De wereld van asset management verandert snel. ESG (Environmental, Social, and Governance) is geen extra laag meer binnen beleggingsstrategieën, maar een essentieel onderdeel dat niet langer optioneel is. Met de verwachting dat ESG-gerelateerde activa tegen 2025 de grens van 50.000 miljard dollar zullen overschrijden, wordt volgens Ischa van der Molen (AI Strategist bij SAS) duidelijk dat asset managers ESG-criteria moeten integreren om waarde op de lange termijn te creëren.
Ondanks de groeiende aandacht voor ESG, ervaren asset managers aanzienlijke uitdagingen. Inconsistenties in ESG-beoordelingen, de subjectiviteit van rapportages en het risico op greenwashing maken het ingewikkeld om ESG effectief in investeringsstrategieën te verweven. Het vinden van een balans tussen duurzame investeringen en financiële prestaties is complex, maar essentieel om de sector toekomstbestendig te maken.
ESG-beoordelingen: Van inconsistenties naar betrouwbare inzichten
Een van de meest hardnekkige problemen binnen ESG is de variatie in beoordelingen tussen verschillende instanties. Bedrijven kunnen van de ene beoordelaar een hoge ESG-score krijgen, terwijl een andere instantie een veel lagere score toekent. Dit is vaak het gevolg van verschillende methodologieën en het ontbreken van een gestandaardiseerd raamwerk voor ESG-rapportage.
Een illustratief voorbeeld hiervan zijn de verschillende manieren waarop bedrijven hun emissies rapporteren. Terwijl scope 1-emissies – directe uitstoot zoals fabrieksuitstoot – relatief eenvoudig meetbaar zijn, blijven scope 3-emissies – indirecte uitstoot door de toeleveringsketen – vaak onderbelicht.
Bedrijven kunnen hierdoor een rooskleuriger beeld van hun duurzaamheid geven door zich te concentreren op scope 1 en 2, terwijl scope 3-emissies veel omvangrijker zijn en de werkelijke impact beter reflecteren. Dit gebrek aan uniformiteit maakt het voor asset managers moeilijk om een helder beeld te krijgen van de ESG-prestaties van bedrijven en om betrouwbare beslissingen te nemen.
In plaats van te vertrouwen op één enkele ESG-beoordelaar, wenden steeds meer asset managers zich tot technologie om deze inconsistenties te overbruggen. Door kunstmatige intelligentie in te zetten, kunnen ze meerdere databronnen samenvoegen en een meer gedetailleerd beeld krijgen van de werkelijke prestaties van een bedrijf.
AI kan bijvoorbeeld helpen om patronen te identificeren in verschillende ESG-rapporten en voorspellingen te doen over toekomstige prestaties, wat managers in staat stelt om betere, meer onderbouwde investeringsbeslissingen te nemen.
Greenwashing: Een vertrouwenskwestie die ESG ondermijnt
Greenwashing blijft een grote uitdaging binnen ESG-investeringen. Bedrijven presenteren zichzelf vaak als duurzamer dan ze daadwerkelijk zijn, met als doel investeerders aan te trekken die zich richten op ESG-vriendelijke bedrijven. Dit leidt tot een vertekend beeld van hun werkelijke impact, wat niet alleen schadelijk is voor de reputatie van deze bedrijven, maar ook voor de investeerders die op basis van deze misleidende informatie beslissingen nemen.
Een concreet voorbeeld hiervan is wanneer bedrijven hun directe emissies of eenvoudig te meten ESG-prestaties benadrukken, terwijl zij substantiële problemen in hun toeleveringsketen negeren, zoals arbeidsomstandigheden of indirecte emissies. Dit kan leiden tot een vals gevoel van duurzaamheid, wat op de lange termijn schadelijk kan zijn voor zowel het milieu als de reputatie van de asset manager die in deze bedrijven investeert.
Hier kunnen AI-gedreven analysetools een belangrijke rol spelen. Door ESG-data in real-time te analyseren en te vergelijken met externe gegevens zoals nieuwsberichten, audits en zelfs sociale media, kunnen asset managers snel afwijkingen identificeren en gevallen van greenwashing detecteren voordat ze investeringsbeslissingen nemen. Deze technologie kan helpen om bedrijven die daadwerkelijk inspanningen leveren om duurzamer te worden, te onderscheiden van bedrijven die duurzaamheid enkel als marketingstrategie gebruiken.
ESG-Data: Het gebrek aan standaardisatie en transparantie
Naast greenwashing zorgt het gebrek aan gestandaardiseerde ESG-rapportage voor extra complexiteit. Bedrijven hebben vaak de vrijheid om selectief te rapporteren over hun ESG-prestaties, wat leidt tot een versnipperd en soms onbetrouwbaar beeld van hun duurzaamheid.
Zo wordt vaak gekozen voor meetbare factoren zoals directe uitstoot, terwijl moeilijker te meten elementen zoals sociale impact of milieueffecten van de toeleveringsketen worden verwaarloosd. Dit maakt het voor asset managers lastig om een consistent en nauwkeurig beeld te krijgen van de werkelijke ESG-risico's en -kansen.
De oplossing ligt deels in regelgeving zoals de Europese Corporate Sustainability Reporting Directive (CSRD), die bedrijven verplicht om meer uitgebreide en gestandaardiseerde gegevens te verstrekken over hun ESG-prestaties. Dit biedt asset managers een grotere mate van transparantie en vergemakkelijkt het proces van het vergelijken van bedrijven op basis van hun ESG-inspanningen. Maar zelfs met deze regelgeving in opkomst blijft er werk aan de winkel.
AI kan hier opnieuw een belangrijke rol spelen door niet alleen ESG-rapporten te analyseren, maar ook externe gegevensbronnen te integreren. Door bijvoorbeeld satellietgegevens te gebruiken om werkelijke emissies te meten of gegevens van toeleveranciers in te voeren, kunnen asset managers een completer beeld krijgen van de werkelijke duurzaamheidsprestaties van bedrijven. Dit soort tools helpt om voorbij de rapportage te kijken en een meer gefundeerde ESG-analyse uit te voeren.
Portefeuilleoptimalisatie: De balans Tussen ESG-risico's en financieel rendement
De integratie van ESG in portefeuilles brengt ook uitdagingen met zich mee op het gebied van optimalisatie. Een te rigide focus op uitsluiting van bepaalde sectoren, zoals fossiele brandstoffen, kan leiden tot gemiste investeringskansen, vooral in sectoren die een cruciale rol spelen in de transitie naar een duurzamere economie. Sommige energiebedrijven ontwikkelen bijvoorbeeld innovatieve koolstofafvangtechnologieën die van vitaal belang kunnen zijn voor het verminderen van broeikasgassen.
Asset managers moeten daarom verder kijken dan uitsluitingsstrategieën en een meer genuanceerde benadering toepassen. Positieve screening, waarbij bedrijven worden geselecteerd op basis van hun potentieel om ESG-prestaties te verbeteren, kan een krachtige strategie zijn. Dit stelt asset managers in staat om niet alleen kapitaal te investeren in bedrijven die al goed presteren, maar ook om actief betrokken te raken bij bedrijven die in staat zijn om hun duurzaamheidsprestaties op te schalen.
Daarnaast kunnen dynamische optimalisatiemodellen, ondersteund door AI, helpen om ESG-risico's af te wegen tegen rendementen op lange termijn. Deze modellen wegen de directe prestaties van bedrijven, zoals hun huidige emissieniveaus, naast hun toekomstige potentieel voor duurzame groei. Dit stelt asset managers in staat om hun portefeuilles strategisch aan te passen aan zowel ESG-criteria als financiële doelen.
ESG als strategisch middelpunt in asset management
De toekomst van asset management ligt in ESG-integratie, maar de weg daar naartoe zit vol uitdagingen. Toch bieden technologieën zoals AI ongekende mogelijkheden om deze obstakels te overwinnen. Door AI in te zetten voor het analyseren van complexe ESG-data, het detecteren van greenwashing en het optimaliseren van portefeuilles, kunnen asset managers ESG naadloos integreren in hun besluitvorming zonder concessies te doen aan financieel rendement.
De sector beweegt zich steeds meer naar een toekomst waarin ESG niet slechts een extra overweging is, maar de kern vormt van waardecreatie. Degenen die deze technologieën omarmen en ESG als strategisch middelpunt zien, zullen niet alleen voldoen aan de eisen van toezichthouders en investeerders, maar ook klaar zijn om de kansen van morgen te grijpen.
Een artikel van Ischa van der Molen (AI Strategist bij SAS).