Links überspringen

Greenwashing in der US-Metallindustrie?

Sebastian Schmidt

Durch die Kombination von Satellitendaten und WebAI-Informationen entwickelte ISTARI.AI eine Methode zur Erkennung von Greenwashing in der US-Metallindustrie.

23. Februar 2022

9,500
Unternehmen in der US-Metallindustrie
760 (8.1 %)
als nachhaltig eingestufte Unternehmen

Durch die zunehmenden Folgen des Klimawandels und politische Bewegungen wie "Fridays For Future" hat das Thema Nachhaltigkeit in den letzten Jahren stark an Bedeutung gewonnen. Ein besonders großes Thema im kollektiven Diskurs ist der Ausstoß von Schadstoffen und die damit verbundene Luftverschmutzung. Einer der schädlichsten Stoffe ist Schwefeldioxid (SO2). Das Gas wird unter anderem bei Prozessen in der Metallindustrie freigesetzt und ist ein Auslöser für Feinstaubbildung und sauren Regen.

Der gesellschaftliche Druck und das Bedürfnis nach einem "grünen Image" veranlassen viele Unternehmen, sich als besonders "nachhaltig" zu präsentieren. Unter "Greenwashing" versteht man in diesem Zusammenhang die Diskrepanz zwischen der positiven Selbstdarstellung eines Unternehmens und seinen tatsächlichen Umweltauswirkungen. Unternehmen, die Greenwashing betreiben, legen also viel Wert auf ein grünes Image, ohne tatsächlich wirksame Maßnahmen umzusetzen, was mit hohen Kosten verbunden sein kann. Eine Schwierigkeit besteht jedoch darin, solches Greenwashing zu erkennen. Zu diesem Zweck hat ISTARI.AI in Zusammenarbeit mit Forschern der Universität Salzburg, der Universität Heidelberg, der Universität Gießen, dem Zentrum für Europäische Wirtschaftsforschung und der Harvard University einen innovativen Ansatz entwickelt. Die Selbstdarstellung der Unternehmen auf ihren Webseiten wird dabei mit global verfügbaren Schadstoffdaten des Vorläufersatelliten Sentinel 5 verknüpft.

Mit Hilfe von ISTARI webAI untersuchten wir die Websites von rund 9.500 Unternehmen der US-Metallindustrie und teilten die Selbstdarstellung der Unternehmen in zwei Kategorien ein: "nachhaltige" Unternehmen und "nicht-nachhaltige" Unternehmen. So wurden insgesamt 760 Unternehmen als "nachhaltig" (8,1 %) und 51,3 % als "nicht-nachhaltig" eingestuft. Weitere 40,6 % der Unternehmen in der US-Metallindustrie haben keine Website und wurden dementsprechend auch nicht von webAI bewertet. Die nachstehende Karte zeigt ein Beispiel für die Verteilung der "nachhaltigen" und "nicht nachhaltigen" Metallindustrie im Nordosten der USA. Es wird deutlich, dass es einige "Hotspots" mit einem hohen Anteil nachhaltiger Unternehmen gibt, insbesondere im Norden von Chicago, aber auch in Pittsburgh und Buffalo, zum Beispiel.

Beim Abgleich mit den Satellitendaten wurde festgestellt, dass die Metallindustrie, die sich selbst als nachhaltig bezeichnet, tatsächlich geringere Auswirkungen auf die lokalen SO2-Konzentrationen hat als die "nicht nachhaltigen" Unternehmen. Daraus schloss das Forschungsteam, dass es in der Tat keine Beweise für systematisches Greenwashing in der amerikanischen Metallindustrie gibt. "Diese Aussage bezieht sich jedoch auf die Branche als Ganzes und nicht auf einzelne Unternehmen. Greenwashing wird in Einzelfällen sicherlich vorkommen", sagt Sebastian Schmidt, Hauptautor der Studie.

Die Entwicklung und Bereitstellung von detaillierten und aktuellen Unternehmensinformationen zum Thema "Nachhaltigkeit" wird bei ISTARI.AI weiter ausgebaut. "Zurzeit arbeiten wir daran, Unternehmen europaweit hinsichtlich ihrer Positionierung zum Thema Nachhaltigkeit bewerten zu können. Dabei setzen wir auf unsere mehrsprachige webAI, die über 100 Sprachen verarbeiten kann. Die Ergebnisse testen wir derzeit in Zusammenarbeit mit der OECD. Auch die Verknüpfung mit satellitengestützten Messungen wird Teil der ISTARI webAI sein", sagt ISTARI-Gründer Dr. Jan Kinne.

Weitere Informationen über unser Projekt finden Sie in der folgenden Veröffentlichung: Greenwashing in der US-Metallindustrie? Ein neuartiger Ansatz, der SO2-Emissionen aus Satellitendaten, eine Firmendatenbank auf Werksebene und Web Text Mining kombiniert.

Schmidt, S.; Kinne, J.; Lautenbach, S.; Blaschke, T.; Lenz, D. & Resch, B. (2022)

Interessieren Sie sich für die Daten, die in dieser Fallstudie verwendet wurden?

Buchen Sie einfach eine kostenlose Demo.