Forschung | 27. Juni 2024

Beurteilung der Nachhaltigkeit von Unternehmungen – Ein automatisierter Ansatz

Die Bedeutung der sozialen Verantwortung der Unternehmen hat in den vergangenen Jahren zugenommen. Heutzutage beziehen grosse, etablierte Unternehmen «Corporate Social Responsibility (CSR)» oft in ihre Strategie ein, da der Druck der Öffentlichkeit immer stärker wird. Evangelos Xevelonakis, Mitglied des Nachhaltigkeitsgremiums und Center- und Studiengangsleiter an der HWZ, und Tanbir Mann, veröffentlichten ein Proof of Concept, die die Nutzung von Text Mining zur Untersuchung von Sozial- und Umweltberichten von Unternehmen untersucht und verschiedene Text-Mining-Techniken aufzeigt.

Soziale Verantwortung ist nicht nur auf Einzelpersonen beschränkt, sondern auch auf Unternehmen, und von den meisten Unternehmen wird erwartet, dass sie bei ihren geschäftlichen Aktivitäten auch soziale Aspekte berücksichtigen. Dieser Bereich wird als Corporate Social Responsibility (CSR) bezeichnet.

CSR steht für «Corporate Social Responsibility» und ist ein überwachter Begriff, bei dem Unternehmen Managementkonzepte in Bezug auf soziale und ökologische Belange in ihrer Geschäftstätigkeit und in ihren Beziehungen zu ihren Stakeholdern anwenden.

Es ist immens wichtig, die Stakeholder umfassend zu informieren, insbesondere in Fragen der sozialen Verantwortung von Unternehmen. Aus diesem Grund beteiligen sich zahlreiche Unternehmen an der Erstellung von Nachhaltigkeitsberichten und legen generell mehr über ihre Auswirkungen auf die Nachhaltigkeit offen – insbesondere Informationen über die wirtschaftliche, soziale und ökologische Dimension.

Proof of Concept zum Einsatz moderner Text-Mining-Techniken

Die Machbarkeitsstudie «Identifying Sustainability Efforts in Company’s Reports Using Text Mining and Machine Learning» von Evangelos Xevelonakis, Mitglied des Nachhaltigkeitsgremiums und Center- und Studiengangsleiter an der HWZ, und Tanbir Mann, untersucht die Anwendung von Text Mining zur Untersuchung von Sozial- und Umweltberichten von Unternehmen.

Text Mining bezieht sich im Allgemeinen auf den Prozess der Extraktion von Mustern oder Informationen aus unstrukturierten Textdokumenten (Tan 1999). Dieser Umgang mit unstrukturierten Daten unterscheidet Text Mining als diskriminative Technologie von neueren Modellen, deren Anwendung eher auf dem Einsatz generativer KI basiert.

Da die meisten Informationen in Unternehmen in Textform gespeichert sind, ist Text Mining eines der nützlichsten Mittel zur Erfassung von unternehmensbezogenen Informationen.

Tan AH (1999) Text mining: The state of the art and the challenges. In Proceedings of the pakdd 1999 workshop on knowledge discovery from advanced databases. Beijing, 8, 65–70.

Das Proof of Concept konzentriert sich insbesondere auf den Prozess der Dokumentenklassifizierung, um relevante Begriffe zu extrahieren, die sich speziell auf das CSR-Managementkonzept in Bezug auf seine vier verschiedenen Dimensionen beziehen – Umweltverantwortung, Mitarbeiterverantwortung, soziale Verantwortung und Menschenrechte. Hierzu wurde ein CSR-relevantes Wörterbuch von Pencel und Malascue verwendet.

Das Proof of Concept unterstreicht die wertvolle Rolle von Text Mining bei der Bewertung sozialer und umweltbezogener Angaben und bietet Einblicke in die Optimierung für Evaluierungstechniken.

Wichtigste, gewonnenen Erkenntnisse und Anwendungsmöglichkeiten aus der Machbarkeitsstudie

Die Untersuchung ergab mehrere entscheidende Erkenntnisse und Anwendungsmöglichkeiten für Unternehmen:

Effizienz und Skalierbarkeit: NLP (Natural Language Processing) und Text Mining ermöglicht Unternehmen, grosse Mengen an Textdaten effizient und schnell zu analysieren, was manuell kaum zu bewältigen wäre.
Tiefe Einblicke: Durch die Analyse von Unternehmensberichten können tiefere Einblicke in die Nachhaltigkeitsstrategie gewonnen werden, die möglicherweise nicht sofort offensichtlich sind.
Vergleichbarkeit: Unternehmen können ihre Nachhaltigkeitsstrategien mit denen anderer Unternehmen vergleichen und Benchmarks setzen. Zeitliche Veränderungen in der Strategie können durch die Analyse von Berichten über mehrere Jahre hinweg erkannt werden.
Automatisierung: Die Automatisierung des Analyseprozesses reduziert den menschlichen Fehler und ermöglicht eine konsistente und objektive Bewertung.
Identifizierung von Trends: Trends und Entwicklungen in der Nachhaltigkeitsstrategie können erkannt werden.
Strategische Planung: Unternehmen können die gewonnenen Erkenntnisse nutzen, um ihre eigenen Nachhaltigkeitsstrategien zu verfeinern und zielgerichtet Massnahmen zu entwickeln.

Zusammenfassend zeigen die Ergebnisse die erfolgreiche Differenzierung von Texten auf der Grundlage dieser CSR-Dimensionen und wie Modelle helfen, die CSR-relevanten Begriffe in einem Unternehmensbericht zu identifizieren.

Hier geht’s zum gesamten Proof of Concept im Athens Journal of Sciences:

Zum Proof of Concept

Voraussetzung für die Präsentation an der Annual International Conference on AI and Data Science in Athen und die Publikation des Proof of Concept ist ein Peer Review-Prozess, indem die Erkenntnisse qualitativ von Wissenschaftler:innen desselben Fachgebietes überprüft werden.

5th Annual International Conference on AI and Data Science am 1. Juli 2024

Während sich die globalen Gesellschaften in der vierten industriellen Revolution weiterentwickeln, entwickelt sich «Data Science» zu einer wesentlichen Forschungsdisziplin für Akademiker:innen und Praktiker:innen, die über die mathematischen, statistischen und rechnergestützten Wissenschaften hinausgeht. Die Konferenz organisiert Vernetzungsmöglichkeiten für Forscher:innen und Praktiker:innen und nimmt eine weltweit führende Rolle bei der Entwicklung von Konferenzen, Bildung, Veröffentlichungen und Forschung zu aktuellen Themen ein, die für die Erhaltung der globalen Wirtschaft und der Umwelt wesentlich sind.