut das Gerüst für z.B. den Nachhaltigkeitsbericht, aber die eigentliche Bewertung, welche Ziele für das Unternehmen wirklich Sinn ergeben und wie man die Transformation praktisch umsetzt, muss vom Menschen kommen. KI ist super darin, Komplexität zu einfach darzustellen, aber sie hat kein Gefühl für Unternehmenskultur oder langfristige Visionen.
Klare rote Linien ziehen wir dort, wo es um echte Verantwortung und strategisches Urteilsvermögen geht. Eine KI sollte niemals die finale Entscheidung über die Wesentlichkeit von Themen treffen oder gar die rechtliche Haftung für einen Nachhaltigkeitsbericht übernehmen. Da ist Schluss. Auch bei sensiblen Themen wie Ethik oder der direkten Kommunikation mit Stakeholdern sollte man KI nicht blind das Steuer überlassen. Compliance ist am Ende eine Vertrauenssache zwischen Menschen. Die Technik darf das unterstützen und automatisieren, aber sie darf niemals der alleinige Absender der Botschaft sein.”
“Wir verstehen die KI als Assistentin, nicht als Entscheiderin. Gerade im Nachhaltigkeitsmanagement kann KI sinnvoll zur Datenanalyse und Mustererkennung eingesetzt werden. Sie kann Monitoring-Funktionen übernehmen oder ein regulatorisches Screening, aber auch Benchmarking und Marktanalysen lassen sich bestens KI-unterstützt generieren.
Die strategische Einordnung, das Abwägen von Zielkonflikten oder Entscheiden von Wesentlichkeit sehen wir dann beim Menschen. Die Interpretation und Bewertung KI-generierter Ergebnisse sollte aus unserer Sicht durch menschliche Expertise geschehen – allein schon, weil hier auch die Verantwortung für Entscheidungen liegt.”
“KI sollte als Assistenzsystem verstanden werden. Sie kann Recherche vereinfachen, Inhalte strukturieren, Vorschläge generieren und regulatorische Anforderungen transparent machen. Für mich gilt dabei ein klarer Grundsatz: KI supported MI – Künstliche Intelligenz unterstützt Menschliche Intelligenz. Die Entscheidung, wie Informationen bewertet, priorisiert und strategisch genutzt werden, muss beim Menschen bleiben.
Rote Linien sehen wir insbesondere bei automatisierten Bewertungen mit erheblicher Tragweite, etwa bei menschenrechtlichen Lieferkettenrisiken oder bei Aussagen mit Compliance-Relevanz. ESG-Management erfordert nachvollziehbare Entscheidungen. KI darf hier unterstützen, aber nicht autonom bewerten.
Ein zentraler Punkt ist Transparenz: Unternehmen müssen nachvollziehen können, auf welchen Quellen Aussagen basieren. Generische KI-Modelle liefern häufig plausible Antworten, aber ohne belastbare Quellenangabe. Im ESG-Kontext ist das problematisch, weil es um regulatorische Anforderungen geht, die präzise interpretiert werden müssen.”
3. Zeitersparnis durch KI im Nachhaltigkeitsmanagement
Folgende Frage haben wir den ESG-Software-Anbietern gestellt:
“In welchen konkreten ESG-Prozessen kann KI heute nachweislich Zeit sparen – und wo sind die Grenzen? Welche Versprechungen von KI-Effizienzgewinnen sind haltbar, welche eher Marketing?”
Die Antworten kurz zusammengefasst:
Die ESG-Software-Anbieter stimmen darin überein, dass KI Zeit spart, vor allem bei datenintensiven Prozessen wie der Datenaufbereitung und der Berichterstellung. Besonders bei der Identifikation von Normen oder der Zusammenstellung von Nachhaltigkeitsberichten kann KI große Zeiteinsparungen erzielen. Aber die Grenzen der Effizienzgewinne sind klar: KI ist ein Werkzeug zur Datenverarbeitung, aber sie kann nicht die Qualität der nachfolgenden Entscheidungen garantieren. Wo primäre Daten fehlen oder qualitative Bewertungen erforderlich sind, stößt sie an ihre Grenzen. Der Wunsch nach einem „One-Click“-Report bleibt vielfach ein Marketingversprechen, das nicht die komplexen Anforderungen eines Nachhaltigkeitsberichts abdeckt.
Die Antworten im Wortlaut:
“Das größte Potenzial für Zeitersparnis sehen wir vor allem bei der Datenerhebung, bei der Auswertung, Darstellung – aber am besten in Kombination mit einer Software oder auch entsprechend ausgestaltetem Agent-Workflow, damit alles rekonstruierbar/nachvollziehbar bleibt.
Bei der Datenerhebung ist jedoch aufzupassen, dass man kann (noch) nicht alles reinwerfen kann und es kommt richtig zugeordnet wieder heraus. Dies bedarf eines entsprechend ausgestalteten Workflows im Hintergrund und ist noch mit Vorsicht zu genießen.”
“In Sachen Zeitersparnis ist der größte Hebel heute definitiv das ganze Daten-Mapping und die Kategorisierung. Früher saß man Wochen dran, hunderte Rechnungen oder Excel-Listen händisch den richtigen ESG-Kennzahlen zuzuordnen. Das macht eine KI heute in Minuten und spart locker über 50 % der Zeit in der Vorbereitung. Auch bei der Lücken-Analyse kann es enorm hilfreich sein. Die KI scannt die Dokumente und sagt dir sofort, wo für ein bestimmtes Kriterium noch Belege fehlen, statt dass man mühsam Checklisten abhakt. Und natürlich beim ersten Entwurf eines Nachhaltigkeitsberichts selbst kann es sehr hilfreich sein. Das Grundgerüst für den Bericht steht damit ruckzuck, was einem die Angst vor dem leeren Blatt nimmt und das Fachchinesisch der Regulatorik direkt in lesbare Texte übersetzt.
Aber man muss auch ehrlich sein: Vieles ist aktuell pures Marketing. Dieser „One-Click“-Report, bei dem man angeblich nur einen Knopf drückt und alles ist fertig, ist leider noch ein Märchen. ESG-Compliance ist kein reines Matheproblem, es braucht immer den menschlichen Kontext. Auch bei der vollautomatischen Scope-3-Berechnung wird viel versprochen. Ohne echte Primärdaten von Lieferanten ist das oft eher „Raten auf hohem Niveau“. Die Grenze ist für uns immer dort, wo es um Haftung und Interpretation geht. Eine KI kann Daten konsistent machen, aber sie kann sie nicht verantworten. Wer da blind vertraut, baut sich eher ein Compliance-Risiko auf, statt es zu lösen.”
“Wir sehen den größten Nutzen von KI in datenintensiven Prozessen, wie zum Beispiel beim Sammeln und Aufbereiten von Daten, beim Erkennen von Mustern oder beim Vorbereiten von Berichten. Das spart definitiv Zeit und erhöht die Datenqualität.
Wo die Grenzen liegen? KI kann nicht entscheiden, welche Nachhaltigkeitsaspekte wirklich wichtig sind oder welche Maßnahmen ethisch vertretbar sind – da braucht es immer menschliche Expertise. Die KI ist eben eine Assistentin, keine Entscheiderin.”
“Zeit spart KI vor allem in operativen, strukturierten Prozessen: Identifikation relevanter Gesetze und Normen, Vorstrukturierung von Nachhaltigkeitsberichten, erste Einschätzung in der Wesentlichkeitsanalyse, Zusammenführung regulatorischer Anforderungen.
Grenzen liegen dort, wo Daten fehlen oder qualitative Bewertungen erforderlich sind. KI kann Inhalte zusammenführen, sie ersetzt jedoch keine tiefgehende Analyse des Geschäftsmodells oder der Stakeholder-Perspektive.
Nicht haltbar sind aus meiner Sicht Versprechen, man könne mit KI „automatisch CSRD-konform“ werden. KI kann Prozesse beschleunigen und Klarheit schaffen, aber die inhaltliche Auseinandersetzung mit Strategie, Risiken und Auswirkungen bleibt Aufgabe des Unternehmens.”
Methoden und Best Practice zu Nachhaltigkeit ins Postfach
4. Notwendigkeit von Schulungen und Know-how für die Nutzung von KI im Nachhaltigkeitsmanagement
Folgende Frage haben wir den ESG-Software-Anbietern gestellt:
“Braucht es spezifisches Know-how oder Schulungen für die Mitarbeiter*innen, um den vollen Nutzen aus KI im Nachhaltigkeitsmanagement zu ziehen?”
Die Antworten kurz zusammengefasst:
Die Anbieter sind sich einig, dass Schulungen für Mitarbeitende unerlässlich sind. Es geht nicht darum, technisches KI-Wissen zu vermitteln, sondern um das Verständnis für Datenqualität, Prozesslogik und Verantwortlichkeiten. KI ist ein hilfreiches Werkzeug, aber der Mehrwert entsteht nur, wenn Mitarbeitende die Daten richtig verstehen und wissen, wie sie Korrekturen und Verantwortung für die Ergebnisse übernehmen können. Schulungen zur richtigen Anwendung von KI und zur kritischen Prüfung der Ergebnisse sind der Schlüssel zu einer erfolgreichen Nutzung im Nachhaltigkeitsmanagement
Die Antworten im Wortlaut:
“Wenn Mitarbeitende KI-Chat-Bots wie ChatGPT, Gemini o.ä. einsetzen, sollten sie über die Funktionsweise der KI (in dem Fall LLMs) Bescheid wissen. Da gibt es mehrere Faktoren zu beachten, wie z.B.: Was passiert mit den Daten? Wo liegen diese ab? Werden diese für Trainingszwecke verwendet? Also Datenschutz ist ein großes Thema, aber auch wie die KI funktioniert, was sie gut kann, was sie weniger gut kann. Dann sollten sie auch darüber Bescheid wissen, wie sie ihre Prompts aufbauen, um die besten Ergebnisse zu erzielen. Und welche Arbeitsschritte die KI machen kann oder wo es doch sinnvoller und effizienter ist, es selbst zu machen. Wenn sie das volle Potential für die Effizienzsteigerung repetitiver Prozesse entfalten wollen, sollten sie in der Anwendung und dem Aufsetzen von Agents und Workflows geschult werden.
Spezielle KI-gestützte Software übernimmt genau diese Parts – sie liefert eine nutzungsfreundliche Oberfläche, damit die Arbeit entsprechend effizienter wird und die KI unterstützt im Hintergrund, ohne dass man sie speziell aufsetzen muss, weil das bei der Erstellung der Software schon alles so mitgedacht wurde, dass ungeschulte Personen damit ohne Probleme umgehen können.”
“Aus unserer Sicht braucht es weniger technisches KI-Know-how und mehr strukturelles Verständnis für Prozesse und Daten. Der größte Hebel liegt nicht darin, Mitarbeitende zu Prompt-Ingenieurinnen auszubilden, sondern darin, sie in Logik, Datenqualität und Verantwortlichkeiten zu schulen. Das Nutzen von KI funktioniert nur, wenn die zu Grunde liegenden Daten korrekt sind. Mitarbeiterinnen müssen verstehen, wie Emissionsdaten entstehen, welche regulatorischen Anforderungen relevant sind und welche Konsequenzen falsche Angaben haben. KI kann strukturieren, prüfen und automatisieren, aber sie ersetzt kein fachliches Urteilsvermögen.
Unser Ansatz bei COBACK ist daher: Die Software übernimmt Komplexität im Hintergrund. Die User benötigen kein tiefes KI-Wissen, sondern ein grundlegendes Verständnis ihrer eigenen Unternehmensdaten. Daher liegt auch der Fokus in der COBACK Software im „Learning by Doing“ durch unsere verschiedenen Module. Das Wissen wird parallel zur Dateneingabe vermittelt. Dies ist die einzige Schulung, welche noch benötigt werden soll.”
“Auf jeden Fall – und zwar aus drei Gründen. Erstens braucht es ein rechtliches Grundverständnis, etwa im Hinblick auf Datenschutz und KI-Regulierung, damit KI verantwortungsvoll und rechtskonform eingesetzt wird.
Zweitens hängt die Qualität der Ergebnisse stark von der Kompetenz der Nutzer*innen ab – also davon, wie präzise sie Anforderungen formulieren und Ergebnisse einordnen können.
Und drittens braucht es die Fähigkeit, KI-Ergebnisse kritisch zu prüfen. Gerade im Nachhaltigkeitsmanagement dürfen wir keine ungeprüften Analysen oder Berichte übernehmen. KI ist ein starkes Werkzeug – aber der Mehrwert entsteht erst durch geschulte, reflektierte Anwender*innen.”
“Ja – insbesondere Anwendungskompetenz. Unternehmen müssen verstehen, wie KI arbeitet, welche Datenbasis zugrunde liegt und wo Grenzen bestehen.
Ein häufiger Fehler ist entweder blindes Vertrauen oder vollständige Ablehnung. Beides ist problematisch. ESG-Verantwortliche sollten in der Lage sein, KI-Ergebnisse kritisch zu prüfen und mit regulatorischem Fachwissen abzugleichen.
Die Kombination aus ESG-Expertise und digitalem Verständnis wird künftig entscheidend sein.”
5. Informationssicherheit und gesetzliche Anforderungen im Rahmen der KI-Nutzung
Folgende Frage haben wir den ESG-Software-Anbietern gestellt:
“Tools mit KI werden bei KMUs aus Gründen der Informationssicherheit teilweise kritisch betrachtet. Woraus sollten KMUs achten, um KI gesetzeskonform zu implementieren (z.B. DSGVO, NIS 2)?”
Die Antworten kurz zusammengefasst:
Die Informationssicherheit ist ein zentrales Thema bei der Einführung von KI, insb. für KMUs. Die befragten ESG-Tool-Anbieter betonen die Wichtigkeit, dass Daten DSGVO-konform verarbeitet werden und dass Transparenz über Datenflüsse besteht. Insbesondere bei sensiblen Unternehmensdaten wie Lieferketteninformationen oder Emissionsdaten ist gesetzeskonforme Implementierung entscheidend. Verantwortung und Kontrolle über die Datenverarbeitung müssen klar geregelt sein, und die Rückverfolgbarkeit der KI-Ergebnisse muss gegeben sein, um Risiken zu minimieren
Die Antworten im Wortlaut:
“KMU sollten bei KI nicht einfach alle Daten „reinwerfen“ und alle Zugänge freischalten (speziell bei Agents), da das massive Sicherheitsrisiken birgt. KI sollte wie ein IT-Dienstleister behandelt werden: nur nötige (möglichst pseudonymisierte) Daten nutzen, Datenflüsse & Drittlandtransfers sauber absichern (idealerweise durch EU/EWR-Hosting), und vertraglich regeln, dass Daten nicht fürs Training verwendet werden. DSGVO-seitig braucht es saubere AV-Verträge, Löschkonzepte und technische Schutzmaßnahmen (Verschlüsselung, Rollenrechte, Logging). Sollte NIS2 relevant sein: zusätzlich KI in das Cyber-Risikomanagement inkl. Lieferantenprüfung und Incident-Response/Meldekette integrieren.”
“Die Skepsis gegenüber KI-Lösungen ist gerade bei KMU absolut nachvollziehbar. Sobald sensible Unternehmensdaten verarbeitet werden, stehen Informationssicherheit und rechtliche Konformität im Mittelpunkt. Entscheidend ist daher, dass Unternehmen genau prüfen, wo ihre Daten gespeichert und verarbeitet werden. Ist ein sauberer Auftragsverarbeitungsvertrag nach DSGVO vorhanden? Transparenz über Datenflüsse und eingebundene Subdienstleister ist daher auch für uns ein sehr essenzielles Thema.
Es sollte auch bei verschiedensten Anbietern immer überprüft werden, dass die eingegeben Daten, vor allem im Compliance Sektor, nicht zum allgemeinen Training von Sprachmodellen verwendet werden. Das sind in meinen Augen die Wichtigsten Sachen, auf die zu achten ist.”
“Aus unserer Sicht geht es vor allem darum, die Mitarbeiter*innen zu befähigen. Sie sollten ein Grundverständnis dafür haben, welche rechtlichen Rahmenbedingungen relevant sind und wie sie diese beim Einsatz von KI praktisch einhalten können. Das heißt: Prozesse so gestalten, dass Mitarbeiter*innen wissen, welche Daten sie wie nutzen dürfen. Rechtliche Expertise muss nicht jede*r selbst haben, aber das Bewusstsein und die Handlungskompetenz sind entscheidend.”
“Gerade im ESG-Bereich arbeiten Unternehmen mit sensiblen Informationen – etwa zu Lieferketten, Governance-Strukturen oder Emissionsdaten.
Wichtige Punkte sind daher: DSGVO-konforme Datenverarbeitung, transparente Quellenbasis, Nachvollziehbarkeit von KI-Aussagen, klare Verantwortlichkeiten im Unternehmen und Kontrolle darüber, wo und wie Daten verarbeitet werden.
Viele allgemeine KI-Modelle sind nicht auf regulatorische Präzision ausgelegt. Unternehmen sollten daher prüfen, ob die eingesetzten Systeme auf kuratierten, nachvollziehbaren Quellen basieren und ob sie für den ESG-Kontext spezialisiert sind.”
6. Der ökologische Fußabdruck von KI
Folgende Frage haben wir den ESG-Software-Anbietern gestellt:
“KI selbst hat einen nicht zu verachtenden ökologischen Fußabdruck – Energie und Ressourcenverbrauch sind real. Wie sollten Unternehmen mit diesem Paradox umgehen: KI für Nachhaltigkeit vs. die Nachhaltigkeit der KI selbst?”
Die Antworten kurz zusammengefasst:
Ein großes Paradoxon bleibt der ökologische Fußabdruck von KI. Sie spart zwar durch automatisierte Prozesse Energie und Ressourcen, aber die Technologie selbst ist energieintensiv. Der entscheidende Punkt für die ESG-Software-Anbieter ist, dass KI nur dann sinnvoll eingesetzt wird, wenn sie Messgrößen verbessert oder Prozesse effizienter gestaltet. KI muss gezielt und effizient eingesetzt werden, damit der Nutzen den Ressourcenverbrauch rechtfertigt. Der Energieverbrauch sollte jedoch nicht außer Acht gelassen werden und unnötiger Rechenaufwand sollte vermieden werden.
Die Antworten im Wortlaut:
“Die Effizienzgewinne durch die KI und damit auch die schnellere Abarbeitung von Tasks – was damit auch zu geringeren Energieverbräuchen von Laptop/PC/Monitor pro Task führt – machen das wieder wett. Außerdem gibt es mittlerweile auch Serverzentren, wo deren Abwärme für Fernwärme eingesetzt wird. Dennoch sollte KI sinnvoll eingesetzt werden.”
“Ganz offen: KI verbraucht Energie. Punkt. Große Modelle laufen in Rechenzentren, brauchen GPUs, Kühlung und Strom. Wer KI im Nachhaltigkeitskontext einsetzt, kann das nicht ignorieren. Das gilt aber auch für jeden anderen Bereich.
Die entscheidende Frage ist deshalb nicht, ob KI Energie verbraucht, sondern ob ihr Einsatz einen positiven Effekt erzeugt. Wenn KI lediglich Marketingtexte schneller schreibt, ist der ökologische Mehrwert fraglich. Wenn sie jedoch tausende manuelle Excel-Prozesse ersetzt, Emissionstransparenz schafft und bessere Investitionsentscheidungen ermöglicht, kann der Einfluss deutlich größer sein als der eigene Verbrauch. Wenn man sich diese Frage im Umgang allgemein selbst stellt, dann wird man dort meist auch die richtige Entscheidung treffen können.
Auch wir setzen uns regelmäßig mit dieser Fragestellung auseinander. Daher läuft auch während der Nutzungsprozesse bei COBACK die KI nicht dauerhaft mit. Sie läuft speziell, wo Sie benötigt wird und auch Sinn ergibt.”
“Das ist tatsächlich ein spannendes Paradox. KI kann Unternehmen helfen, ihre Nachhaltigkeitsziele schneller zu erreichen – gleichzeitig verursacht sie selbst Energie- und Ressourcenverbrauch.
Unser Ansatz ist daher zweigleisig: Zum einen sollte KI gezielt dort eingesetzt werden, wo sie einen echten Effizienzgewinn bringt, also Prozesse deutlich schneller oder datenqualitativ besser macht. Zum anderen kommt es darauf an, dass Mitarbeiter*innen kompetent im Umgang mit generativer KI sind. Sie müssen lernen präzise zu prompten, damit Ergebnisse treffsicher erzeugt werden, ohne unnötigen Rechenaufwand zu produzieren.”
“KI verbraucht Energie, das sollte man nicht ignorieren. Entscheidend ist jedoch der Nutzen im Verhältnis zum Ressourceneinsatz.
Wenn KI hilft, regulatorische Fehlinterpretationen zu vermeiden, Emissionen transparenter zu machen oder Entscheidungsprozesse zu beschleunigen, kann der positive Effekt deutlich überwiegen. Problematisch wird es dort, wo KI inflationär eingesetzt wird, ohne klaren Mehrwert.
Nachhaltiger KI-Einsatz bedeutet aus meiner Sicht: gezielt, effizient und mit klar definiertem Zweck.”
7. KI als strategisches Werkzeug im Nachhaltigkeitsmanagement
Folgende Frage haben wir den ESG-Software-Anbietern gestellt:
“KI selbst hat einen nicht zu verachtenden ökologischen Fußabdruck – Energie und Ressourcenverbrauch sind real. Wie sollten Unternehmen mit diesem Paradox umgehen: KI für Nachhaltigkeit vs. die Nachhaltigkeit der KI selbst?”
Die Antworten kurz zusammengefasst:
Langfristig könnte KI zumindest indirekt eine strategische(re) Rolle im Nachhaltigkeitsmanagement spielen, indem sie operative Aufgaben wie Reporting und Datenanalyse übernimmt, damit Nachhaltigkeitsmanager:innen mehr Kapazität für strategische Aufgaben wie Szenarioanalysen und Risikomanagement gewinnen. Allerdings wird KI die Arbeit von Nachhaltigkeitsmanager:innen wahrscheinlich nicht ersetzen, sondern als hebendes Instrument ihre strategische Position stärken, indem z.B. wichtige Muster in großen Datenmengen aufgedeckt und für strategische Insights genutzt werden. Die Verantwortung für die strategische Ausrichtung wird jedoch nach wie vor beim Menschen gesehen. KI hilft bei der Datenverarbeitung, aber sie wird vielleicht nie die Vision und Führung eines Menschen ersetzen.
Die Antworten im Wortlaut:
“Hier sehen wir das größte Potential im Nachhaltigkeitsbereich. Wenn die KI Zugriff auf alle Daten entlang der Wertschöpfungskette hat und dies auch Primärdaten sind, dann entwickelt sie ihr volles Potential. Dann können Insights generiert werden, Compliance erfolgt auf Knopfdruck und Maßnahmen können abgeleitet werden. Für die Datenerhebung braucht es dann jedoch wieder userfreundliche Software.”
“KI wird sicherlich in der Zukunft in der Lage sein, eigene Vorgaben zu treffen. Das kann sie ja heute bereits. Ob diese gut und richtig ist hierbei eher die Frage. Sollte man es aber geschafft haben, dass diese Probleme so gut wie vergessen sind, dann haben wir sehr viel Potenzial für das Nachhaltigkeitsmanagement.
Nachhaltigkeitsmanager*innen werden sich weniger mit Tabellen beschäftigen und mehr mit Szenarien. Was bedeutet eine CO₂-Preissteigerung für unser Geschäftsmodell? Wie verändert eine neue Regulierung unsere Investitionsplanung? Wo entstehen systemische Risiken in der Lieferkette, bevor sie sichtbar werden?
KI wird Muster erkennen, Abhängigkeiten sichtbar machen und Optionen durchspielen, aber sie ersetzt kein Verantwortungsbewusstsein. Aber wir denken, dass das jedem soweit klar sein sollte.”
“In den nächsten Jahren kann sie die Rolle von Nachhaltigkeitsmanager*innen deutlich strategischer machen. Gerade bei Prozessen mit großen Datenmengen – wie betriebliche Dokumentationen – kann KI automatisch auswerten, Zusammenhänge erkennen und Szenarien simulieren. Das setzt Kapazitäten frei, weil Nachhaltigkeitsmanager*innen weniger operativ eingebunden sind und stattdessen die nachhaltige Transformation des Unternehmens strategisch gestalten können.”
“KI hat das Potenzial, administrative Aufgaben deutlich zu reduzieren – insbesondere im Reporting und in der regulatorischen Recherche. Dadurch entsteht Raum für strategische Arbeit: Szenarioanalysen, Transformationsplanung und Geschäftsmodellentwicklung.
Wir sehen KI nicht als Ersatz, sondern als Hebel. NachhaltigkeitsmanagerInnen können sich stärker auf inhaltliche Steuerung konzentrieren, wenn Routineaufgaben automatisiert werden.
Langfristig wird sich die Rolle vom Dokumentierenden hin zum strategischen Impulsgeber entwickeln, vorausgesetzt, KI wird bewusst und reflektiert eingesetzt.”
Zusammenfassung
In diesem Artikel haben wir uns mit den Chancen und Risiken des KI-Einsatzes im Nachhaltigkeitsmanagement auseinandergesetzt. Vier Anbieter von ESG-Software-Tools haben unsere Fragen beantwortet und ihre Perspektiven zu den praktischen Anwendungen von KI wiedergegeben. KI kann bereits heute insbesondere in der Datenanalyse, der Erstellung von Berichten und der Erfüllung regulatorischer Anforderungen einen klaren Mehrwert bieten.
Während KI viele operative Prozesse im Nachhaltigkeitsmanagement beschleunigen kann, sehen die ESG-Software-Anbieter allerdings auch klare Grenzen, besonders wenn es um qualitative Bewertungen und strategische Entscheidungen geht, bei denen menschliche Expertise unerlässlich bleibt.
Auch die Datensicherheit und der ökologische Fußabdruck von KI werden thematisiert, wobei die ESG-Software-Anbieter betonen, dass ein gezielter und verantwortungsbewusster Einsatz notwendig ist, um den ökologischen Fußabdruck zu minimieren. Gleichzeitig kann der potenzielle Mehrgewinn an Effizienz den Fußabdruck von KI in einigen Fällen durchaus rechtfertigen.
Letztlich wird KI als ein starkes Assistenzsystem für insbesondere operative Aufgaben angesehen, das Unternehmen bei der Nachhaltigkeitstransformation unterstützen kann, jedoch wahrscheinlich in absehbarer Zeit nicht die strategische Verantwortung und Führung eines Unternehmens durch Menschen ersetzen kann.
