Dekarbonisierung: Datenbasierte Entscheidungen statt Trial-and-Error

Mit dem Anstieg der Rechenleistung und der Datenverfügbarkeit in den letzten zehn Jahren haben sich Unternehmen darauf konzentriert, datenbasierte Entscheidungen zu treffen. Leider ist der Enthusiasmus für das Sammeln von Daten in vielen Fällen nicht mit dem gleichen Enthusiasmus für die Validierung, Priorisierung oder Analyse der Daten einhergegangen. Dies kann sich besonders nachteilig auf die Entwicklung eines globalen Dekarbonisierungsprogramms auswirken. Auch wenn nicht jedes Unternehmen in der Lage sein wird, das Management von Kohlenstoffdaten zu einer Kernkompetenz zu machen, so ist es doch für jede Organisation notwendig, ein grundlegendes Verständnis der Instrumente und der besten Praktiken für das Management dieser Daten zu haben.

Erfassung verschiedener Kohlenstoffdaten

Der allgemeine Trend, Maschinen, Sensoren und andere Geräte über ein zentrales Netzwerk zu verbinden ­– auch als industrielles Internet der Dinge (Industrial Internet of Things, IIoT) bezeichnet – kann helfen, Kohlenstoffdaten zu sammeln. Die Kompetenz, Kohlenstoffdaten zu sammeln, ist jedoch nicht das Gleiche wie die Kompetenz, nützliche Kohlenstoffdaten zu sammeln. Dies ist insbesondere für globale Unternehmen von Bedeutung, die auf die Konsolidierung verschiedener Informationen aus unterschiedlichen Regionen angewiesen sind.

Während das Potenzial für die Erfassung von Kohlenstoffdaten weiter wächst, ist es wichtig, sich darüber im Klaren zu sein, dass das Sammeln von Daten allein nicht ausreicht. Für global agierende Unternehmen mit verschiedenen Geschäftsbereichen kann es eine Herausforderung sein, Kohlenstoffdaten aus verschiedenen Regionen zusammenzuführen. Um sicherzustellen, dass die gesammelten Daten nützlich sind, ist die Beseitigung dieser potenziellen Hindernisse und das Streben nach Einheitlichkeit bei der Datenerfassung und -formatierung wichtig. Letztlich wird dies Unternehmen in die Lage versetzen, fundierte Entscheidungen zu treffen und wirksame Maßnahmen zur Verringerung ihres CO₂-Fußabdrucks zu ergreifen.

Auswertung der Daten

Sobald eine solide Basis an Kohlenstoffdaten geschaffen wurde, die zumindest einen grundlegenden Einblick in die gesamten Kohlenstoffemissionen bietet, gibt es eine Reihe von Methoden, die für eine weitergehende Analyse verwendet werden können. Im Folgenden einige Beispiele:

• Digitale Zwillinge: Durch die Erstellung eines virtuellen Abbildes einer physischen Energieanlage kann ein digitaler Zwilling zur Nachbildung der Leistung und für Simulationen zur Vorhersage möglicher Ergebnisse verschiedener Szenarien verwendet werden. Er kann dazu beitragen, die langfristigen Auswirkungen nicht nur in Bezug auf die Kohlenstoffemissionen, sondern auch in Bezug auf die Investitions- und Betriebskosten mit der erforderlichen Detailgenauigkeit zu bewerten.
• Benchmarking: Ein Benchmarking auf Basis interner Daten oder branchenweiter Trends kann einem Unternehmen insbesondere bei der Extrapolation von Schätzungen für Regionen, für die weniger verlässliche Daten vorliegen, helfen, seine aktuellen CO₂-Emissionen standortübergreifend mit denen anderer Unternehmen zu vergleichen.
• Konsistente Berichterstattung: Um einen konsistenten Überblick über die Ereignisse auf Standort- und Makroebene zu erhalten und den Stakeholdern zu ermöglichen, Chancen und Trends zu erkennen, sollten unabhängig von der Häufigkeit oder der Detailgenauigkeit Berichte und digitale Dashboards verwendet werden.

Diese und andere Instrumente können an den Grad der Detailliertheit angepasst werden, der für die Bedürfnisse der einzelnen Stakeholder erforderlich ist. Ein Nachhaltigkeitsmanager auf Standortebene kann von bestimmten Benchmarks profitieren, die ein Unternehmensmanager nicht benötigt. Die erforderliche Analyse kann sich sogar von Standort zu Standort unterscheiden. Ein geeigneter Rahmen für die Berichterstattung über die CO₂-Emissionen (Carbon Data Framework) bietet die notwendige Flexibilität, um Chancen zu erkennen.

Datenbasierte Entscheidungen treffen

Der erste Schritt zur Dekarbonisierung besteht darin, weniger Energie zu verbrauchen. Das bedeutet, Ziele für Energieeffizienz und Energieeinsparungen zu setzen. Mit einer geeigneten Datenanalyse lassen sich nicht nur Möglichkeiten zur Reduzierung des CO2-Ausstoßes identifizieren. Auch die potenziellen Auswirkungen der einzelnen Ansätze lassen sich ermitteln.

Unternehmen mit einem umfassenden Verständnis ihres Kohlenstoffverbrauchs sind beispielsweise in der Regel in der Lage, eine Reihe von „Asset-Light“-Maßnahmen zu identifizieren, die zusammen eine Verringerung des gesamten Kohlenstoffverbrauchs um drei bis fünf Prozent bewirken würden. Das kann bedeuten, dass alle Glühbirnen durch energieeffizientere Alternativen ersetzt werden. Oder es werden Verhaltensänderungen diskutiert, die die Mitarbeiter in ihren Alltag integrieren können.

Auch auf der Ebene der einzelnen Standorte wird eine detaillierte Analyse Möglichkeiten aufzeigen. Diese Möglichkeiten können dann daraufhin untersucht werden, welche potenziell in großem Maßstab umgesetzt werden können, welche davon an einzelnen Standorten dupliziert werden können und welche – sofern sie noch wirtschaftlich sind – auf einen Standort beschränkt bleiben. Der Schwerpunkt liegt häufig auf der Identifizierung der am besten skalierbaren Projekte, der Festlegung eines Standardansatzes und der Rationalisierung dieses Ansatzes innerhalb der Organisation. Es ist selten, dass diese Art von Maßnahmen an allen Standorten exakt reproduziert werden kann, daher ist es auch wichtig zu modellieren, wie groß die Unterschiede in der Gesamtwirkung sein werden.

Das Änderungsmanagement muss ein wesentlicher Bestandteil der datengestützten Entscheidungsfindung sein, unabhängig von der Größenordnung oder den Auswirkungen. Um einen möglichst effektiven Übergang zu Umsetzungsmaßnahmen zu ermöglichen, müssen strategische Fahrpläne, eine etablierte Governance und die Zustimmung der Stakeholder auf einer soliden Grundlage konsistenter Daten aufbauen. Genauso wie ein Unternehmen möglicherweise nicht über eine Kernkompetenz im Bereich des Kohlenstoffdatenmanagements verfügt, kann es sein, dass für die Umsetzung eine externe Koordination zwischen Auftragnehmern, Lieferanten, Versorgungsunternehmen und anderen Organisationen erforderlich ist, die das interne Fachwissen oder die internen Kapazitäten übersteigt. Zur Sicherstellung einer ordnungsgemäßen Umsetzung kann ein Projektmanagementbüro beitragen, das diese Bemühungen unterstützt oder überwacht.

Gute Entscheidungen basieren auf guten Daten

Die Ergreifung von Klimaschutzmaßnahmen ist dringend erforderlich und die Erfassung und Analyse von Kohlenstoffdaten für Unternehmen, die datengestützte Dekarbonisierungsentscheidungen treffen wollen, unerlässlich. Während das Sammeln von Kohlenstoffdaten durch den Anschluss von Maschinen und anderen Geräten an ein zentrales Netzwerk einfacher geworden ist, kann die Konsolidierung dieser Daten in verschiedenen Regionen eine Herausforderung sein.

Für die Unternehmen ist es wichtig, der Validierung, Priorisierung und Analyse von Kohlenstoffdaten Priorität einzuräumen, um sicherzustellen, dass sie für die Entscheidungsfindung nützlich sind, indem sie Change-Management-Programme implementieren und gegebenenfalls mit externen Organisationen zusammenarbeiten. Durch die Schaffung einer soliden Grundlage konsistenter Daten sind Unternehmen in der Lage, Möglichkeiten zur Reduzierung von Kohlenstoffemissionen zu identifizieren und effektive Maßnahmen zur Verringerung ihres Kohlenstoffausstoßes zu ergreifen und letztendlich einen Beitrag zu einer nachhaltigeren Zukunft zu leisten.