Das Sustainable Finance Cluster hat ein neues Positionspapier zu „AI in ESG Management – Adoption Maturity, Use Cases and Responsible Governance in Banking“ veröffentlicht. Die Publikation zeigt, wie Banken Künstliche Intelligenz (KI) nutzen können, um ESG-Daten effizienter zu verarbeiten, Analysen zu verbessern und Berichts- sowie Risikoprozesse gezielter zu unterstützen. Zugleich macht das Papier deutlich, dass der Bankensektor das Thema strategisch erkannt hat, operativ aber noch am Anfang steht. Der entscheidende Schritt liegt nun darin, von einzelnen Pilotprojekten zu skalierbaren, verantwortungsvoll gesteuerten Anwendungen zu kommen. Das Positionspapier entstand im Rahmen der Cluster-Initiative KI im ESG Management mit Expertinnen und Experten aus Sustainable Finance, Risiko, Daten und KI.
Zentrale Ergebnisse des Positionspapiers:
- KI ist im ESG Management der Banken angekommen, wird aber bislang überwiegend punktuell eingesetzt. Allgemeine KI-Chatbots sind weit verbreitet, während stärker integrierte, dokumentenbasierte oder agentische Anwendungen meist noch in Entwicklung oder Pilotierung sind.
- Der größte Nutzen zeigt sich aktuell in Effizienz, Wissensaufbau und Qualitätssicherung. KI kann ESG-Berichte analysieren, Daten extrahieren, Dokumentationen vorbereiten, externe Quellen überwachen und Fachbereiche bei wiederkehrenden Analyseaufgaben entlasten.
- Die Skalierung bleibt anspruchsvoll. Technische Infrastruktur, bestehende Systemlandschaften, begrenzte Ressourcen, fehlende KI-Kompetenzen und begrenztes Vertrauen in KI-Ergebnisse bremsen den Übergang von Pilotprojekten zu produktiven Anwendungen.
- Verantwortungsvolle Governance wird zum entscheidenden Erfolgsfaktor. Wenn KI in Prozesse wie Kreditprüfung, Offenlegung oder ESG-Risikomanagement hineinwirkt, braucht es klare Zuständigkeiten, menschliche Kontrolle, Nachvollziehbarkeit, Dokumentation und einen bewussten Umgang mit Modellrisiken sowie dem ökologischen Fußabdruck von KI.
Von Pilotprojekten zu skalierbarer Anwendung:
- Das Papier untersucht den aktuellen Reifegrad der KI-Nutzung im ESG Management, konkrete Anwendungsfälle entlang der ESG-Wertschöpfungskette sowie Anforderungen an
eine verantwortungsvolle und nachhaltige KI-Governance. - Banken sollten bewährte KI-Anwendungsfälle gezielt skalieren, statt immer neue Einzellösungen zu entwickeln. Wiederverwendbare Bausteine wie Dokumentenanalyse, Retrieval, Klassifikation und quellengestützte Textgenerierung können die Grundlage für mehrere ESG-Prozesse bilden.
- Use Cases sollten nicht nur danach ausgewählt werden, was technisch schnell umsetzbar ist. Entscheidend sind auch Datenverfügbarkeit, regulatorische Anschlussfähigkeit, Prozessintegration, Nutzerakzeptanz und ein messbarer Mehrwert für ESG-Arbeit.
- Die Fallstudien aus Helaba, Novata und Commerzbank zeigen, dass KI besonders dort Wert schafft, wo sie Fachleute bei Analyse, Screening, Priorisierung und Dokumentation unterstützt, ohne deren abschließendes Urteil zu ersetzen.
- Die nächste Entwicklungsstufe liegt in stärker integrierten und perspektivisch agentischen Anwendungen. Diese sollten jedoch nur dort verfolgt werden, wo Datenqualität, Kontrollmechanismen, Verantwortlichkeiten und Auditierbarkeit ausreichend entwickelt sind.
Empfehlungen an Banken:
- Banken sollten KI im ESG Management als Portfolio- und Architekturfrage behandeln: Standardlösungen können den Einstieg beschleunigen, während eigene Entwicklungen dort sinnvoll sind, wo wiederverwendbare Fähigkeiten, Kontrolle und strategische Differenzierung entstehen.
- Technische Grundlagen und Zusammenarbeit müssen gestärkt werden. Dazu gehören gemeinsame ESG-Datenstrukturen, klare Datenverantwortung sowie die enge Kooperation zwischen ESG-Funktionen, Fachbereichen, IT, Risiko und den späteren Nutzerinnen und Nutzern.
- Institute sollten KI-Governance frühzeitig an den Anforderungen des EU AI Act ausrichten, insbesondere bei entscheidungsnahen Anwendungen wie Kreditprozessen. Menschliche Kontrolle, Quellenbezüge, Dokumentation und Modellrisikomanagement sollten nicht nachträglich ergänzt, sondern von Beginn an in Workflows eingebaut werden.
- Politik, Aufsicht und Standardsetzer sollten proportionale, praxistaugliche Rahmenbedingungen unterstützen und zugleich die Voraussetzungen für verantwortungsvolle Skalierung verbessern – etwa durch mehr Klarheit zu Hochrisiko-Anwendungen, Datenzugang, Standards für Nachhaltigkeitsinformationen und Methoden zur Bewertung des ökologischen Fußabdrucks von KI.
Matthias Hübner, Geschäftsführer des Sustainable Finance Cluster, betont: „Künstliche Intelligenz kann Banken dabei helfen, ESG-Informationen schneller, konsistenter und entscheidungsrelevanter zu nutzen. Entscheidend ist aber nicht allein die Technologie. Der Mehrwert entsteht erst, wenn Institute KI gezielt skalieren, Verantwortlichkeiten klären und ihre Anwendungen so gestalten, dass Ergebnisse nachvollziehbar, kontrollierbar und belastbar bleiben.“
Dr. Lukas Figge-Muschalik, Wissenschaftlicher Leiter des Projekts und Positionspapiers, ergänzt: „Unsere Analyse zeigt: Für ESG Management stellt sich nicht mehr die Frage, ob Banken KI nutzen werden, sondern wie sie den Übergang von einzelnen Pilotprojekten zu verantwortungsvoller Skalierung schaffen. Dafür braucht es wiederverwendbare technische Fähigkeiten, eine klare Governance und ein Verständnis dafür, dass auch die Risiken und der Ressourcenverbrauch von KI selbst Teil nachhaltiger Finanzpraxis sind.“
Zum Download des Positionspapiers
Über das Sustainable Finance Cluster:
Das Sustainable Finance Cluster wurde 2018 durch den Zusammenschluss der Accelerating Sustainable Finance Initiative der Deutschen Börse und des Green Finance Clusters Frankfurt des Hessischen Wirtschaftsministeriums gegründet. Ziel ist es, konkrete Handlungsansätze für die Zukunftsfähigkeit nationaler und internationaler Finanzmärkte zu formulieren und umzusetzen. Das Cluster dient als zentrale Anlaufstelle für Fragen zu Sustainable Finance für Finanzwirtschaft, Realwirtschaft, Wissenschaft und Politik.
Hinweis: Das Bild wurde mit Unterstützung von KI erstellt.