Nachhaltigkeits-Reporting und ESG-Dokumentation automatisieren

Das echte Ausmaß des Problems

Gebäudereinigungsunternehmen sind in einer eigentümlichen Lage: Die meisten von ihnen sind zu klein, um selbst direkt unter die CSRD-Berichtspflicht zu fallen — aber ihre Großkunden nicht. Und wer unter die CSRD fällt, muss seinen gesamten CO₂-Fußabdruck ausweisen, also auch die Emissionen seiner Dienstleister. Das Ergebnis: Der Fragebogen-Druck kommt von oben, ohne dass die gesetzliche Pflicht nach unten durchgereicht wird.

Laut der Europäischen Kommission umfasst die CSRD-Berichtspflicht seit dem Omnibus-Paket 2025 nur noch Unternehmen mit mehr als 450 Millionen Euro Nettoumsatz und mehr als 1.000 Beschäftigten. Ein typischer Gebäudereinigungsbetrieb mit 50 bis 500 Mitarbeitenden fällt damit nicht direkt darunter. Direkt oder nicht: Sobald ein Konzern oder eine Großbehörde in deiner Kundenliste steht, bekommst du den Fragebogen trotzdem — weil dein Kunde ihn für seinen eigenen Bericht braucht.

Hinzu kommt der öffentliche Auftraggeber. Seit Inkrafttreten des Vergaberechts-Modernisierungsgesetzes und der Ökologischen Beschaffungsrichtlinien der Bundesministerien dürfen öffentliche Auftraggeber Nachhaltigkeitsnachweise als Eignungs- oder Zuschlagskriterium einfordern — und tun das erfahrungsgemäß zunehmend im Facility-Management-Bereich. Wer als Reinigungsunternehmen keine CO₂-Bilanz und kein dokumentiertes Nachhaltigkeitsmanagement vorlegen kann, verliert diese Aufträge — nicht am Ende des Bewertungsprozesses, sondern bereits in der Eignungsprüfung.

Das eigentliche Problem liegt in der Datenarchitektur: Gebäudereiniger erfassen ihre betrieblichen Daten historisch in Funktionssilos. Der Fuhrpark hat Tankbelege. Der Einkauf hat Lieferscheine für Reinigungsmittel. Die Personalabteilung hat Schulungsprotokolle. Die Buchhaltung hat Energierechnungen. Niemand hat einen konsolidierten Blick — und niemand denkt beim Einkauf von Reinigungschemikalien daran, dass diese Daten drei Jahre später in einem ESG-Fragebogen stehen müssen.

Der Bundesinnungsverband Gebäudedienstleister (BIV) hat in einem gemeinsamen Pilotprojekt mit 13 Reinigungsunternehmen (dokumentiert in rationell reinigen, 2024) festgestellt: Der typische Erstaufwand für einen vollständigen ESG-Bericht liegt bei vier bis acht Wochen Vollzeit-Recherche — wenn alle Daten existieren. Oft fehlen Daten für zurückliegende Jahre ganz, was zu Lückenfüllungen mit Schätzwerten führt.

Dieser Abschnitt ist eine fachliche Orientierung, keine Rechtsberatung. Für verbindliche Einschätzungen wende dich an einen Rechtsanwalt oder Steuerberater.

Der CSRD-Haken: Wen trifft es wirklich?

Viele Reinigungsunternehmen hören „CSRD” und denken: Das betrifft uns noch nicht. Teilweise stimmt das — direkt. Aber drei Wege führen dich trotzdem in den ESG-Reporting-Druck, auch ohne eigene Berichtspflicht:

Weg 1: Der Kundenauftrag. Dein Konzern-Auftraggeber hat CSRD-Pflicht. Er braucht Scope-3-Daten von seinen Lieferanten — also von dir. Du bekommst den Fragebogen nicht als Pflicht, sondern als Voraussetzung für den Auftragserhalt. Aus wirtschaftlicher Sicht ist das identisch.

Weg 2: Die öffentliche Ausschreibung. Öffentliche Auftraggeber dürfen Nachhaltigkeitsnachweise als Zuschlagskriterium fordern. Konkret bedeutet das: Ohne EcoVadis-Score oder ISO-14001-Zertifizierung landest du in der Schublade der ungeprüften Anbieter.

Weg 3: Die Bank. Seit der EU-Taxonomieverordnung fragen viele Kreditinstitute im Rahmen von Unternehmensfinanzierungen nach ESG-Daten. Wer keine belastbaren Zahlen hat, zahlt ggf. einen höheren Zinssatz oder bekommt bestimmte Finanzierungsprodukte gar nicht.

Dieser Abschnitt ist eine fachliche Orientierung, keine Rechtsberatung. Für verbindliche Einschätzungen wende dich an einen Rechtsanwalt oder Steuerberater.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Aufwandswerte aus Spalte 2 stammen aus dem BIV-Pilotprojekt (rationell reinigen, 2024) und Erfahrungsberichten von Unternehmen, die EcoVadis-Fragebögen zum ersten Mal ausfüllen — laut EcoVadis betragen die Erstaufwände für Lieferanten typisch 50 bis 150 Arbeitsstunden. Spalte 3 basiert auf Herstellerangaben von Leadity und eigenen Einschätzungen.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5)
Der größte Hebel liegt nicht im ersten Jahr — da ist die Einrichtung ohnehin aufwendig —, sondern in den Folgejahren. Wenn die Datenbasis einmal steht, reduziert sich der Aufwand pro Fragebogen von mehreren Tagen auf wenige Stunden. Wer drei bis fünf ESG-Anfragen pro Jahr erhält, spart damit schnell fünf bis zehn Arbeitstage. Das ist deutlich über dem Branchendurchschnitt in dieser Kategorie — daher 4 von 5.

Kosteneinsparung — niedrig (2/5)
Direkter Kostenhebel: keiner. Die Software kostet, die Einrichtung kostet, und du produzierst keinen direkten Euro-Mehrwert — du vermeidest primär Auftragsverluste und sicherst den Status quo. Der indirekte Nutzen ist real (Ausschreibungen gewinnen, Großkunden halten), aber er ist schwer isoliert zu messen. Viele andere Anwendungen im Reinigungsbereich haben hier einen klareren Return — daher 2 von 5.

Schnelle Umsetzung — niedrig (2/5)
Sechs bis zehn Wochen bis zum ersten vollständigen Bericht ist realistisch — und das gilt nur, wenn die Datenbasis bereits existiert. Wer Chemikalienverbrauch und Maschinenzeiten noch nicht digital erfasst, muss das vorher aufbauen. Das ist keine schnelle Lösung. In einer Branche, in der viele Anwendungen innerhalb von Wochen erste Ergebnisse liefern, ist das der schwächste Punkt dieses Anwendungsfalls.

ROI-Sicherheit — mittel (3/5)
Der Nutzen ist real, aber indirekt: Du musst Aufträge, die du ohne ESG-Dokumentation verloren hättest, dem System zurechnen. Das ist schwer zu messen. Was sicher ist: Ohne ausreichende Nachhaltigkeitsdaten wirst du bestimmte Kundensegmente langfristig nicht mehr bedienen können. Die Pflichtargumentation ist überzeugend, der messbare ROI im klassischen Sinne schwieriger zu isolieren.

Skalierbarkeit — hoch (4/5)
Das ist der strukturelle Vorteil: Einmal aufgebaut, berichtet das System für zehn Kunden genauso wie für zwei. Wenn du im dritten Jahr zwanzig Großkunden hast, wächst der Aufwand nicht proportional mit — sondern bleibt bei zwei bis drei Tagen pro Reporting-Zyklus. Das ist echter Hebel für Wachstum.

Richtwerte — stark abhängig von Unternehmensgröße, vorhandener Dateninfrastruktur und Anzahl der Auftraggeber mit ESG-Anforderungen.

Was das System konkret macht

Das Grundprinzip ist Dokumentenaggregation mit KI: Statt dass du jedes Jahr dieselben Listen zusammensuchst, indexiert ein System deine vorhandenen Belege und extrahiert automatisch die relevanten Kennzahlen.

In der Praxis sieht der Ablauf für einen Gebäudereiniger so aus:

Schritt 1 — Datenlage erfassen. Du definierst, welche Datenquellen du hast: Lieferscheine für Reinigungsmittel (Papier oder PDF), Fuhrpark-Tankbelege, Energierechnungen für Wasserverbrauch, Schulungsnachweise, Unfallmeldungen, Maschinenservice-Protokolle. Viele dieser Quellen liegen bereits digital vor — oft nur nicht strukturiert.

Schritt 2 — Extraktion und Strukturierung. Eine generative KI (z. B. ChatGPT mit einem vorbereiteten System-Prompt, oder ein spezialisiertes Tool wie Leadity) liest die Belege durch und extrahiert die relevanten Werte: Liter Reinigungsmittel nach Produktkategorie, Kilowattstunden je Reinigungsobjekt, gefahrene Kilometer je Fahrzeug. Die KI übersetzt diese Rohdaten in ESG-Kennzahlen (z. B. CO₂-Äquivalente nach GHG-Protokoll-Faktoren).

Schritt 3 — Fragebögen befüllen. Die strukturierten Kennzahlen werden entweder manuell in Fragebögen eingefügt (ein Nachmittag statt drei Wochen) oder — bei standardisierten Formaten wie EcoVadis — direkt über Datei-Uploads übertragen.

Schritt 4 — Historisierung und Vergleich. Ein echtes System speichert die Daten jahresweise. Im zweiten Jahr kannst du deine Entwicklung zeigen — eine verbesserte Schulungsquote, einen gesunkenen Chemikalienverbrauch — was EcoVadis-Scores typischerweise um mehrere Punkte verbessert.

Was die KI nicht automatisch macht: Emissionsfaktoren für deine spezifischen Reinigungsmittel nachschlagen, wenn der Hersteller keine Daten liefert. Rechtlich verbindliche Angaben zu Scope-3-Emissionen aus deiner Lieferkette berechnen, wenn keine Lieferantendaten vorliegen. Und den Unterschied zwischen einer konservativen und einer optimistischen Auslegung von Reporting-Methodiken — das ist Aufgabe einer menschlichen Einschätzung oder eines ESG-Beraters.

Konkrete Werkzeuge — was wann passt

Leadity — die branchenspezifische Lösung
Das einzige Tool, das gemeinsam mit dem Bundesinnungsverband Gebäudedienstleister (BIV) und 13 Pilotunternehmen für genau diesen Anwendungsfall entwickelt wurde. Vorausgefüllte ESG-Kriterien für Reinigung, Glasreinigung und Winterdienst, ESRS- und VSME-konforme Outputs, geplante GHG-Protokoll-Integration. BIV-Mitglieder erhalten Sonderkonditionen. Keine öffentliche Preisliste — Demo anfragen. Ideal für: Gebäudereiniger mit 20–500 Beschäftigten, die mehr als einen ESG-Fragebogen pro Jahr erhalten.

ChatGPT oder Claude + strukturierter Prompt — der pragmatische Einstieg
Für Betriebe, die noch keine Jahresabonnement-Entscheidung treffen wollen: Ein gut konfigurierter LLM-Prompt kann bestehende PDFs und Texte analysieren, Verbrauchsdaten extrahieren und in ein strukturiertes Format überführen. Der Aufwand für die Prompt-Entwicklung liegt bei einem Tag; danach ist jeder Bericht in wenigen Stunden machbar. Einschränkung: Kein dauerhaftes Speichern, kein Trendvergleich, keine automatischen ESG-Framework-Outputs. Ideal für: Erstversuch ohne Investition, oder für kleine Betriebe mit wenigen Fragebögen.

NotebookLM — Belegedurchsuchung ohne Setup
Wenn deine Belege als PDFs vorliegen: Hochladen in NotebookLM, Fragen stellen. Perfekt für die Exploration: Welche Daten hast du überhaupt? Aus welchen Jahren? Welche fehlen? NotebookLM hilft dir, die Lücken in deiner Datenbasis zu kartieren — bevor du ein System einführst. Ideal für: Orientierungsphase, kostenloser Einstieg, keine Vorerfahrung nötig.

Microsoft 365 Copilot — wenn die Daten in SharePoint oder Teams liegen
Wer seine Belege bereits in SharePoint-Ordnern ablegt, kann M365 Copilot direkt für die Aggregation nutzen: Alle Chemikalieneinkäufe aus einem Ordner zusammenfassen, Schulungsnachweise aus Teams-Dateien extrahieren. Kein Zusatz-Tool nötig, wenn die M365-Lizenz ohnehin besteht. Ideal für: Betriebe, die bereits M365 nutzen und keine neue Software einführen wollen.

Make oder Power Automate — Automatisierung der Datenpipeline
Wenn Lieferscheine und Belege regelmäßig digital ankommen (z. B. als E-Mail-Anhang oder aus einem Einkaufssystem), können Make oder Power Automate den Extraktions- und Ablage-Prozess vollständig automatisieren. Nicht für den Einstieg, aber die sinnvolle nächste Stufe: Kein manuelles Hochladen mehr, vollautomatische Kennzahlen-Aktualisierung. Ideal für: Betriebe mit digitaler Einkaufsabwicklung, die die ESG-Datenpflege auf null reduzieren wollen.

EcoVadis — nicht ein Reporting-Tool, aber der häufigste Anlass
EcoVadis ist kein Erstellungs-Tool, sondern das externe Rating-System, das deine Großkunden von dir verlangen. Du füllst den EcoVadis-Fragebogen (60–80 Fragen, 50–150 Stunden Erstaufwand laut EcoVadis-Angaben) aus, EcoVadis validiert und vergibt einen Score. Dieser Score ist dann der Nachweis für deinen Kunden. Alle oben genannten Tools helfen dir dabei, die Daten vorzuhalten, die du für EcoVadis brauchst. EcoVadis selbst ist die Plattform des Auftraggebers, nicht deine. Kosten für Lieferanten: ab 429 Euro/Jahr für Unternehmen bis 25 Beschäftigte.

Zusammenfassung: Wann welcher Ansatz

• Branchenspezifisches Full-Service-Tool mit BIV-Rückhalt → Leadity
• Pragmatischer Soforteinstieg ohne Investition → ChatGPT/Claude mit Prompt
• Orientierung: Was habe ich überhaupt an Daten? → NotebookLM
• Microsoft-Infrastruktur bereits vorhanden → M365 Copilot
• Digitale Einkaufsabwicklung, volle Automatisierung → Make oder Power Automate

Datenschutz und Datenhaltung

ESG-Daten für Gebäudereinigungsunternehmen enthalten in der Regel keine personenbezogenen Daten im Sinne der DSGVO — es geht um Liefermengen, Kilowattstunden, Fahrzeugkennzahlen und Schulungsquoten, nicht um individuelle Mitarbeiterdaten. Das macht die Datenschutzsituation einfacher als bei vielen anderen KI-Anwendungen.

Sobald jedoch Schulungsquoten mit namentlichen Teilnehmerlisten verknüpft werden oder Unfallmeldungen konkrete Personen betreffen, gilt DSGVO-Logik. Dann braucht jeder externe Anbieter, der diese Daten verarbeitet, einen Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO.

Für die empfohlenen Werkzeuge gilt:

• Leadity: Deutsches Unternehmen, EU-Datenhaltung. AVV erhältlich. Für DSGVO-sensible Kontexte die sicherste Wahl.
• ChatGPT (OpenAI): US-Anbieter, AVV erhältlich. Bei reinen Betriebskennzahlen (keine Personendaten) DSGVO-unkritisch. Bei personenbezogenen Daten: Enterprise-Version oder europäische Alternative wählen.
• Claude (Anthropic): Verarbeitung standardmäßig auf US-Servern. EU-konforme Verarbeitung nur über AWS Bedrock (Frankfurt) oder Google Vertex AI. Für sensible Berichte entsprechend konfigurieren.
• NotebookLM (Google): US-Datenhaltung. Für betriebliche Kennzahlen ohne Personenbezug akzeptabel; bei Schulungslisten mit Namen vorher prüfen.
• Microsoft 365 Copilot: EU Data Boundary-Programm verfügbar — Daten bleiben bei entsprechender Konfiguration in europäischen Rechenzentren.

Empfehlung: Trenne von Anfang an betriebliche Kennzahlen (unproblematisch) von personalisierten Daten (brauchen DSGVO-Absicherung). Die meisten ESG-Kennzahlen für Gebäudereinigung sind aggregiert und nicht personenbezogen — das vereinfacht die Einführung erheblich.

Dieser Abschnitt ist eine fachliche Orientierung, keine Rechtsberatung. Für verbindliche Einschätzungen wende dich an einen Rechtsanwalt oder Datenschutzbeauftragten.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Datenlage kartieren, Quellen identifizieren, fehlende Daten auffüllen: intern 4–8 Wochen Arbeit, verteilt auf mehrere Personen
• Externe Beratung (optional): 1.500–4.000 Euro für ESG-Einstiegsberatung und Methodik-Setup
• Tool-Einrichtung: Je nach Ansatz 0 Euro (ChatGPT-Prompt selbst entwickeln) bis mehrere Tausend Euro (spezialisierte Plattform mit Onboarding)

Laufende Kosten (monatlich / jährlich)

• Leadity: Preis auf Anfrage (BIV-Mitglieder: reduzierte Einstiegskonditionen)
• ChatGPT Plus oder Claude Pro: ca. 20 Euro/Monat je Nutzer
• Microsoft 365 Copilot: ca. 30 Euro/Person/Monat (zusätzlich zur M365-Lizenz)
• EcoVadis-Lieferantenzertifizierung: ab 429 Euro/Jahr (bis 25 MA)
• NotebookLM: kostenlos

Was du dagegenrechnen kannst
Drei ESG-Fragebögen pro Jahr à drei Tagen Aufwand der kaufmännischen Leitung: neun Tage. Bei einem internen Tagessatz von 300–400 Euro (Brutto inkl. Sozialabgaben für einen kaufmännischen Mitarbeitenden) macht das 2.700 bis 3.600 Euro — pro Jahr, rein aus dem Suchaufwand. Hinzu kommen nicht gewonnene Ausschreibungen: Wenn du in einem Jahr eine Ausschreibung mit 80.000 Euro Volumen verlierst, weil du keine Nachhaltigkeitsdokumentation vorlegen kannst, ist das ein deutlich wuchtigerer Kalkulationsposten als jede Softwarelizenz.

Konservatives Szenario für ein Unternehmen mit 80 Beschäftigten, drei ESG-Fragebögen pro Jahr und einer gewonnenen Ausschreibung durch dokumentierten ESG-Score: Die Einsparung durch Zeitreduktion (6 Tage/Jahr) plus eine gewonnene Ausschreibung (Annahme: 10 Prozent höhere Gewinnwahrscheinlichkeit bei 500.000 Euro Jahresvolumen) übersteigt die Tool-Kosten in der Regel im zweiten Jahr.

Typische Einstiegsfehler

1. Mit dem Bericht starten, statt mit der Datenbasis.
Der häufigste Fehler: Man öffnet den ESG-Fragebogen, schaut, was gefragt wird, und sucht dann rückwirkend die passenden Daten. In der Praxis fehlen dann Belege für das Vorjahr, Werte für einzelne Objekte oder Produktkategorien. Besser: Sechs Monate vor dem ersten geplanten Bericht die Datenquellen inventarisieren. Welche Daten existieren digital? Welche nur auf Papier? Welche fehlen ganz? Diese Inventur dauert zwei bis drei Tage — und sie verhindert, dass du beim ersten Fragebogen mit Schätzwerten arbeiten musst.

2. Emissionsfaktoren aus dem Internet nehmen, ohne Methodik zu dokumentieren.
CO₂-Äquivalente für Diesel, Reinigungsmittel oder Strom gibt es in verschiedenen Quellen mit verschiedenen Werten. Wenn du den falschen Faktor nimmst — oder einfach irgendwas nimmst, ohne zu notieren woher —, bekommst du beim EcoVadis-Audit Punkte abgezogen, oder schlimmer: du musst bei einer Überprüfung erklären, warum dein Strom-Emissionsfaktor von dem des Bundesumweltamts abweicht. Nutze immer die offiziellen deutschen Emissionsfaktoren (z. B. UBA-Emissionsfaktoren für Strom) und dokumentiere, welche Version du wann verwendet hast.

3. KI-generierte Zahlen ungeprüft in offizielle Berichte übernehmen.
Eine KI liest deinen Lieferschein und sagt: „100 Liter Industriereiniger Typ X, Emissionsfaktor Y, ergibt Z kg CO₂e.” Das klingt präzise. Ist es aber nur so präzise wie die Eingangsdaten und der Faktor — und KI-Systeme halluzinieren gelegentlich Werte oder Faktoren, die nicht existieren. Vor allem bei branchenspezifischen Chemikalien, die keine standardisierten Ökobilanz-Faktoren haben, gibt die KI manchmal plausible, aber falsche Zahlen aus. Regel: Jede KI-generierte Kennzahl, die in einen offiziellen Bericht geht, wird von einer menschlichen Person stichprobenartig geprüft. Das dauert einen halben Tag — und ist das Mindeste, was du tun kannst, um Greenwashing-Vorwürfe zu vermeiden.

4. Das System läuft ein Jahr, dann kümmert sich niemand mehr darum.
Das ist der gefährlichste Fehler — weil er still passiert. Im zweiten Jahr hat sich die Einkaufsstruktur geändert, ihr habt einen neuen Lieferanten für Reinigungschemikalien, aber das System berichtet noch mit den alten Emissionsfaktoren. Im dritten Jahr taucht ein Qualitätsprüfer beim Großkunden auf und fragt nach den Methodik-Dokumenten aus dem Vorjahr. Die Lösung ist keine technische, sondern eine organisatorische: Eine namentlich benannte Person ist verantwortlich für die jährliche Datenpflege und die Methodikprüfung. Diese Person braucht dafür Zeit — nicht mehr als zwei bis drei Tage pro Jahr, aber echte Kapazität, keine Nebenaufgabe.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist nicht das Problem. Das Problem ist die organisatorische Datenpolitik.

In den meisten Reinigungsunternehmen gibt es keine natürliche Schnittstelle zwischen dem Einkauf (der die Chemikalien bestellt), dem Fuhrpark (der die Kilometer fährt) und der kaufmännischen Leitung (die die Fragebögen beantwortet). Jeder hat seine Daten, niemand denkt daran, sie für ESG-Zwecke aufzubereiten. Das ändert sich nicht automatisch durch ein Tool — es braucht eine Entscheidung: Wer gibt welche Daten in welchem Format bis wann weiter?

Typische Widerstands-Muster:

Der Fuhrparkleiter, der keine Extra-Arbeit will. Er hat seine Tankbelege. Die sind für die Abrechnung. Dass ein anderes Unternehmen daraus CO₂-Kennzahlen ableiten will, ist nicht sein Problem. Was hilft: Zeigen, was automatisch passiert, wenn die Belege digital ankommen — kein Extra-Aufwand für ihn. Einmalig ein Template für den Monats-Export, dann läuft es.

Die Einkäuferin, die nicht weiß, warum das alles wichtig ist. Sie bestellt seit Jahren und hat ein eingespieltes System. ESG klingt wie Bürokratie. Was hilft: Ein konkretes Beispiel, welche Ausschreibungen ihr letztes Jahr verloren habt oder in Zukunft verlieren würdet. Zahlen sind überzeugender als Compliance-Argumente.

Die Unternehmensführung, die glaubt, das sei nur für Konzerne relevant. Was hilft: Den letzten Fragebogen zeigen, den ihr bekommen habt. Wenn der kommt, ist die Relevanz-Diskussion erledigt.

Realistischer Zeitplan mit Risikohinweisen

Realitäts-Check: Wenn eure Belege hauptsächlich auf Papier vorliegen, verdoppelt sich der Zeitplan. Die Digitalisierung von Lieferscheinen und Tankbelegen ist die häufig unterschätzte Vorphase — ohne sie hat die KI nichts, womit sie arbeiten kann.

Häufige Einwände — und was dahintersteckt

„Wir fallen unter keine CSRD-Pflicht — warum sollten wir das überhaupt angehen?”
Direkte Pflicht: nein. Indirekter Druck: wächst. Jedes Unternehmen in deiner Kundenliste mit mehr als 450 Millionen Euro Umsatz und mehr als 1.000 Mitarbeitern hat CSRD-Pflicht — und braucht deine Daten für seinen Scope-3-Bericht. Das wirst du spätestens dann merken, wenn der erste Fragebogen kommt. Und bei öffentlichen Ausschreibungen ist die Frage schon heute relevant.

„Das ist doch nur Papierkram, den niemand wirklich prüft.”
EcoVadis prüft tatsächlich: Fragebögen werden von Analyst:innen validiert, und Abweichungen zwischen Selbstauskunft und Belegen führen zu Score-Abzügen. Öffentliche Auftraggeber prüfen Eignungsnachweise. Und eine Bank, die im Kreditgespräch nach ESG-Daten fragt, prüft zumindest die Plausibilität. Das ist kein reiner Formalbetrieb.

„Wir haben das nicht — also können wir es auch nicht liefern.”
Das ist der ehrlichste Einwand. Die Antwort: Dann fang heute an, die Daten zu erfassen. Nicht rückwirkend — das geht nicht. Aber prospektiv: Chemikalienlieferscheine digital ablegen, Tankbelege kategorisieren, Schulungsnachweise zentral speichern. In zwölf Monaten hast du ein Jahr Datenbasis. Das reicht für einen ersten Bericht — unvollständig, aber belastbar.

„Können wir das mit einer normalen Tabelle in Excel lösen?”
Kurzfristig: ja. Langfristig: kaum. Eine Excel-Tabelle kann Daten aufnehmen, aber sie kann keine PDFs auslesen, keine Emissionsfaktoren automatisch zuordnen und keinen EcoVadis-konformen Report exportieren. Der Excel-Ansatz funktioniert für einen Fragebogen — beim dritten wird er zur Qual. Besser: Mit Excel die Datenstruktur verstehen, dann in ein geeignetes Tool migrieren.

Dieser Abschnitt ist eine fachliche Orientierung, keine Rechtsberatung. Für verbindliche Einschätzungen wende dich an einen Rechtsanwalt oder Steuerberater.

Woran du merkst, dass das zu dir passt

Du hast in den letzten zwölf Monaten mindestens einen ESG-Fragebogen eines Großkunden erhalten — und mehr als einen halben Tag daran gesessen.

Mindestens einer deiner Auftraggeber ist ein börsennotierter Konzern, eine Bundesbehörde oder eine Großbank — also ein Unternehmen, das selbst CSRD-pflichtig ist oder ESG-Scores von Lieferanten einfordert.

Ihr habt öffentliche Ausschreibungen im Blick oder nehmt aktiv daran teil, und Nachhaltigkeitskriterien tauchen in Leistungsverzeichnissen auf.

Ihr habt mindestens 20 Beschäftigte und digitale Belegprozesse für mindestens einen Teil eurer Einkäufe (Chemikalien, Energie, Fuhrpark).

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

1. Unter ca. 15–20 Beschäftigten und kein einziger Großkunde mit ESG-Anforderungen. Der Einrichtungsaufwand ist bei diesem Volumen nicht gerechtfertigt. Wenn dir bisher kein einziger Kunde einen Fragebogen geschickt hat, warte, bis das passiert — dann ist der Handlungsbedarf klar.

2. Chemikalienverbrauch, Wasserverbrauch und Maschinenzeiten werden noch nicht systematisch erfasst. Das ist die häufigste Situation: Man weiß grob, was man verbraucht, hat aber keine jahresweisen, objektspezifischen Daten. Hier ist der erste Schritt nicht ein ESG-Tool, sondern digitale Grunddokumentation — vergleichbar mit dem, was du unter Chemikalienverbrauch optimieren bereits tun kannst.

3. Ausschließlich Papierbelege ohne realistische Digitalisierungsperspektive. Wenn alle Lieferscheine, Tankbelege und Schulungsnachweise in Papierordnern lagern und keine Person verfügbar ist, diese rückwirkend einzuscannen, kann kein KI-System sinnvoll aggregieren. Digitale Basisdokumentation kommt vor ESG-Automatisierung — nicht umgekehrt.

Das kannst du heute noch tun

Sammle die letzten drei ESG-Fragebögen, die du erhalten hast — oder den letzten, wenn es nur einen gab. Öffne NotebookLM (kostenlos, kein Setup nötig) und lade die Fragebögen als PDFs hoch. Stelle dann diese Frage: „Welche Daten aus meinem Betrieb bräuchte ich, um alle Fragen in diesen Fragebögen zu beantworten?”

Du bekommst eine strukturierte Liste: Was du wahrscheinlich hast, was möglicherweise fehlt, und was du definitiv nicht erfasst. Das dauert 20 Minuten und zeigt dir, wie weit du wirklich von einem vollständigen ESG-Bericht entfernt bist — bevor du ein Euro ausgibst.

Für den nächsten konkreten Schritt — die KI-gestützte Extraktion aus vorhandenen Belegen — hier ein Prompt, den du direkt nutzen kannst:

Quellen & Methodik

• BIV-Pilotprojekt mit 13 Gebäudereinigungsunternehmen: rationell reinigen, „ESG-Berichterstattung vereinheitlichen: Ein digitales Tool für die Branche” (2024). Dokumentiert Entwicklung von Leadity gemeinsam mit Bundesinnungsverband Gebäudedienstleister; nennt ca. 80 % Zeitersparnis bei Fragebögen.
• EcoVadis-Erstaufwand 50–150 Arbeitsstunden: EcoVadis Help Center und Nutzerbewertungen (OMR Reviews, 2025); bestätigt durch Eintrag in der ki-syndikat-Tooldatenbank (verifiziert April 2026).
• EcoVadis-Lieferantenpreis ab 429 Euro/Jahr (bis 25 MA): ecovadis.com Preisseite, Stand April 2026.
• S&P Global ESG-Datenqualität: S&P Global, „Checking and cleaning environmental data to correct disclosure errors” (2023/2024): Belegt wie fragmentierte Eingangsdaten trotz KI-Aufbereitung zu irreführenden ESG-Dashboards führen.
• CSRD-Schwellenwerte EU-Omnibus-Paket: Europäische Kommission, Omnibus-Vereinfachungspaket (Februar 2025): Anhebung der Schwelle auf 450 Mio. EUR Nettoumsatz UND 1.000 Beschäftigte für CSRD-Pflicht der zweiten Welle.
• UBA-Emissionsfaktoren: Umweltbundesamt, „Emissionsfaktoren für den Wärmesektor und die Stromerzeugung” (aktuelle Ausgabe). Empfohlene Quelle für Scope-2-Berechnung in Deutschland.
• Eigene Einschätzungen zu Implementierungsaufwand und Zeitplan: basierend auf Erfahrungsberichten aus vergleichbaren Branchenbetrieben (Dienstleistungssektor, 20–200 Beschäftigte).

Du willst wissen, welche deiner Datenquellen sich für den ESG-Einstieg eignen und wie weit du wirklich von einem ersten vollständigen Bericht entfernt bist? Meld dich — das klären wir in einem kurzen Gespräch.