Artificial Intelligence als Treiber für nachhaltiges Wirtschaften

Einleitung

Artificial Intelligence (AI) entwickelt sich immer mehr zur Querschnittstechnologie mit erheblichem Einfluss auf Wettbewerbsfähigkeit, Effizienz und Nachhaltigkeit von Unternehmen. Sie kann als zentraler Enabler für nachhaltiges Wirtschaften dienen, denn AI-Systeme eröffnen Möglichkeiten, Prozesse radikal effizienter zu gestalten und Ressourcen einzusparen und damit ökologisch wie ökonomisch positive Effekte zu erzielen. Durch die Verbesserung von Prognosen, die Optimierung von Abläufen und Ressourceneinsatz kann AI Wettbewerbsvorteile schaffen und gleichzeitig gesellschaftlich sowie umweltbezogen nützliche Resultate hervorbringen – etwa im Energiemanagement, in der Logistik, in Landwirtschaft und Industrie. Nachhaltigkeit im Sinne ökologisch und sozial verträglichen Wirtschaftens lässt sich so zunehmend mit wirtschaftlichem Erfolg vereinbaren.

Gleichzeitig schafft der zunehmende AI-Einsatz neue Zielkonflikte und regulatorische Fragen. AI-Modelle sind oft sehr energie- und ressourcenintensiv: Die Trainingsphase grosser AI-Modelle (etwa Sprachanwendungen) benötigt enorme Rechenleistung und Strom – so sehr, dass in manchen Fällen das Trainieren eines AI-Modells mehr Energie verbraucht, als die spätere Effizienzsteigerung einspart. Der weltweite Energiebedarf der AI-Branche wächst rasant und soll sich bis 2026 verzehnfachen. Zudem wirft AI Fragen der Kontrolle, Transparenz und Verantwortlichkeit auf: Etwa wie man algorithmische Entscheidungen nachvollziehbar gestaltet, negative Nebenwirkungen (z.B. Diskriminierungen durch Bias in Daten und Modellen) vermeidet und persönliche Daten schützt. Diese Herausforderungen gilt es zu lösen, um AI verantwortungsvoll als Hebel für nachhaltiges Wirtschaften einzusetzen – statt nur als Technologie-Buzzword ohne echten Impact.

Die folgenden Abschnitte beleuchten diese Chancen und Herausforderungen genauer. Zunächst geht es um die Rolle der AI beim nachhaltigen Wirtschaften: Wie und warum kann AI Unternehmen bei ökologischen, sozialen und ökonomischen Nachhaltigkeitszielen unterstützen? Anschliessend folgen konkrete Anwendungsbeispiele aus der Praxis – von Datenanalyse und Prozessoptimierung bis zu Datengovernance und Compliance. Schliesslich werden zentrale rechtliche Rahmenbedingungen in der EU und der Schweiz dargestellt, insbesondere der EU AI Act und relevante schweizerische Ansätze, mit Schwerpunkt auf Governance, Transparenz, Risikomanagement und Verantwortlichkeit beim AI-Einsatz. Im Fazit werden die wichtigsten Erkenntnisse zusammengeführt: AI kann nachhaltiges Wirtschaften entscheidend voranbringen – vorausgesetzt, sie wird verantwortungsvoll und energieeffizient eingesetzt.

Rolle von AI für nachhaltiges Wirtschaften

AI entfaltet ihr Potenzial in allen drei Dimensionen der Nachhaltigkeit – ökologisch, sozial und ökonomisch – und kann dadurch nachhaltiges Wirtschaften ganzheitlich fördern.

• Ökologische Nachhaltigkeit: Intelligente Algorithmen können den Ressourcenverbrauch verringern und Emissionen reduzieren. Durch bessere Prognosen und Datenanalyse lassen sich beispielsweise Energieversorgung und -nachfrage präziser ausbalancieren, Anlagen effizienter steuern und Klimarisiken frühzeitig erkennen. In Landwirtschaft und Produktion ermöglicht AI die minutiöse Optimierung von Inputfaktoren: So lassen sich Düngemittel bedarfsgerechter ausbringen, wodurch der Verbrauch gesenkt und Umweltbelastungen verringert werden. AI kann auch Materialkreisläufe verbessern – z.B. durch intelligente Recycling-Konzepte, die die Wertstoffrückgewinnung optimieren. Damit trägt AI mittelfristig stark zur Dekarbonisierung und Schonung natürlicher Ressourcen bei.
• Soziale & governance-bezogene Nachhaltigkeit: AI-Systeme können helfen, soziale Ziele zu erreichen, etwa indem sie Arbeitsschutz verbessern (z.B. automatische Gefahrenerkennung in Fabriken) oder faire Personalentscheidungen durch Bias-Erkennung fördern. In globalen Lieferketten kann AI Daten über Arbeitsbedingungen oder Lieferantenzertifizierungen auswerten, um Risiken wie Menschenrechtsverletzungen oder illegalen Rohstoffabbau aufzudecken – ein wichtiger Beitrag zur Ethik und Resilienz in der Lieferkette. Gerade Sorgfaltsanforderungen wie jene aus der EU-Lieferkettenrichtlinie (CSDDD) könnten hier durch AI-Einsatz unterstützt werden. Darüber hinaus verbessert AI die Datenqualität und -transparenz, was eine solide Basis für ESG-Reporting und Governance ist. In Summe kann AI die Unternehmensführung dabei unterstützen, Nachhaltigkeitsthemen systematisch zu managen.
• Ökonomische Nachhaltigkeit & Resilienz: AI-getriebene Nachhaltigkeitsmassnahmen zielen nicht nur auf das Gemeinwohl, sondern zahlen sich auch finanziell aus. Effizienzgewinne (z.B. im Energie- oder Materialeinsatz) wirken kostenreduzierend, verbessern Margen und steigern die Wettbewerbsfähigkeit. AI erlaubt es, Wertschöpfung von Ressourcenverbrauch zu entkoppeln – Unternehmen können also wachsen, ohne entsprechend mehr Emissionen auszustossen. Zusätzlich fördert AI die unternehmerische Resilienz: Sie ermöglicht etwa Frühwarnsysteme für Risiken (z.B. Wetterextreme, Marktveränderungen, Lieferengpässe) und unterstützt in Krisenszenarien schnellere und fundierte Entscheidungen. Beispielsweise können automatisierte Analysen die Widerstandsfähigkeit von Lieferketten erhöhen, indem AI neue Lieferanten schneller screenen und etwaige Probleme (Compliance, ESG-Risiken) früh kennzeichnen kann. Dies trägt zur Krisenfestigkeit und langfristigen Wertschöpfung bei – insbesondere in einer Welt, wo Nachhaltigkeitsperformance zunehmend zum Markenzeichen verlässlicher Unternehmen wird.

Wo und wie AI konkret eingesetzt werden kann

Wo kann AI konkret ansetzen? Nachfolgend einige praxisnahe Anwendungsfelder, in denen AI sich bereits als treibende Kraft für mehr Nachhaltigkeit und Effizienz bewährt:

• Datenanalyse & Prognosen: Nachhaltigkeitsmanagement generiert immense Datenmengen – vom Energieverbrauch über Emissionen bis zu Sozialkennzahlen. AI kann hier den Durchblick schaffen: Mithilfe von Machine-Learning-Algorithmen lassen sich Muster in komplexen ESG-Daten erkennen, Risiken prognostizieren und Massnahmen priorisieren. So nutzen Unternehmen AI bereits, um Klimarisiken und Szenarien durchzurechnen (z.B. für TCFD-Analysen und Stresstests), Nachhaltigkeits-KPIs intern jederzeit aktuell verfügbar zu machen, oder Lieferantendaten global in Echtzeit zu überwachen und auszuwerten. AI verbessert die Entscheidungsgrundlagen für Führungskräfte, indem sie präzise Vorhersagen (z.B. von Energiepreisen, Extremwetter-Ereignissen oder Rohstoffverfügbarkeiten) liefert. Das erhöht die Planbarkeit und ermöglicht es Unternehmen, proaktive Nachhaltigkeitsstrategien zu entwickeln.
• Prozessoptimierung & Ressourceneinsatz: Ein zentraler Hebel der AI im betrieblichen Alltag ist die Automatisierung und Optimierung von Prozessen. AI kann Produktionsanlagen smarter und sparsamer steuern – vom regelbasierten Maschinenlernen zur Minimierung von Materialverlusten bis zur vorausschauenden Instandhaltung (Predictive Maintenance), durch die ungeplanten Stillstände reduziert und die Lebensdauer von Anlagen verlängert wird. In der Produktionsindustrie nutzen Unternehmen AI, um Energieeffizienz in Echtzeit zu maximieren und fehlerhafte Teile sofort auszusortieren.
• Datengovernance & Compliance: Saubere, d.h. korrekte und strukturierte, Daten und verlässliche Prozesse sind die Grundlage nachhaltigen Wirtschaftens und solider Compliance. AI kann die Datenqualität verbessern und Governance stärken. Beispielsweise ermöglichen es AI-gestützte Tools, ESG-Berichte effizient zu erstellen und zu prüfen: Sie können ungeordnete Informationen durch natürliche Sprachverarbeitung aufbereiten, sodass Reports gemäss neuen Standards (z.B. den ESRS der EU-CSRD) leichter erstellt werden – qualitativ hochwertig und zuverlässig. Zudem unterstützen AI-Systeme die Einhaltung von Compliance-Vorschriften: Sie filtern unstrukturierte Datenbestände (z.B. E-Mails, Dokumente) nach Hinweisen auf Verstösse (z.B. Umweltauflagen oder Arbeitsrechtsverletzungen) und alarmieren Verantwortliche. Darüber hinaus erleichtert AI die Auditierbarkeit – etwa indem Algorithmen Entscheidungswege protokollieren und nachvollziehbar machen, was ein Plus an Transparenz und Verantwortung in nachhaltigkeitsrelevanten Prozessen bedeutet. Schliesslich dient AI selbst als Prüfwerkzeug gegen Greenwashing: Algorithmen können öffentlich zugängliche Unternehmensangaben (z.B. Emissionsdaten, Nachhaltigkeitsversprechen) mit echten Messdaten abgleichen und Unstimmigkeiten aufdecken.

Rechtlicher Rahmen in der EU und der Schweiz

Angesichts der dynamischen Entwicklung von AI reagiert auch der Gesetzgeber auf die geschilderten Chancen und Risiken. International ist die Regulierung von AI in verschiedenen Stadien – von Soft-Law über sektorale Ansätze bis hin zu umfassenden Gesetzen. In der EU wurde 2024 mit dem Artificial Intelligence Act (AI Act) erstmals weltweit ein Rechtsrahmen für AI geschaffen, während die Schweiz vorerst auf bestehende Regelwerke (insb. Datenschutzgesetz) und eine sektorielle Herangehensweise setzt. Beide Ansätze betonen Governance, Transparenz, Risikomanagement und Rechenschaftspflicht beim AI-Einsatz – wenngleich in unterschiedlicher Ausprägung.

Europäische Union: AI Act, DSGVO und ESG-Bezüge

In der EU ist seit 1. August 2024 der AI Act (Verordnung (EU) 2024/1689) in Kraft – ein Regulierungsansatz, der Risiken von AI systematisch erfassen und mindern soll. Kernstück ist ein risikobasierter Stufenansatz: Je nach Risikopotenzial für Sicherheit und Grundrechte gelten abgestufte Anforderungen. Hochriskante AI-Anwendungen müssen beispielsweise strenge Auflagen erfüllen, darunter robuste Risikomanagement-Prozesse, Datenqualitäts- und Governance-Pflichten, lückenlose technische Dokumentation der Systeme, Eingriffsrechte für Menschen (Human Oversight) sowie laufende Monitoring- und Konformitätsbewertungen. Weniger riskante AI (z.B. Chatbots) unterliegt vor allem Transparenzpflichten: Nutzer müssen erfahren, dass sie mit einer AI interagieren oder dass Inhalte (Text, Bild, Audio) künstlich erzeugt sind. Nicht zulässige Systeme (etwa Social Scoring oder öffentliche Echtzeit-Gesichtserkennung zu Überwachungszwecken) sind komplett verboten, analog zu entsprechend unzulässigen AI-Nutzung gem. DSGVO und EU-Grundrechtsschutz. Die EU hat sich am 6. Mai auf ein «AI-Omnibus-Paket» zur Vereinfachung der KI-Verordnung geeinigt. Wichtige geplante Änderungen sind Fristverschiebungen für vollständige Compliance sowie ein neues Verbot für AI-generierte Nacktbilder (sog. «Nudification»).

Ein besonderer Fokus des AI Act ist die Energieeffizienz und Ressourcenschonung im AI-Bereich – ein indirekter Beitrag zum nachhaltigen Wirtschaften. So betont die Verordnung bereits in ihren Zielen, neben Innovation auch Umweltschutz sicherzustellen. Anbieter von umfangreichen AI-Modellen (sog. Generative oder General-Purpose AI) werden verpflichtet, Technische Dokumentation einschliesslich einer Aufschlüsselung des Energieverbrauchs ihrer Modelle zu erstellen. Exzessiver Strombedarf kann sogar dazu führen, dass ein System als „System mit systemischem Risiko“ eingestuft wird, was zusätzliche Prüf- und Sorgfaltspflichten auslöst. Ausserdem soll die EU-Kommission Standards für energieeffiziente AI erarbeiten und freiwillige Verhaltenskodizes für nachhaltige, energieeffiziente AI fördern. Zusätzlich wird AI in den Kontext bereits existierender Nachhaltigkeits-Regulierung eingebettet: AI-Anbieter wie -Nutzer müssen sicherstellen, dass geltende Datenschutzgesetze (DSGVO) weiterhin eingehalten werden. Ebenso schlägt die EU Brücken zur ESG-Regulierung: So wird AI als Werkzeug für Nachhaltigkeitsziele anerkannt, etwa indem AI-basierte Lösungen Messbarkeit und Steuerbarkeit von Umwelt- und Sozialfaktoren verbessern oder das Risikomanagement von Unternehmen (CSDDD) stärken können.

Schweiz: Datenschutzgesetz (DSG) und Soft Law

In der Schweiz gibt es bisher kein spezifisches AI-Gesetz. Allerdings hat das revidierte Bundesgesetz über den Datenschutz (DSG), das seit 1. September 2023 gilt, erstmals auch eine Bestimmung zu AI-relevanten automatisierten Entscheidungen enthalten. Art. 21 DSG übernimmt das Konzept aus Art. 22 DSGVO und schreibt vor, dass betroffene Personen über rein automatisierte Einzelentscheidungen informiert werden müssen und die Möglichkeit haben, eine menschliche Überprüfung solcher Entscheidungen zu verlangen. Das DSG ist im Übrigen technologieneutral und daher auf AI-gestützte Datenbearbeitungen voll anwendbar. Der Eidg. Datenschutz- und Öffentlichkeitsbeauftragte (EDÖB) betont, dass Hersteller und Anwender von AI-Systemen bereits heute Transparenz über Zweck, Funktionsweise und Datenquellen ihrer AI wahren müssen. Insbesondere muss deutlich ersichtlich sein, wenn Nutzer mit einer AI interagieren (z.B. Chatbot statt Mensch) und ob eingegebene Daten zur Weiterverwendung (etwa zum Training) genutzt werden. AI-Anwendungen mit hohen Risiken sind nach Schweizer Recht ebenfalls zulässig, bedingen aber zusätzliche Schutzmassnahmen – etwa die Pflicht zur Datenschutz-Folgenabschätzung (DSFA) vor Inbetriebnahme. Bestimmte extreme AI-Nutzungen – wie flächendeckende öffentliche Gesichtserkennung oder Social Scoring – sind mittelbar durch bestehendes Recht untersagt (etwa als Verletzungen von Grundrechten oder Datenschutz).

Parallel zur Nutzung des Datenschutzrechts setzt die Schweiz auf Soft-Law und internationale Kooperation bei AI. Im Februar 2025 entschied der Bundesrat, die „Convention on Artificial Intelligence“ des Europarats zu ratifizieren. Dieses Übereinkommen – an dessen Erarbeitung die Schweiz beteiligt war – definiert ethische und rechtliche Mindeststandards für AI, insbesondere hinsichtlich Transparenz, Nicht-Diskriminierung, Grundrechtsschutz und Aufsicht. Durch die Ratifikation positioniert sich die Schweiz international als Partnerin für vertrauenswürdige AI. Für die Umsetzung sollen bis Ende 2026 notwendige gesetzliche Anpassungen (z.B. in bestehenden Gesetzen) erarbeitet werden. Dabei favorisiert der Bundesrat einen sektoriellen Ansatz statt eines grossen AI-Gesetzes: Wo nötig, sollen branchenspezifische Regeln für AI geschaffen werden (z.B. im Gesundheitswesen, Finanzsektor) und bestehende Vorschriften wie bereits das DSG gezielt ergänzt werden. Dieser pragmatische Ansatz soll Innovation nicht abwürgen und gleichzeitig zentrale Werte wie Datenschutz und Verantwortlichkeit sichern (siehe dazu auch: Stolpersteine bei der Nutzung von KI-Tools im Unternehmen).

Im Vergleich EU/Schweiz ergibt sich so ein kontrastreicher Befund: Die EU geht mit dem AI Act den Weg einer umfassenden und verbindlichen Regulation, die Marktteilnehmern strikte Auflagen auferlegt (inklusive Energie-Transparenz und Umweltbezug), die aber auch Rechtssicherheit und ein einheitliches Spielfeld für Innovation verspricht. Die Schweiz hingegen setzt derzeit auf flexiblere Instrumente, bestehendes Recht (v.a. Datenschutz) und abwartendes Lernen von internationalen Entwicklungen, um die Balance zwischen Innovationsförderung und Risikominimierung zu wahren. Unternehmen mit grenzüberschreitenden Aktivitäten – wie viele Konzerne mit Präsenz in der Schweiz – müssen allerdings wesentliche AI-Pflichten aus der EU auch hierzulande schon im Blick haben (extraterritoriale Wirkung), etwa im Kontext ESG-Reporting (CSRD) oder Lieferketten-AI (CSDDD).

Fazit

AI berührt Recht, Technologie und Praxis gleichermassen und hat das Potential, nachhaltiges Wirtschaften grundlegend zu transformieren. Erfolgreich wird diese Transformation aber nur sein, wenn AI verantwortungsvoll, energieeffizient und zielgerichtet eingesetzt wird. Juristische Regelwerke wie der EU AI Act oder das Schweizer DSG fördern entsprechende Governance, Transparenz und Verantwortlichkeit, indem sie klare Vorgaben für Datenqualität, Risikoanalysen, Kontrollmechanismen und Nutzerrechte schaffen. Unternehmen werden dadurch angehalten, AI-Einsatz mit ihren Nachhaltigkeits- und Compliance-Zielen in Einklang zu bringen. Wenn das gelingt, kann AI in der Praxis zu erheblichen ökologischen Verbesserungen und Effizienzgewinnen führen, Risiken reduzieren und die Resilienz von Organisationen stärken. Entscheidend ist ein strategischer AI-Einsatz, der wirklich Impact generiert, statt blossem „Tech- oder Sustainability-Labeling“. AI ist kein Selbstzweck, sondern ein Werkzeug – und als solches wird sie zur nachhaltigen Wertschöpfung beitragen, wenn man ihren Einsatz sorgfältig plant und ihr Potenzial gezielt für Nachhaltigkeitsziele nutzt. So verstanden kann Artificial Intelligence zum echten Treiber nachhaltigen Wirtschaftens werden – als Innovator, Effizienzbringer und Problemlöser, der Umwelt und Gesellschaft ebenso zugutekommt wie der wirtschaftlichen Leistungsfähigkeit.

Denn am Ende gilt: Nachhaltiges Wirtschaften wird intelligenter – und intelligente Technologien werden nachhaltiger.

Wie kann MME sie unterstützen? Die Experten von MME bringen praktische und spezifische Erfahrung mit, wie die regulatorischen Anforderungen an AI in verschiedensten Gebieten pragmatisch, kosteneffizient und compliant umgesetzt werden können – von Banken, Technologieunternehmen über Versicherungen hin zu Industriebetrieben.

Gerne stehen wir Ihnen zur Verfügung. Klicken Sie hier, um mehr über unsere Expertise zu erfahren: Governance / ESG sowie MME Legal Services im Zusammenhang mit dem Einsatz von Künstlicher Intelligenz