Der Lernende kann generative KI (GenAI) definieren und von traditionellen KI-Ansätzen abgrenzen. Sie verstehen die Arten von generativen Modellen und deren Fähigkeiten, wobei der Schwerpunkt auf großen Sprachmodellen (LLMs) liegt. Die Lernenden erkennen die Skala und die Auswirkungen moderner LLMs und schätzen ihr Potenzial zur Transformation verschiedener Branchen. Sie werden in der Lage sein, wichtige GenAI-Anwendungen in Bereichen wie Gesundheitswesen, Finanzen, Bildung und Unterhaltung zu identifizieren. Darüber hinaus werden sie die wichtigsten Akteure und aufstrebenden Akteure in der GenAI-Landschaft vergleichen und bewerten.

Die Lernenden sind in der Lage, die Herausforderungen bei der Erhebung und Analyse von ESG-Daten zu erkennen und den Bedarf an KI-gesteuerten Lösungen zu verstehen. Sie verstehen die Vorteile der Implementierung von GenAI in ESG-Praktiken, wie z. B. verbesserte Transparenz, Effizienz und Skalierbarkeit. Die Teilnehmer sind in der Lage, die wichtigsten KI-Technologien zu identifizieren, die den ESG-Transformationsprozess ermöglichen, sowie deren potenzielle Anwendungen. Sie werden die Grenzen traditioneller ESG-Ratingagenturen und die Vorteile des Einsatzes von GenAI für automatisierte ESG-Analysen erläutern. Darüber hinaus werden die Teilnehmer GenAI für die ESG-Risikoabschätzung in den Bereichen Klima, Soziales und Unternehmensführung sowie für die Verbesserung des Engagements und der Kommunikation mit Stakeholdern einsetzen. Schließlich werden sie Möglichkeiten aufzeigen, wie GenAI zur Förderung von nachhaltigem Produktdesign, Ressourcenoptimierung und Lieferkettenmanagement eingesetzt werden kann.

Am Ende dieses Moduls werden die Lernenden fortgeschrittene GenAI-Implementierungstechniken für ESG-Anwendungen beherrschen. Sie werden in der Lage sein, wirksame Prompts zu erstellen, um KI-Modelle so zu lenken, dass sie genaue und relevante ESG-Ausgaben produzieren, RAG (Retrieval-Augmented Generation) anzuwenden, um Modelle mit aktuellen ESG-Informationen zu erweitern, und Pre-Training-Modelle auf spezifischen ESG-Datensätzen fein abzustimmen. Darüber hinaus werden sie in die Lage versetzt, den am besten geeigneten KI-Implementierungsansatz - ob RAG, Fine-Tuning oder Prompt Engineering - für verschiedene ESG-Anwendungsfälle kritisch zu vergleichen und auszuwählen, um eine optimale Leistung bei nachhaltigkeitsbezogenen Aufgaben zu gewährleisten.

Am Ende dieses Moduls sind die Teilnehmer in der Lage, GenAI-Techniken anzuwenden, um kritische ESG-Daten aus Nachhaltigkeitsberichten zu extrahieren und zu analysieren, einschließlich Umweltmetriken wie Scope-1-, -2- und -3-Emissionen sowie Informationen zu Vielfalt, Gerechtigkeit und Inklusion (DEI). Sie werden die wichtigsten ESG-Berichtsstandards wie GRI verstehen und dieses Wissen nutzen, um KI-gesteuerte Datenextraktionsprozesse anzuleiten. Darüber hinaus werden die Lernenden die Fähigkeit entwickeln, die Genauigkeit der von der KI extrahierten ESG-Daten durch manuelle Verifizierung und Fehleranalyse kritisch zu bewerten. Dieses praktische Fachwissen wird die Lernenden in die Lage versetzen, KI in realen ESG-Datenverarbeitungs- und Benchmarking-Szenarien effektiv einzusetzen.

Am Ende dieses Moduls werden die Lernenden in der Lage sein, sich in der komplexen ethischen Landschaft der KI in ESG-Praktiken zurechtzufinden. Sie werden in der Lage sein, wichtige ethische Überlegungen wie Datenschutz, Algorithmenverzerrung und Transparenz zu identifizieren und zu analysieren und gleichzeitig die entscheidende Rolle von erklärbarer KI beim Aufbau von Vertrauen und Verantwortlichkeit zu verstehen. Die Lernenden erhalten einen Einblick in die aktuelle und sich entwickelnde regulatorische Landschaft rund um KI-Governance und ESG-Standardisierung. Darüber hinaus werden sie eine zukunftsorientierte Perspektive für die Nutzung von KI für eine nachhaltige Wirkung entwickeln und dabei die Chancen und potenziellen Herausforderungen abwägen. Dieses umfassende Verständnis wird es den Lernenden ermöglichen, fundierte, ethische Entscheidungen zu treffen, wenn sie KI-Lösungen in ESG-Kontexten implementieren.