KI-gestützte ESG-Berichterstattung und Nachhaltigkeitsdokumentation

Das echte Ausmaß des Problems

Die Corporate Sustainability Reporting Directive (CSRD) ist die tiefgreifendste Erweiterung der Unternehmensberichtspflichten seit der Einführung der Jahresabschlussprüfung. Große Kapitalgesellschaften mit mehr als 500 Mitarbeitenden sind seit dem Geschäftsjahr 2024 berichtspflichtig; für Unternehmen mit mehr als 250 Mitarbeitenden oder 50 Millionen Euro Umsatz greift die Pflicht ab dem Geschäftsjahr 2025.

Was das in der Praxis bedeutet: Die European Sustainability Reporting Standards (ESRS) enthielten ursprünglich bis zu 1.178 Datenpunkte, aufgeteilt über Umwelt-, Sozial- und Governance-Bereiche. Selbst nach der geplanten Reduktion durch das EU-Omnibus-Paket (2025/2026) bleiben deutlich über 400 verpflichtende Datenpunkte für vollständig berichtspflichtige Unternehmen.

Die Daten für diese Punkte kommen aus unterschiedlichsten Quellen — Energieabrechnungen, HR-Systemen, Lieferkettendokumentation, Fahrtenbüchern, Beschaffungsunterlagen — und liegen in der Regel in inkompatiblen Formaten vor. Laut einer Erhebung unter CSRD-berichtspflichtigen Unternehmen nutzen mehr als drei Viertel für ihre Datenerfassung noch Excel-basierte Tools; 73 Prozent berichten von Schwierigkeiten bei der Erfassung, Qualität und Analyse ihrer Nachhaltigkeitsdaten.

Was das konkret kostet: Laut einer Schätzung von KonBriefing entstehen einem berichtspflichtigen Unternehmen mittlerer Größe im ersten Berichtsjahr einmalige Zusatzkosten von rund 23.000 Euro und laufende Jahreskosten von rund 72.000 Euro — für die Kombination aus internem Aufwand, Wirtschaftsprüfung und Datenpflege. Der Anteil externer Berater und Wirtschaftsprüfer macht dabei oft 40–60 Prozent aus. Der teuerste Faktor bleibt die menschliche Arbeitszeit beim manuellen Zusammensuchen und Validieren der Rohdaten.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zeitersparnis kommt nicht aus Magie, sondern aus strukturierten Prozessen: KI kann Dokumente aus verschiedenen Quellen einlesen, klassifizieren und den richtigen ESRS-Datenpunkten zuordnen — Arbeit, die sonst manuell über viele Stunden läuft. Der Berichtstext ist ein Entwurf, kein fertiges Dokument; die fachliche Prüfung bleibt beim Menschen.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5)
Das ist der stärkste Hebel. Wer bisher 3–6 Wochen für die Datensammlung aus verschiedenen Abteilungen gebraucht hat, kann diesen Prozess mit KI-gestützten Workflows auf unter zwei Wochen komprimieren — für die gleiche Datenmenge, bessere Vollständigkeit, weniger manuelle Rückfragen. Laut einem Anwendercase bei Tanso sinkt die Erstellungszeit für den Corporate Carbon Footprint um rund 66 Prozent. Horizon ESG beziffert die Effizienzgewinne durch automatisiertes ESG-Reporting auf bis zu 70 Prozent Aufwandsreduktion (Herstellerangabe; in der Praxis sind 40–50 Prozent realistischer).

Kosteneinsparung — mittel (3/5)
Die Einsparung ist real, aber nicht dramatisch: Die Einrichtung einer KI-gestützten ESG-Workflow-Lösung kostet 5.000–15.000 Euro einmalig; laufende Tool-Kosten liegen bei 500–1.500 Euro pro Monat. Wer dagegenrechnet, was manuell oder über externe Berater kostet, kommt auf eine klare Amortisationsrechnung — aber nur für Unternehmen, die wirklich berichtspflichtig sind. Für alle anderen bleibt die Frage: Lohnt sich das für ein Dokument im Jahr?

Schnelle Umsetzung — niedrig (2/5)
Ehrlich gesagt einer der schwierigeren Einstiege in dieser Kategorie. Die technische Einrichtung ist handhabbar, aber die Datenanbindung ist das Problem: ERP-Systeme, Energiemanagementsysteme, HR-Software — all das muss an den Workflow angebunden werden, und das dauert. Realistische Dauer bis zum ersten produktiven Berichtszyklus: 8–14 Wochen. Wer ohne vorbereitete Datenstruktur startet, ist am unteren Ende dieser Spanne oder drüber.

ROI-Sicherheit — mittel (3/5)
Der Nutzen ist direkt messbar, aber konditioniert auf Berichtspflicht. Ein Unternehmen, das CSRD-pflichtig ist und ohne Unterstützung 60.000 Euro im Jahr für Reporting ausgibt, kann mit einer gut eingerichteten Lösung auf 30.000–40.000 Euro kommen. Ein Unternehmen, das nur freiwillig berichtet, hat deutlich weniger Druck und damit weniger messbaren ROI. Die Wirtschaftsprüfungspflicht treibt den Nutzen — ohne sie ist die Rechnung schwächer.

Skalierbarkeit — niedrig (2/5)
Nicht weil das System schlecht ist, sondern weil das Problem selbst nicht besonders skalierbar ist: Ein Nachhaltigkeitsbericht pro Jahr. Mehr Mitarbeitende machen den Prozess nicht einfacher, sondern nur komplexer. Jedes neue Reporting-Jahr wird zwar einfacher, weil die Datenstruktur steht — aber das ist ein lineares, kein exponentielles Skalierungsprofil. In dieser Kategorie gibt es Anwendungsfälle mit echtem Skalierungseffekt, dieser hier gehört nicht dazu.

Richtwerte — stark abhängig von Unternehmensgröße, bestehender Datenbasis und Berichtspflicht.

Was das System konkret macht

Der KI-Einsatz in der ESG-Berichterstattung läuft über mehrere Schichten — keine davon ist ein “Zauberwerkzeug”, jede hat einen klar definierten Beitrag.

Schicht 1: Datenaggregation und -strukturierung. Dokumente aus verschiedenen Quellen — Energierechnungen, Fahrtenbücher, Beschaffungslisten, HR-Berichte, Lieferantenauskünfte — werden eingelesen, klassifiziert und in eine strukturierte Datenbasis überführt. Generative KI kann dabei helfen, unstrukturierte Texte (E-Mails, PDF-Berichte) in tabellarische Datenpunkte zu übersetzen. Spezialisierte ESG-Plattformen wie Persefoni oder Tanso haben dafür vorgefertigte Emissionsfaktoren-Datenbanken und Klassifikationslogiken.

Schicht 2: Standard-Mapping. Die gesammelten Rohdaten müssen den richtigen ESRS-Datenpunkten zugeordnet werden. Das ist eine klassische Klassifikationsaufgabe — welche Energiemenge entspricht welcher Scope-1-Kategorie, welcher Lieferantenvertrag ist relevant für welche ESRS-E1-Anforderung? KI beschleunigt dieses Mapping erheblich, besonders wenn viele ähnliche Einträge klassifiziert werden müssen.

Schicht 3: Lückenanalyse. Eines der wertvollsten Features: Das System zeigt an, welche Datenpunkte fehlen oder unvollständig sind — und zwar rechtzeitig vor der Abgabe, nicht erst beim Wirtschaftsprüfer. Das transformiert Reporting von einem hektischen Endspurt in einen kontrollierten Prozess.

Schicht 4: Berichtstextgenerierung. LLM-basierte Tools können aus den strukturierten Kennzahlen narrative Berichtsabschnitte generieren — nach ESRS-Vorgaben, mit Quellenangaben. Wichtig: Das ist ein Entwurf, kein finales Dokument. Die fachliche Prüfung, die strategische Einordnung und die abschließende Freigabe bleiben menschliche Aufgaben.

Was bleibt Handarbeit

KI ersetzt keine Fachkenntnis. Die Wesentlichkeitsanalyse (welche Nachhaltigkeitsthemen sind für dein Unternehmen material?) ist eine strategische Entscheidung, keine Datenverarbeitungsaufgabe. Stakeholder-Dialoge, Governance-Beschlüsse, Zielsetzungen — all das ist menschliches Urteilsvermögen. Und die Prüfung durch den Wirtschaftsprüfer, der alles attestieren muss, kann durch kein KI-System ersetzt werden.

Der EU Omnibus und was er für dich bedeutet

Im März 2025 hat die EU-Kommission das sogenannte Omnibus-Paket vorgestellt: Eine Vereinfachungsreform, die unter anderem die CSRD deutlich entschärft. Die wichtigsten Änderungen:

• Weniger Unternehmen berichtspflichtig: Die Schwellenwerte werden angehoben; viele mittelständische Unternehmen, die ursprünglich ab 2026/2027 pflichtig geworden wären, fallen nun heraus.
• Weniger Datenpunkte: Die verpflichtenden ESRS-Datenpunkte werden um über 60 Prozent reduziert (von ursprünglich ~1.178 auf geschätzt unter 450).
• Prüfungsintensität sinkt: Die externe Prüfung wird vereinfacht.

Was das für dich bedeutet: Wenn du heute noch nicht berichtspflichtig bist, überprüfe die neuen Schwellenwerte, bevor du eine umfangreiche ESG-Software-Investition planst. Wenn du bereits berichtspflichtig bist, ändert der Omnibus deinen Zeitplan kurzfristig kaum — aber er reduziert die Datenpunktanzahl, die dein System unterstützen muss.

Die Unsicherheit ist real: Solange das Omnibus-Paket nicht in deutsches Recht umgesetzt ist, gelten formal noch die alten Anforderungen. Plane konservativ, aber informiere dich über den Stand der Umsetzung, bevor du in ein vollständiges ESRS-Set-1-Setup investierst.

Konkrete Werkzeuge — was wann passt

Der Markt für ESG-Reporting-Software ist jung und fragmentiert. Hier sind die relevantesten Optionen für den deutschen Mittelstand.

Tanso — wenn du ein deutsches Industrieunternehmen bist
TÜV-Rheinland-zertifizierte Methodik, deutschsprachige Oberfläche, EU-Datenhaltung, spezialisiert auf Fertigungs- und Maschinenbauunternehmen. Abdeckung von CSRD, GHG-Protokoll, EU-Taxonomie und EcoVadis in einer Plattform. Preis auf Anfrage — typischerweise im mittleren fünfstelligen Jahresbereich. Erste Wahl für den produzierenden Mittelstand mit CSRD-Pflicht.

Persefoni — wenn du als Einzelnutzer erstmal testen willst
Kostenloser Pro-Plan für Einzelnutzer deckt Scope 1, 2 und alle 15 Scope-3-Kategorien ab, inklusive CSRD/ESRS-Berichtsvorlagen. Kein deutschsprachiger Support, teilweise US-Datenhosting — aber als Einstieg ohne Budget-Risiko wertvoll. Enterprise ab ca. 15.000 EUR/Jahr für Teams.

Carbonfact — wenn du Scope-3-Emissionen aus komplexen Lieferketten priorisierst
KI-gestützte Datenlücken-Füllung, Export für GRI, CSRD und SBTi. Gut für Unternehmen mit Produktion an mehreren Standorten und vielen Zulieferern. Ab ca. 200 EUR/Monat für kleinere Unternehmen, Enterprise ab ca. 2.000 EUR/Monat.

ChatGPT oder Claude — wenn du vorhandene Daten schnell in Berichtstext übersetzen willst
Kein spezialisiertes ESG-Tool, aber effektiv für das Übersetzen strukturierter Kennzahlen in narrative Abschnitte nach GRI- oder ESRS-Vorgaben. Für den Rohentwurf von Berichtskapiteln, Klassifikation von Datenpunkten und Lückenanalyse-Checklisten. Datenschutz: keine sensiblen Unternehmens- oder Lieferkettendaten einfügen, solange kein AVV vorhanden ist.

Microsoft 365 Copilot — wenn deine Daten bereits in Microsoft-Umgebungen liegen
Gut für das Konsolidieren von Excel-Tabellen, Word-Dokumenten und SharePoint-Daten in strukturierte Kennzahlentabellen. Kein dediziertes ESG-Framework, aber hilfreich als Datenaggregationsschicht für Teams, die keine neue Software einführen wollen.

Zusammenfassung: Wann welcher Ansatz

• Produzierender Mittelstand, CSRD-pflichtig, deutschsprachig → Tanso
• Erstmaliger Einstieg ohne Budget-Risiko → Persefoni (kostenloser Pro-Plan)
• Komplexe Scope-3-Lieferketten → Carbonfact
• Berichtstext-Rohentwurf aus vorhandenen Daten → ChatGPT oder Claude
• Bestehende M365-Umgebung ausnutzen → Microsoft 365 Copilot

Was der Wirtschaftsprüfer am Ende sieht — und was nicht

Dieser Punkt wird häufig unterschätzt: CSRD-Berichte müssen von einem Wirtschaftsprüfer oder einer Prüfungsgesellschaft mit „begrenzter Sicherheit” (limited assurance) bestätigt werden. Das ist keine formale Unterschrift — es ist eine echte Prüfung.

Was das für KI-generierte Inhalte bedeutet: Ein KI-Tool kann dir eine Zahl ausgeben — z.B. “Scope-1-Emissionen 1.247 Tonnen CO₂e”. Der Wirtschaftsprüfer will wissen: Woher kommt die 1.247? Aus welchen Rechnungen, aus welchen Messungen, nach welcher Berechnungsmethode? Ist die Methodik dokumentiert und reproduzierbar?

KI-Werkzeuge, die auditfähige Berichte liefern, müssen daher einen vollständigen Audit Trail mitliefern: Welche Quelldaten haben zu welchem Ergebnis geführt, über welche Berechnungsschritte? Spezialisierte Plattformen wie Persefoni und Tanso sind explizit auf diesen Anforderungspunkt ausgelegt. Ein allgemeines LLM ist es nicht — wer Berichtsabschnitte mit ChatGPT oder Claude generiert, muss den Quellnachweis separat sicherstellen.

Generative KI hat dabei ein spezifisches Risiko im Audit-Kontext: Halluzination. Ein Sprachmodell kann plausibel klingende Kennzahlen formulieren, die nicht aus den Quelldaten stammen. Für interne Vorstufen und Entwürfe ist das handhabbar — für den finalen, geprüften Bericht ist es inakzeptabel. Die Faustregel: Alles, was der Wirtschaftsprüfer sieht, muss manuell gegen die Quelldaten verifiziert werden.

Datenschutz und Datenhaltung

ESG-Berichte enthalten eine Mischung aus betrieblichen Daten (Energieverbrauch, Emissionen, Abfallmengen) und personenbezogenen Daten (Mitarbeitendenzahlen nach Geschlecht, Unfallstatistiken, Vergütungsstrukturen). Sobald KI-Tools diese Daten verarbeiten, gilt die DSGVO.

Für spezialisierte ESG-Plattformen: Tanso hostet in der EU und stellt einen Auftragsverarbeitungsvertrag (AVV) bereit — solide Basis für den deutschen Markt. Persefoni ist ISO 27001 und SOC 2 zertifiziert; EU-Datenresidenz ist möglich, muss aber aktiv vereinbart werden. Carbonfact hostet in der EU.

Für allgemeine KI-Tools: ChatGPT und Claude sind für die Nutzung mit Unternehmensdaten auf einen aktiven AVV angewiesen. Für den Einsatz mit nicht-personenbezogenen Betriebsdaten (Energiemengen, Emissionswerte ohne Personenbezug) ist das Risiko gering; sobald Mitarbeitendenzahlen, Vergütungsdaten oder identifizierbare Informationen verarbeitet werden, muss der AVV-Status geprüft sein. Im Zweifel: mit dem Datenschutzbeauftragten klären, bevor sensible HR-Daten in ein Cloud-Tool eingegeben werden.

Microsoft 365 Copilot hat Microsoft EU Data Boundary — für Unternehmen, die M365 bereits nutzen, ist das der unkomplizierteste datenschutzrechtliche Weg für cloudbasierte Verarbeitung.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Datenaggregations-Workflow aufbauen (ERP-Anbindung, Prozessdokumentation, erste Wesentlichkeitsanalyse): typisch 4–8 Wochen interner Aufwand
• Externe Begleitung / Tool-Einrichtung: 5.000–15.000 Euro, abhängig von Tool-Wahl und IT-Landschaft
• Bei einfacherer Ausgangslage (Persefoni Pro + strukturierte Datenbasis): deutlich günstiger

Laufende Kosten (monatlich)

• Tanso: individuelles Angebot, mittlerer fünfstelliger Jahresbetrag für vollständige CSRD-Implementierung
• Persefoni Pro: kostenlos (Einzelnutzer); Advanced: ab ca. 15.000 EUR/Jahr für Teams
• Carbonfact: ab ca. 200 EUR/Monat (Startup-Tarif), Enterprise ab ca. 2.000 EUR/Monat
• ChatGPT oder Claude als Ergänzung: 20–30 EUR/Monat (Business-Tarife)

Was du dagegenrechnen kannst
Externe Berater und Wirtschaftsprüfer für die Ersterstellung eines CSRD-konformen Berichts: 20.000–60.000 Euro. Mit einem gut eingerichteten KI-Workflow sinkt dieser Anteil deutlich, weil der Wirtschaftsprüfer weniger Aufklärungsarbeit leisten muss und der interne Aufwand für die Datenzusammenstellung messbar geringer ist. Ein Tanso-Kundencase berichtet von 20 Prozent Kosteneinsparung gegenüber dem vorherigen manuellen Prozess; das liegt im Rahmen dessen, was in ähnlichen Implementierungen beobachtet wird.

Der Nutzen entsteht vor allem durch: weniger externe Beraterzeit, weniger interne Arbeitsstunden für die Datensammlung, weniger Nacharbeiten durch unvollständige Datenpunkte beim Prüfer.

Drei typische Einstiegsfehler

1. Mit der Tool-Einführung beginnen, bevor die Datenquellen klar sind.
Das häufigste Muster: Eine ESG-Plattform wird angeschafft, und dann fängt man an zu fragen, woher die Daten eigentlich kommen. Das Ergebnis ist ein leeres System, in dem manuell Daten eingetragen werden müssen — genau das, was das Tool ablösen sollte. Lösung: Zuerst die Datenquellenlandschaft kartieren. Welches System liefert Energiedaten? Wer pflegt Fuhrparkdaten? Wie kommen Lieferantenangaben ins Haus? Erst wenn diese Fragen beantwortet sind, ergibt die Tool-Auswahl Sinn.

2. Die Wesentlichkeitsanalyse delegieren — oder überspringen.
Die ESRS verlangen eine „doppelte Wesentlichkeitsanalyse” (double materiality assessment): Welche Nachhaltigkeitsthemen haben Einfluss auf das Unternehmen, und welche Auswirkungen hat das Unternehmen auf Umwelt und Gesellschaft? KI kann bei der Datensammlung helfen, aber die Entscheidung, welche Themen wesentlich sind, ist eine Vorstandsentscheidung — keine KI-Ausgabe. Wer die Wesentlichkeitsanalyse an ein Tool oder an externe Berater delegiert, ohne intern eine Entscheidung zu treffen, bekommt vom Wirtschaftsprüfer Rückfragen, die keine Software beantworten kann.

3. KI-generierte Texte ungeprüft in den finalen Bericht übernehmen.
Berichtstextentwürfe aus generativer KI sind eine enorme Zeitersparnis. Aber: Sprachmodelle haben im ESG-Kontext eine bekannte Schwäche — sie können Kennzahlen paraphrasieren und dabei subtil verfälschen, oder Formulierungen wählen, die nach ESRS-Anforderung nicht korrekt sind. Jeder KI-generierte Abschnitt, der in den finalen Bericht geht, braucht eine menschliche Gegenlese-Schleife durch jemanden, der den relevanten ESRS-Standard kennt. Das ist kein nice-to-have, sondern Pflicht — der Wirtschaftsprüfer hält dich für den Bericht verantwortlich, nicht dein Tool.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist nicht das Problem. Das Problem ist abteilungsübergreifende Kooperation.

ESG-Berichte brauchen Daten aus Controlling, HR, Einkauf, Facility Management, Logistik und manchmal Produktentwicklung. Jede dieser Abteilungen hat eigene Prioritäten, eigene Systeme, eigene Definitionen von “Datenqualität”. Wenn die Nachhaltigkeitsbeauftragte zum ersten Mal anfrägt, kommen Daten in der falschen Granularität, im falschen Zeitraum, ohne Quellnachweis.

Was erfahrungsgemäß passiert:

Abteilungsleiter, die sich “nicht zuständig” fühlen. Energiedaten? “Das ist Haustechnik.” Mitarbeitendenzahlen nach Einstellungskanal? “Das macht HR.” Scope-3-Lieferantendaten? “Da müsst ihr direkt bei den Lieferanten fragen.” Ohne klare Verantwortlichkeitsmatrix — wer liefert was bis wann in welchem Format — wird jeder Berichtszyklus zur Suchexpedition.

Daten, die zwar existieren, aber nicht nutzbar sind. Eine Excel-Tabelle mit Energieverbrauch, in der jede Zeile eine andere Einheit hat, ist keine Datenbasis. Ein HR-System, das Headcounts nicht nach Vertragsart aufschlüsselt, liefert nicht, was ESRS S1 braucht. KI kann schlechte Daten strukturieren — aber nicht gute Daten aus schlechten Quellen herstellen.

Der Widerstand der IT-Abteilung. Jede ESG-Plattform braucht mindestens eine API-Anbindung oder einen regelmäßigen Datenexport aus bestehenden Systemen. IT hat andere Prioritäten. Das sollte man wissen, bevor man ein Einführungsprojekt ankündigt, das vermeintlich “nur die Nachhaltigkeitsabteilung betrifft”.

Was hilft:

• Einen Sponsor auf Geschäftsführungsebene benennen — ESG-Reporting ist kein Projektauftrag für eine Person, sondern ein Querschnittsthema
• Eine Datenverantwortungsmatrix erstellen: Wer liefert was, in welchem Format, bis zu welchem Datum
• Frühzeitig die IT in die Tool-Evaluierung einbinden
• Mit einem Pilotbereich starten — z.B. zuerst nur Scope 1 und 2, erst im zweiten Jahr Scope 3

Realistischer Zeitplan mit Risikohinweisen

Wichtig: Dieser Zeitplan gilt für die Ersteinrichtung. Der zweite Berichtszyklus läuft erheblich schneller — die Datenanbindungen stehen, der Prozess ist dokumentiert, nur die aktuellen Zahlen müssen eingepflegt werden.

Häufige Einwände — und was dahintersteckt

„Wir sind noch nicht berichtspflichtig.”
Das stimmt für viele mittelständische Unternehmen — und durch das EU Omnibus-Paket könnte es länger stimmen als erwartet. Trotzdem lohnt sich ein Blick: Wenn du als Zulieferer für ein berichtspflichtiges Großunternehmen arbeitest, wirst du nach Lieferantendaten gefragt. Wer dabei mit Excel-Schätzungen antwortet, riskiert Lieferantenaudits oder schlechtere Bewertungen in der Lieferkettenbewertung großer Abnehmer wie EcoVadis. Der echte Druck kommt oft nicht von der Regulierung selbst, sondern von den Kunden.

„Das kann doch auch ein Berater machen.”
Kann er. Für 30.000–80.000 Euro im ersten Jahr und jedes Jahr danach wieder. Externe Berater sind gut für die Wesentlichkeitsanalyse und die Prüfungsbegleitung — für die jährliche Datenaggregation und Berichtserststellung sind sie teuer und erzeugen keine interne Kompetenz. Ein Tool bildet Prozesswissen im Unternehmen auf — nach zwei Jahren ist das interne Team unabhängig.

„KI macht Fehler — wir können dem System nicht vertrauen.”
Richtig und wichtig. KI-Werkzeuge können Fehler machen, insbesondere bei der Klassifikation von Datenpunkten und bei der Textgenerierung. Das Gegenmittel ist nicht, kein KI-Tool einzusetzen — es ist, den Review-Prozess zu organisieren. Jede KI-Ausgabe, die in einen regulatorischen Bericht eingeht, wird von einem Menschen geprüft. Das ist kein zusätzlicher Aufwand gegenüber dem manuellen Prozess — es ist der gleiche Aufwand, nur mit deutlich besserem Ausgangsmaterial.

Woran du merkst, dass das zu dir passt

• Du bist bereits CSRD-berichtspflichtig — oder wirst es bis 2027, und willst nicht auf den letzten Drücker starten
• Du hast letztes Jahr mehr als drei Wochen für die Datenaggregation gebraucht — und die Daten lagen danach noch in mehreren Excel-Tabellen
• Du lieferst an Großkunden, die EcoVadis-Ratings oder Scope-3-Lieferantendaten abfragen
• Dein Unternehmen hat eine Nachhaltigkeitsbeauftragte oder einen Nachhaltigkeitsbeauftragten — aber keine eigene IT-Infrastruktur für Datenaggregation
• Der Wirtschaftsprüfer hat beim letzten Bericht nach dem Audit Trail gefragt — und du musstest Daten aus drei verschiedenen Systemen händisch nachweisen

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Unter 250 Mitarbeitenden ohne Großkunden-Druck. Wenn du weder direkt CSRD-pflichtig bist noch von Kunden oder Investoren nach ESG-Daten gefragt wirst, ist eine umfangreiche ESG-Software-Investition schwer zu rechtfertigen. Ein einfaches GRI-Reporting kann für kleine Unternehmen auch ohne spezialisiertes Tool in überschaubarem Aufwand gelingen.

2. Keine belastbare Datenbasis in den operativen Systemen. Ein KI-Workflow setzt voraus, dass Energiedaten, Fuhrparkdaten, Einkaufsdaten und HR-Daten in irgendwelchen digitalen Systemen existieren — auch wenn sie verteilt und unstrukturiert sind. Wenn diese Daten gar nicht digital vorliegen und zunächst händisch erfasst werden müssten, ist der erste Schritt keine ESG-Software, sondern Digitalisierung der Grundprozesse.

3. Keine Ressource für die Wesentlichkeitsanalyse auf Vorstandsebene. Die ESRS-konforme Wesentlichkeitsanalyse braucht eine Entscheidung der Unternehmensführung über strategische Nachhaltigkeitsprioritäten. Wenn diese Kapazität und Bereitschaft nicht vorhanden ist, wird jede technische ESG-Lösung an dieser Grundvoraussetzung scheitern — egal wie gut das Tool ist.

Das kannst du heute noch tun

Öffne Persefoni — der kostenlose Pro-Plan für Einzelnutzer braucht kein Budget und keine IT-Abteilung. Erstelle eine erste Scope-1-Bilanz mit deinen Energiedaten aus dem letzten Jahr: Strom- und Gasverbrauch, Heizöl, Fuhrpark. Das dauert 2–3 Stunden und liefert deinen ersten belastbaren Ausgangspunkt für das Gespräch mit dem Wirtschaftsprüfer.

Wenn du noch nicht weißt, wo deine Scope-1-Daten liegen, hilft dieser Prompt als erster Schritt:

Quellen & Methodik

• CSRD-Berichtspflicht und Schwellenwerte: EU-Richtlinie 2022/2464 (Corporate Sustainability Reporting Directive), Umsetzungsgesetz in Deutschland (CSR-Richtlinie-Umsetzungsgesetz); Schwellenwerte: 250 Mitarbeitende / 50 Mio. EUR Umsatz / 25 Mio. EUR Bilanzsumme (zwei von drei Kriterien).
• ESRS-Datenpunkte: EFRAG (European Financial Reporting Advisory Group), ESRS Set 1 (Delegierte Verordnung EU 2023/2772); ursprünglich 1.178 Datenpunkte. Omnibus-Reform 2025: EU-Kommission, Vereinfachungspaket März 2025 (Omnibus I), Umsetzung als EU-Recht voraussichtlich 2026.
• Kosten CSRD-Berichterstattung ohne Software: KonBriefing Research, „Einführung der CSRD: Kosten und Aufwände” (konbriefing.com, 2024); Schätzwerte für mittlere Unternehmen.
• Zeitersparnis ESG-Software: Tanso-Kundencase, Corporate Carbon Footprint-Erstellungszeit −66 %, Kosteneinsparung −20 % (tanso.de, 2024). HORIZON ESG, „Automated ESG Reporting: How AI Cuts Effort 70 %” (horizonesg.global, März 2026 — Herstellerangabe).
• Workiva-Umfrage: Workiva / Sustainability Magazine, „AI in ESG Reporting” (2024): 88 % der Befragten berichten von ROI-Steigerung durch KI; 96 % von Zeitersparnis (Selbstauskunft von 2.300 Reporting-Experten).
• Datenqualitätsprobleme: Deloitte, „ESG Data Quality Survey” (2024): 40 % der Befragten nennen Datenqualität als Haupthindernis. Envoria, „AI in ESG Reporting: Reality, Potential, and Limitations” (envoria.com, 2024): Reproduzierbarkeit als kritische Anforderung im regulatorischen Kontext.
• KI-Halluzination im ESG-Kontext: Springer Nature, „Generative AI in ESG Reporting: A Systematic Review” (2025): Explizite Warnung vor Halluzinationsrisiken bei unstrukturierter Textgenerierung in regulatorischen Berichten.
• Tool-Preise: Veröffentlichte Tarife der jeweiligen Anbieter (Stand April 2026). Persefoni: kostenloser Pro-Plan, Advanced ab ca. 15.000 EUR/Jahr. Carbonfact: ab ca. 200 EUR/Monat. Tanso: Preis auf Anfrage.

Du willst wissen, welches Tool zu eurem Unternehmensprofil passt und wie der realistische Einführungspfad für euren ersten CSRD-Bericht aussieht? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.