Sustainable Finance

Praxisbeispiel und aktuelle Herausforderungen

• Das Finanzsystem spielt eine Schlüsselrolle im Übergang zu einer emissionsarmen, ressourcenschonenden Wirtschaft. Alle Akteure des Finanzsystems sollen Kapitalströme stärker auf nachhaltige Investitionen ausrichten, die im Einklang mit den Zielen des Pariser Klimaabkommens und den nachhaltigen Entwicklungszielen der Vereinten Nationen (UN SDGs) stehen.
• Außerdem dämpfen der Klimawandel und andere negative Auswirkungen menschlichen Handelns („Nachhaltigkeitsrisiken“) die ökonomische Leistungsfähigkeit und finanziellen Vermögenswerte einer Volkswirtschaft.
• Der Finanzstabilitätsrat (FSB) hat in diesem Zusammenhang eine „Task Force on Climate-Related Financial Disclosures“ (TCFD) einberufen, die 2017 Empfehlungen zur Offenlegung physischer und transitorischer Klimarisiken veröffentlichte (welche an die zunehmende Regulierung und Bepreisung klimaschädlicher Wirtschafts- und Konsumweisen gekoppelt sind). Auf EU-Ebene verabschiedete die Europäische Kommission 2018 den Aktionsplan zur „Finanzierung nachhaltigen Wachstums“, der die Hauptziele für die Gestaltung eines nachhaltigen Finanzwesens definiert. Die EU „Sustainable Finance“ Taxonomie, als ein zentraler Baustein der Strategie, unternimmt einen ersten umfassenden Versuch, die notwendigen Ambitionsniveaus für die Transformation hin zu einer nachhaltigen und klimafreundlichen Gesellschaft für wichtige (bisher v.a. klimarelevante) Wirtschaftsaktivitäten abzubilden. Sie stellt somit einen wichtigen Referenzrahmen für den Übergang zu einem nachhaltigen Finanzsektor dar.
• Ziel des Use Case „Sustainable Finance“ ist es, Anwendungsmöglichkeiten von künstlicher Intelligenz (KI)- und Machine Learning (ML)-Methoden zur Analyse der Auswirkungen von Nachhaltigkeitsrisiken im oben skizzierten Kontext (Finanzmarkt, Regulierung) zu erforschen und daraus relevante Methoden, Modelle und Datenbankstrukturen für Nachhaltigkeits-, Klimarisiko- und Impact-Analysen abzuleiten. Insbesondere sollen entsprechende Methoden zum Schließen wichtiger, entscheidungsrelevanter Daten- und Wissenslücken (weiter)entwickelt und exemplarisch getestet werden. Ein weiteres Ziel ist der Aufbau einer prototypischen ESG-Datenplattform zur Zusammenführung der relevanten Daten.
• Darüber hinaus bestrebt der Use Case, durch die Anwendung von KI-Methoden neuartige bzw. verbesserte Ansätze der Analyse und des Managements von Nachhaltigkeitsrisiken, sogenannter ESG-Risiken (aus dem engl. Environment, Social, Governance), auf Finanzmarkt- und Regulierungsentscheidungen (u.a. bzgl. Finanzinstrumenten und Systemstabilität) zu erforschen und abzuleiten. Die Anwendung soll InvestorInnen und FinanzmarktakteurInnen beim Umgang mit ESG-Risiken (Identifikation, Messung und Management) unterstützen und korrespondierende Entscheidungs- und Evaluierungsprozesse erleichtern. Darüber hinaus soll es staatliche Institutionen (v.a. Regulierer*innen) bei der Entwicklung und Umsetzung von Finanzmarktvorschriften wie z.B. der EU Taxonomie und des TCFD-Rahmenwerks unterstützen oder die Nachhaltigkeitsdatengrundlage für Entscheidungen bzgl. öffentlicher Anlagen verbessern. Einen weiteren zentralen Anwendungsbereich stellt die öffentliche Verfügbarkeit und Erhöhung der Qualität von ESG-Daten dar.

Welchen Mehrwert bietet das „Projekt GAIA-X“?

• GAIA-X erleichtert den Aufbau einer kompatiblen Dateninfrastruktur, die unter anderem die Entwicklung eines Referenzdatenmodells und einer Sicherheitsarchitektur beinhaltet. Der Aufbau einer prototypischen ESG-Datenplattform ermöglicht ein verbessertes Verständnis und Management von ESG-Risiken und Nachhaltigkeitsauswirkungen von Finanzprodukten sowie fundierte Finanzierungs- und Investitionsentscheidungen für FinanzmarktakteurInnen.
• Durch die Entwicklung von KI und ML-Methoden in konkreten politik- und finanzmarktrelevanten Anwendungsfällen sowie dem Aufbau einer ESG-Datenstruktur können Nachhaltigkeitsrisiken für Finanzmarkt- und Politikentscheidungen besser bewertet und den AkteurInnen in anwendbarer, nutzerfreundlicher Form zur Verfügung gestellt werden.
• GAIA-X ermöglicht es, Potenziale durch den Einsatz von KI-Methoden zur Erfassung von Nachhaltigkeitsrisiken festzustellen, Lücken in der Datenverfügbarkeit und der Verknüpfung unterschiedlicher Datentypen/-quellen zu identifizieren und den Zusammenhang zwischen Klimarisiken sowie ökonomischen und finanziellen Kennzahlen zu konkretisieren.

Paten

• Ingmar Jürgens, Christina Anselm, Lara Hensel, Ulf Moslener, Gregory Wheeler – Frankfurt School of Finance and Management