Möchten Sie sehen, wie KI die Unternehmensarbeit verändert? Beobachten Sie ein Nachhaltigkeitsteam

Irgendwo gerade jetzt starrt ein Analyst auf eine Mappe mit vierhundert Stromrechnungen, weil ein Regulator, ein Kunde oder das Board wissen möchte, wie groß der CO2-Fußabdruck des Unternehmens ist, und viel von dieser Zahl in diesen Dokumenten vergraben ist.

Das Aufbauen von KI-Systemen, die diese Arbeit leisten, hat mich von etwas überzeugt: Corporate-Nachhaltigkeitsteams sind einige Jahre vor dem Rest des Unternehmens bei der KI-Adoption, weil strukturelle Bedingungen die Frage frühzeitig aufwarfen. Wenn Sie verstehen möchten, wie KI die weiße Arbeitswelt in der Praxis tatsächlich verändert, sind sie die Gruppe, die man beobachten sollte.

Die Veränderung findet auf der Aufgabenebene statt

Beginnen Sie mit dem, was die Daten sagen. McKinseys neueste State-of-AI-Umfrage fand heraus, dass 88 % der Organisationen KI in mindestens einer Geschäftsfunktion verwenden und ungefähr ein Viertel berichten, dass sie KI-Agenten irgendwo im Unternehmen skaliert haben, obwohl dies normalerweise nur in einer oder zwei Funktionen der Fall ist. Die Adoption ist fast universal, aber die Transformation ist es nicht. Wo findet also die Veränderung statt? Die Antwort, immer wieder, ist auf der Aufgabenebene. Anthropics Wirtschaftsindex, der Millionen von realen KI-Gesprächen analysierte, fand heraus, dass die Nutzung eher auf Ergänzung (57 %) als auf vollständige Automatisierung (43 %) ausgerichtet war und dass nur etwa 4 % der Berufe KI für drei Viertel oder mehr ihrer Aufgaben verwendeten. KI breitet sich über die einzelnen Aufgaben innerhalb der Jobs aus.

Die Auswirkungen auf die Arbeitnehmer sind bereits messbar. Stanfords 2026 AI-Index berichtet über Produktivitätsgewinne, die real, aber ungleichmäßig sind (etwa 14-15 % im Kundensupport gegenüber 26 % in der Software-Entwicklung) und dokumentiert einen Rückgang der Beschäftigung von Software-Entwicklern im Alter von 22 bis 25 Jahren um fast 20 % seit 2024, einer der ersten messbaren white-collar-Kontraktionen, die auf KI zurückzuführen sind. Wenn man weiter auszoomt, projiziert der World Economic Forums Future of Jobs Report 170 Millionen neu geschaffene Jobs und 92 Millionen verdrängte Jobs bis 2030, wobei 39 % der Kernkompetenzen sich ändern werden. Jobs werden im Allgemeinen nicht verschwinden, aber ihre Zusammensetzung wird von Aufgabe zu Aufgabe umgestaltet, und die Umgestaltung hat bereits begonnen.

Warum Nachhaltigkeitsteams früher da waren

Drei strukturelle Bedingungen haben Nachhaltigkeit an die Spitze dieser Kurve getrieben:

Erstens ist die Datenlast im Verhältnis zur Personalstärke enorm. Die Kohlenstoffbilanzierung ist ein Daten-Engineering-Problem, das eine Umweltkostüm trägt. Die Eingaben sind Stromrechnungen, Treibstoffquittungen, Fracht-Rechnungen, Kältemittel-Protokolle und Lieferanten-Tabellen, Tausende von Dokumenten in inkonsistenten Formaten, die nicht für die maschinelle Lesbarkeit konzipiert wurden. Die Teams, die dafür verantwortlich sind, bestehen oft aus zwei oder drei Personen in einem Unternehmen mit einer Milliarde Dollar Umsatz. BSR interviewte zwanzig Corporate-Nachhaltigkeitsteams über ihren KI-Einsatz und fand das gleiche Muster: Die Zeit wird für das Sammeln und Reinigen von Daten aufgewendet, nicht für die Entscheidung, was mit ihnen zu tun ist.

Zweitens sind die Fristen hart und die Strafen real. Unter Kaliforniens SB 253 müssen Unternehmen mit über 1 Milliarde Dollar Umsatz, die im Staat tätig sind, ihre Treibhausgasemissionen ab 2026 melden, mit administrativen Strafen von bis zu 500.000 Dollar für die Nicht-Einhaltung. Die Corporate Sustainability Reporting Directive (CSRD) der Europäischen Union verhängt ihre eigenen Fristen. Die Regulierung wandelt “es wäre schön, dies zu automatisieren” in “wir können uns nicht aus dieser Situation herausarbeiten” um, was die Budgets bewegt.

Drittens gibt es eine natürliche Arbeitsteilung. Es gibt einen klaren Unterschied zwischen Extraktion und Urteil. Maschinen sind gut darin, Kilowattstunden, Therme und Gallonen aus unordentlichen Dokumenten zu extrahieren, sie Emissionsfaktoren zuzuordnen und die Zählerstände zu erfassen, die sich monatlich um 400 % erhöht haben. Menschen sind erforderlich, um die harten Teile zu bewältigen: die organisatorischen Grenzen zu bestimmen, Methoden auszuwählen und zu entscheiden, was mit der Zahl zu tun ist, wenn man sie hat. Wenige Wissensarbeitsbereiche teilen sich so sauber auf. Nachhaltigkeit tut dies, und deshalb wird KI die Nachhaltigkeitsberichterstattung schneller als die meisten angrenzenden Funktionen verändern.

Wie sich die Rollen entwickeln

Hier ist, was ich bei Teams beobachtet habe, die diese Werkzeuge ernsthaft anwenden: Der Schwerpunkt der Arbeit verschiebt sich.

Weniger Zeit wird mit der Eingabe von Zahlen aus PDFs in Tabellenblätter und mehr Zeit mit der Überprüfung von Ausnahmen, der Validierung dessen, was die Maschine produziert hat, und der Verteidigung des Ergebnisses verbracht. Klima-Offenlegungen bewegen sich in Richtung Drittpartei-Garantie, und “das Modell sagte so” ist kein vertretbarer Prüfungsnachweis. Ein Mensch muss in der Lage sein, hinter der Zahl zu stehen. Die Kernkompetenz des Analysten verschiebt sich von der Dateneingabe zur Kenntnis, wann die Maschine falsch ist.

Ich würde auch vorsichtig auf jemanden zurückdrängen, der dies als unumstrittenen Sieg beschreibt. Es gibt einen echten Kompromiss: Wenn Junior-Mitarbeiter nie die manuelle Arbeit leisten, wie entwickeln sie dann ihre Urteilskraft? Die Überprüfung von tausend extrahierten Rechnungen lehrt Sie, wie eine falsche Zahl aussieht. Stanfords Forscher heben die gleiche Sorge hervor, dass eine starke Abhängigkeit von KI möglicherweise langfristige Lernkosten mit sich bringt. Ich denke, niemand hat hier noch eine vollständige Antwort. Unternehmen müssen jetzt Junior-Rollen bewusst entwerfen, anstatt zuzulassen, dass die Schwerarbeit die Expertise durch Zufall aufbaut.

Der Kompromiss, den Nachhaltigkeitsteams am besten kennen

Es gibt einen weiteren Grund, warum dieser Teil des Unternehmens es wert ist, beobachtet zu werden. Nachhaltigkeitsteams sind die einzigen KI-Adoptierer, die den Energie- und Umweltkosten ihrer eigenen Werkzeuge zählen müssen. Die Internationale Energieagentur projiziert, dass der Stromverbrauch von Rechenzentren bis 2030 etwa verdoppelt wird, auf etwa 945 Terawattstunden, was etwa 3 % des globalen Stromverbrauchs entspricht. Es ist auch wahr, dass der Energieverbrauch pro KI-Aufgabe mit einer bemerkenswerten Rate gesunken ist. Beides ist gleichzeitig wahr, und ein Nachhaltigkeitsteam kann nicht einfach die Rahmung wählen, die bequem ist, weil der Verbrauch auf jeden Fall in jemandes Emissionsinventar landet.

Diese Einschränkung produziert eine Disziplin, die der Rest des Unternehmens gut nachahmen sollte: passen Sie das Modell zur Aufgabe an. Das Extrahieren von Feldern aus einer Stromrechnung erfordert nicht das größte Modell, das aus ersten Prinzipien ableitet; ein kleineres, günstigeres, effizienteres System tut dies normalerweise besser und bei einem Bruchteil der Energie. Gemessener KI-Einsatz, bei dem der Verbrauch ein verfolgter Eingabewert und kein Nachgedanke ist, kommt für jede Funktion irgendwann. Nachhaltigkeit kommt nur zuerst, weil das Messen von Dingen ihre Aufgabe ist.

Was der Rest des Unternehmens lernen kann

Die Bedingungen, die Nachhaltigkeit vorangetrieben haben, sind nicht einzigartig. Jede Funktion, die klein im Verhältnis zu ihren Daten ist, gegenüber externen Parteien auf harte Fristen rechenschaftspflichtig ist und in unstrukturierten Dokumenten begraben ist, wird der gleichen Kurve folgen: Finanzen, Beschaffung, Rechtswesen und mehr. Wenn dies passiert, ist das Nachhaltigkeits-Handbuch es wert, gestohlen zu werden: Automatisieren Sie die Arbeit, die die Urteilskraft überlagert, nicht die Urteilskraft selbst; halten Sie einen Menschen für alles verantwortlich, was der Prüfung standhalten muss; und messen Sie, was die Automatisierung Ihnen kostet, in Dollar und Energie.

Die interessante Frage war nie “wird KI die Jobs nehmen?” Es ist “welche Aufgaben werden auf Maschinen übertragen, in welcher Reihenfolge und was machen die Menschen mit den Stunden, die zurückkommen?”

Nachhaltigkeitsteams beantworten diese Frage, auf einer regulatorischen Frist, mit Prüfern, die ihre Arbeit überprüfen. Das ist so gut wie möglich, um das KI-umgestaltete Unternehmen vorherzusagen.