Sustainability
Lebenszyklusanalyse: ESG messbar machen
Lebenszyklusanalysen spielen eine entscheidende Rolle bei der ökologischen Bewertung von Gebäuden und sind ein zentraler Lösungsbaustein für das nachhaltige Bauen und Betreiben einer Immobilie. Sie betrachten den gesamten Lebenszyklus eines Gebäudes: von der Rohstoffgewinnung über den Bau bis zur Nutzung, Sanierung und Entsorgung. Dadurch können alle negativen Umweltauswirkungen eines Gebäudes umfassend verstanden und Maßnahmen entwickelt werden, um diese zu minimieren.1 Zusammen mit Lebenszykluskosten-Berechnungen ist es das wichtigste Tool für Verantwortliche, um wirtschaftliche und zukunftsweisende Entscheidungen treffen zu können.
Mehrwert der Lebenszyklusanalyse
Die Lebenszyklusanalyse, auch „Ökobilanz“ genannt, stellt ein essenzielles Werkzeug zur ganzheitlichen Bewertung der Nachhaltigkeit von Gebäuden dar. Sie liefert detaillierte Informationen über die (potenziellen) Umweltauswirkungen und den Ressourcenverbrauch von Neubauten und Bestandsimmobilien.2 Mithilfe einer Ökobilanz lassen sich für ein Gebäude sämtliche Verbräuche und Emissionen in aussagekräftigen Umweltkennzahlen quantifizieren. Auch ein Vergleich mit nutzungs- und baugleichen Gebäuden wird auf diese Weise möglich.
In den frühen Planungsphasen, in denen mit geringem Aufwand Änderungen durchgeführt werden können, bieten Lebenszyklusanalysen zudem als Entscheidungsgrundlage großen Mehrwert. Die gewählte Bauweise beeinflusst maßgeblich die Materialauswahl, einschließlich spezifischer Bauprodukte und Verbindungsmittel. Ökobilanzen fokussieren daher nicht nur den ressourcenschonenden Betrieb des Gebäudes, sondern auch die umweltverträgliche Herstellung, Sanierung und den Rückbau eines Gebäudes. So kann beispielsweise auf die effiziente Trennbarkeit der verbauten Baumaterialien geachtet werden, um eine optimale Rezyklierbarkeit am Lebensende eines Gebäudes zu gewährleisten.3
Berechnung der Lebenszykluskosten
Genauso wichtig wie die ökologische Analyse ist die ökonomische Bewertung einer Immobilie. Berechnungen von Lebenszykluskosten ermöglichen eine mittel- bis langfristige Kostenbetrachtung eines Gebäudes. Dabei umfassen Lebenszykluskosten alle Kosten, die über die Lebensdauer eines Gebäudes entstehen, unter anderem die anfänglichen Baukosten, Reinigungs- und Instandhaltungskosten sowie Aufwendungen für den späteren Um- und Rückbau. Ziel der ökonomischen Betrachtung ist der sinnvolle und bewusste Umgang mit wirtschaftlichen Ressourcen. Mit der Berechnung von Lebenszykluskosten lässt sich zudem bestätigen, dass nachhaltiges Bauen und Sanieren in der ganzheitlichen Betrachtung des Immobilienlebenszyklus kostengünstiger als konventionelles Bauen sein kann.
Fazit
Ökobilanzen und Berechnungen von Lebenszykluskosten helfen Verantwortlichen, anhand konkreter Kennzahlen und dank einer deutlich verbesserten Transparenz wirtschaftliche und zukunftsweisende Entscheidungen im Planungs- und Ausführungsprozess zu treffen. Die Ergebnisse einer Lebenszyklusanalyse lassen sich zusätzlich in der Kommunikation mit Kunden, bei der Nachhaltigkeitszertifizierung und bei der Beantragung von Fördermitteln nutzen.
Benjamin Schrödl, Partner leitet den Bereich Real Estate Deals von PwC am Standort Berlin.
Anna Prahl, Senior Managerin, leitet den Bereich Construction Advisory Service von PwC am Standort Berlin.
Philipp Merbeler, Senior Associate, ist als DGNB ESG-Manager im Bereich Construction Advisory Services (CAS) bei PwC am Standort Berlin tätig.
[2] Vgl. BBSR, Ökobilanzierung im Bauwesen, https://www.bbsr.bund.de/BBSR/DE/forschung/fachbeitraege/bauen/baustoffe-bauprodukte/oekobilanzierung/01-start.html.
[3] Vgl. DGNB, Leitfaden zum Einsatz der Ökobilanzierung, https://static.dgnb.de/fileadmin/_archiv/de/dgnb_system/service/reports/DGNB-LCA-Leitfaden.pdf.
ESG-Reporting mithilfe von generativer KI bewältigen
Generative künstliche Intelligenz, auch GenAI genannt, hat das transformative Potenzial, die Herausforderungen des ESG-Reportings in der Immobilienbranche zu bewältigen. Erfahren Sie, wie hochmoderne KI-Technologien die Datenintegration vereinfachen, deren Genauigkeit verbessern und im sich aktuell sehr stark verändernden Real-Asset-Bereich regelkonform und nahezu in Echtzeit Unterstützung bieten. Wir gehen auf die Komplexität der regulatorischen Anforderungen ein, stellen innovative Lösungen vor und zeigen sowohl den Nutzen, aber auch die mit GenAI einhergehenden Risiken auf. Nutzen Sie diesen Beitrag als Leitfaden für den Einsatz von AI für Ihr strategisches, effizientes und verantwortungsbewusstes ESG-Reporting!
Einführung
Das ESG-Reporting in der Real-Estate (RE)-Branche ist ein strategisches Instrument, das über die Einhaltung von Vorschriften hinausgeht. Es schafft Vertrauen bei den Stakeholdern und fördert nachhaltige Investitionen. Die effektive Verwaltung und die Berichterstattung von ESG-Daten sind jedoch mit vielschichtigen Herausforderungen verbunden, einschließlich der Datengenauigkeit und der Einhaltung regulativer Vorgaben. GenAI bietet hier Lösungen, indem sie die Datenerfassung, -analyse und -berichterstattung automatisiert und die Prozesse effizienter und genauer durchgeführt. Da GenAI auch Risiken birgt, ist die umsichtige Planung und Reglementierung des Einsatzes von generativer KI für eine erfolgreiche Implementierung von GenAI-Systemen essenziell.
Reportinganforderungen: Herausforderungen und Lösungen
Die RE-Branche in Deutschland und der EU ist mit strengen Berichts- und Transparenzstandards konfrontiert, die von nachhaltigen Praktiken und verantwortungsvoller Governance bestimmt werden. Verordnungen wie die Corporate Sustainability Reporting Directive (CSRD) und die Sustainable Finance Disclosure Regulation (SFDR) schreiben Angaben zum Umgang mit sozialen und ökologischen Herausforderungen vor.
Es gibt potenziell über 800 KPIs, die laut den European Sustainability Reporting Standards (ESRS) für eine CSRD-konforme Berichterstattung gefordert werden.
Diese KPIs müssen durch Methoden untermauert sowie von internen und externen Stakeholdern überprüft werden.
Die Herausforderungen der Branche im ESG-Reporting sind enorm: Es müssen Daten über Energieverbrauch, Mieter:innenzufriedenheit und die Auswirkungen auf das Gemeinwesen erhoben wie auch die Genauigkeit und Aktualität der Daten sowie eine effektive Stakeholder-Kommunikation sichergestellt werden − eine komplexe Aufgabe angesichts der sich weiterentwickelnden ESG-Kriterien.
Wir haben sieben zentrale Herausforderungen entlang des Reportingprozesses in der RE-Branche identifiziert und zeigen Ihnen auf, wie GenAI helfen kann, diese zu bewältigen.
1. Digitalisierung, Datenerfassung und Integration
- Herausforderung: Das Sammeln und Integrieren von Daten aus verschiedenen Quellen ist aufwändig und fehleranfällig.
- GenAI-Lösung: KI kann die Sammlung und Integration von Daten automatisieren und so für Vollständigkeit und Kohärenz sorgen. Wo Daten fehlen, kann KI mit zuverlässigen Schätzungen helfen und die Plausibilität der Daten überprüfen.
2. Genauigkeit und Zuverlässigkeit
- Herausforderung: Die Sicherstellung der Datengenauigkeit ist entscheidend für eine effektive Entscheidungsfindung.
- GenAI-Lösung: KI-Algorithmen können die Genauigkeit verbessern, indem sie Daten mit Querverweisen versehen, diese verifizieren und Anomalien zur Überprüfung identifizieren.
3. Rechtzeitige Verfügbarkeit von Daten
- Herausforderung: Die Dynamik des RE-Marktes und unterschiedliche Bewertungs- und Berichtszeitpunkte erschweren eine konsistente Abbildung der Realität.
- GenAI-Lösung: Echtzeit-Datenverarbeitung und zusätzliche Einblicke durch KI-Algorithmen ermöglichen ein zeitnahes, kohärentes ESG-Reporting und damit eine schnelle Entscheidungsfindung.
4. Skalierbarkeit des Reportingprozesses
- Herausforderung: Die Skalierung der Reportingprozesse bei Wachstum des Portfolios erweist sich bei gleichzeitiger Beibehaltung der Genauigkeit als schwierig.
- GenAI-Lösung: KI-Systeme können wachsende Datenmengen effizient verarbeiten und stellen eine skalierbare und effiziente Berichterstattung sicher.
5. Kommunikation mit internen und externen Stakeholdern
- Herausforderung: Die effektive Kommunikation der ESG-Performance an verschiedene Stakeholder ist komplex und wird durch umfangreiche technische und regulatorische Anforderungen erschwert.
- GenAI-Lösung: Generative KI kann die Berichte detailliert auf die Bedürfnisse der einzelnen Stakeholder zuschneiden und so die Effektivität der Kommunikation erhöhen.
6. Weiterentwicklung der Regulierungsanforderungen
- Herausforderung: Mit den sich weiterentwickelnden ESG-Berichtsvorschriften Schritt zu halten ist eine konstante Herausforderung, die den Einsatz externer und interner Expert:innen erfordert.
- GenAI-Lösung: KI kann dabei helfen, regulatorische Änderungen zu überwachen und sicherzustellen, dass die Berichterstattung Compliance-konform bleibt.
7. Mangel an Nachhaltigkeitsexperten:innen und Ressourcen
- Herausforderung: In der RE-Branche mangelt es häufig an Experten:innen, die auf Nachhaltigkeit spezialisiert sind.
- GenAI-Lösung: KI-gesteuerte Analysen können Erkenntnisse und Empfehlungen zu Nachhaltigkeitspraktiken liefern und so die Lücke im Fachwissen schließen.
Die Aussichten für die Implementierung von GenAI im Reporting
Während die Vorteile von GenAI auf der Hand liegen, birgt ihr Einsatz auch Schwierigkeiten, etwa Datenschutzbedenken oder die Notwendigkeit einer transparenten KI-Entscheidungsfindung. Die Abhängigkeit der Technologie von Trainingsdaten könnte zu Verzerrungen führen und die Objektivität der Berichte beeinträchtigen. Eine ethische Nutzung ist hier entscheidend, um irreführende Informationen zu vermeiden. Es ist tatsächlich auch herausfordernd, die Effizienz der KI mit der Notwendigkeit einer genauen, korrekten und zugleich unvoreingenommenen Berichterstattung in Einklang zu bringen. Dies erfordert eine Verfeinerung der Modelle, ethische Richtlinien und einen transparenten Einsatz von GenAI.
Die Sensibilisierung der Reportingfunktion für potenzielle Risiken von GenAI wie Datenschutz und -sicherheit oder Validierung und Genauigkeit ist erfolgsentscheidend und darf nicht ignoriert werden.
Auf Unternehmensebene erfordert das disruptive Potenzial von GenAI eine durchdachte Planung. Unternehmen müssen sich zu Richtlinien verpflichten, ihre Mitarbeiter:innen zu den Auswirkungen von KI schulen und sich der Risiken des GenAI-Einsatzes bewusst sein.
Wie PwC seine Kunden unterstützt
PwC befasst sich in vielen Projekten mit der Integration von generativer KI in das ESG-Reporting von Immobilienunternehmen. Unsere Expertise reicht von der strategischen Planung bis zur Umsetzung und stellt sicher, dass der Übergang zur KI-gesteuerten Berichterstattung reibungslos, Compliance-konform und effektiv verläuft. Wir bieten unseren Kunden maßgeschneiderte Lösungen, die die Integration von KI-Technologien, Datenschutz- und Sicherheitsprotokolle sowie Mitarbeiter:innenschulungen umfassen. Unser Ansatz zielt nicht nur auf die technischen Aspekte der KI-Implementierung ab, sondern zugleich darauf, diese an den Zielen und ethischen Standards des Unternehmens auszurichten. So helfen wir, die Komplexität der generativen KI im ESG-Reporting zu bewältigen, damit das Datenmanagement und die Berichtsfunktion als Wettbewerbsvorteil positioniert werden kann.
Sebastian Kreutel ist Partner und Head of Real Asset FS Consulting bei PwC am Standort Frankfurt am Main.
Arjun Jamil ist Senior Associate und Chief of Staff for Germany GenAI bei PwC am Standort Hamburg.
© 2017 - 2023 PwC. All rights reserved. PwC refers to the PwC network and/or one or more of its member firms, each of which is a separate legal entity. Please see www.pwc.com/structure for further details.
