News RSS-Feed

14.03.2022 KI-Studie: Kohlenstoffemissionen sinken 2022 weiter

Immer mehr Unternehmen setzen sich aufgrund gesetzlicher Verpflichtungen und gesellschaftlicher Erwartungen Ziele zur Emissionsreduzierung im Einklang mit dem Pariser Abkommen. Frühzeitige Prognosen über ihre Fortschritte bei der Zielerreichung sind für verantwortungsbewusste Investoren von größter Bedeutung. NN Investment Partners (NN IP) hat ein Modell mit künstlicher Intelligenz (KI) entwickelt, um die Emissionsintensität zeitnah zu prognostizieren.

Laut den neuesten Daten des NN IP-CO2-Prognosemodells werden die Unternehmen 2021 wahrscheinlich erhebliche Fortschritte bei der Emissionsreduzierung zu verzeichnen haben. Das Modell, das Daten von über 4.000 globalen Unternehmen erfasst, zeigt einen prognostizierten Rückgang der Kohlenstoffintensität um insgesamt 6,4 % für das Gesamtjahr. Für die Unternehmen, die seit dem Pariser Abkommen (ab 2016) Bericht erstatten, wird eine Verbesserung der durchschnittlichen Kohlenstoffintensität um 8,7 % im selben Zeitraum prognostiziert. Die durchschnittliche Kohlenstoffintensität dürfte auf den niedrigsten Stand seit dem Pariser Abkommen fallen.

Jeremy Kent, Senior Portfolio Manager Sustainable Equity bei NN IP, sagt: „Diese Verbesserung scheint die Bemühungen vieler Unternehmen widerzuspiegeln, die Emissionen zu senken, um die gesetzlichen Verpflichtungen und die gesellschaftlichen Erwartungen zu erfüllen. Darüber hinaus hat die Wiedereröffnung der Wirtschaft nach den pandemischen Lockdowns in Verbindung mit dem Inflationsfaktor in vielen Branchen zu Umsatzsprüngen geführt. Die Emissionswerte stiegen jedoch nur geringfügig, was zu einer Verbesserung der Intensität führte. Derzeit wird erwartet, dass sich die Emissionsintensität in allen Sektoren verbessern wird, aber es gibt einen klaren Unterschied zwischen Vorreitern und Nachzüglern.“

Sektorspezifische Unterschiede

Im Energiesektor haben die steigenden Ölpreise die Unternehmensgewinne in die Höhe getrieben, was zu deutlich niedrigeren Intensitätswerten führte, auch wenn sich das tatsächliche Emissionsniveau nicht sehr stark veränderte. Niedrigere Intensitätswerte aufgrund höherer Erträge könnten sich jedoch nachteilig auf die Umwelt auswirken, da die höheren Energiepreise zu einer Umstellung auf eine emissionsintensivere Energieerzeugung führen könnten.

Auf der anderen Seite weist die Versicherungsbranche deutlich niedrigere absolute Emissionen auf. Sie gehört aber auch zu den Vorreitern bei der Verbesserung der Emissionsintensität durch Änderungen, die zu strukturell niedrigeren Emissionen führen können. Ein erheblicher Teil der Emissionen von Versicherungsunternehmen ist auf den Reiseverkehr zurückzuführen, der während der Pandemie stark zurückgegangen ist und sich nur langsam erholt hat. Gleichzeitig haben sich viele Unternehmen in diesem Sektor dazu verpflichtet, ihre Emissionen zu senken, wobei der Schwerpunkt auf Kohlenstoffkompensationen liegt.

Warum sollte KI zur Prognose von Emissionsdaten eingesetzt werden?

Die Emissionsdaten, die Investoren benötigen, um die Fortschritte der Unternehmen bei der Erreichung ihrer Ziele zu bewerten, werden mit Verzögerung übermittelt. Das Zeitproblem bei den Emissionsdaten hat zwei Gründe: die geringe Häufigkeit der Erfassung und die zeitliche Verzögerung bei der Berichterstattung an die Investoren. Kohlenstoffemissionen werden in der Regel einmal pro Jahr zusammen mit (oder nach) der Veröffentlichung des Geschäftsberichts gemeldet. Darüber hinaus stellen die Datenlieferanten manchmal eine zusätzliche Herausforderung dar, da sie ihre Datenbanken nur in regelmäßigen Abständen aktualisieren. Daher ist es nicht ungewöhnlich, dass sich die neuesten Informationen, die den Investoren zur Verfügung stehen, auf Emissionen beziehen, die zwei Jahre zurückliegen. Dies ist in einem Umfeld problematisch, in dem sich die Regulierung in Echtzeit auf ein Unternehmen auswirkt und die Investoren aktuelle Informationen verarbeiten müssen, um fundierte Entscheidungen treffen zu können.

Das NN IP-Modell konzentriert sich auf die tatsächlichen Maßnahmen der Unternehmen und nicht auf die Zielvorgaben und versucht so, die Kohlenstoffintensität des letzten Jahres vorherzusagen. Unser Sustainable-Equity-Team arbeitete mit dem Investment-Science-Team der Plattform für Innovation und verantwortungsbewusstes Investment zusammen, um das KI-Modell zur Vorhersage der Emissionsintensität zu entwickeln.

Das Modell konzentriert sich auf die Prognose der Kohlenstoffintensität pro Umsatzeinheit, da die absoluten Emissionen aufgrund von Faktoren wie Akquisitionen oder Veräußerungen erheblich schwanken können. Dies kann ein verzerrtes Bild hinsichtlich der Vergleichbarkeit ergeben. Mit dem Umsatz als Nenner im Modell können Sektoren, die ein schnelles Umsatzwachstum verzeichnen, einige der größten Verbesserungen bei der Kohlenstoffintensität aufweisen. Das Modell ermöglicht es den Portfoliomanagern, auf bestimmte Portfoliobestände einzugehen und die Unternehmen zu identifizieren, für die eine Verbesserung oder Verschlechterung der Kohlenstoffintensität prognostiziert wird.

Sebastiaan Reinders, Head of Investment Science bei NN IP fügt hinzu: „Die Darstellung der prognostizierten Veränderung der Kohlenstoffintensität für alle Portfoliobestände ist aufschlussreich und ermöglicht eine Rangfolge der besten und schlechtesten Ergebnisse zu erstellen. Der Vergleich dieser prognostizierten Veränderungen der Portfolio-Intensität mit den tatsächlich gemeldeten Zahlen ist eine nützliche Methode. Dadurch werden die Unternehmen identifiziert, die auf dem besten Weg zu einer kontinuierlichen Reduzierung der Intensität zu sein scheinen, oder diejenigen, die positiv oder negativ davon abweichen. Der letztgenannte Aspekt ist besonders interessant, da er es den Portfoliomanagern ermöglicht, mit der Unternehmensführung über die Pläne, die den Zielen zur Verringerung der Kohlenstoffintensität zugrunde liegen, sowie über etwaige Hindernisse oder Erleichterungen bei der Erreichung dieser Ziele innerhalb des vorgesehenen Zeitrahmens zu diskutieren.“





Leserumfrage
Wir schätzen Ihre Expertenmeinung!
Hier ist unsere Leserumfrage:
schnell & unkompliziert
Jetzt starten!