Skip to main content

LLM-Regulierung als Frage der Meinungsfreiheit?

Was wäre, wenn die Regulierung von Large Language Models plötzlich nicht mehr nur Technologiepolitik wäre, sondern ein Fall für die Meinungsfreiheit? Dann würde aus einer Debatte über Sicherheit, Haftung und Kontrolle sehr schnell eine Debatte über Grundrechte. Genau hier setzt das Paper von Eugene Volokh, Mark A. Lemley und Peter Henderson an. Die Autoren argumentieren, dass der Output generativer KI rechtlich als geschützte Rede verstanden werden könnte. Nicht unbedingt, weil die KI selbst Rechte hat, sondern weil ihre Entwickler:innen und vor allem ihre Nutzer:innen Rechte haben, Informationen zu empfangen und mit Hilfe der Systeme selbst zu kommunizieren. Für die USA ist das ein starker Gedanke. Für Deutschland ist er interessant, aber deutlich weniger belastbar. Was ist das ökonomische Grundproblem? Im Kern geht es um die Kontrolle von Informationsproduktion. Staaten wollen Risiken von LLMs begrenzen: Desinformation, Manipulation, Diskriminierung oder gefährliche Inhalte....

Wie investiert man in Nachhaltigkeit? Entscheidungsprozess von ESG-Investorinnen


Amel-Zadeh und Serafeim (2018)  haben eine interessante Gruppierung vorgenommen, wie Institutionen die Entscheidung treffen, in nachhaltige Anlagen (nachfolgend: ESG-Anlagen) zu investieren. ESG-Investorinnen beachten die Dimensionen Umwelt (Enviroment), Soziales (Social) und Unternehmensführung (Governance) bei der Auswahl von Investments. Aus meiner Sicht lässt sich diese Gruppierung auch auf private Investorinnen übertragen.

 

Bei der Auswahl von ESG-Anlagen lassen sich vier Handlungsstrategien identifizieren. Die erste Strategie beingaltet die sog. Screenings, mit den eine Einschränkung des Anlageuniversums vorgenommen wird. Das Screening kann auf drei Arten erfolgen:

  1. Negatives Screening: Das Herausfiltern von unerünschten Anlagen ist vermutlich der direkteste Weg, ESG-Ziele zu erreichen. Dabei werden Anlagen aus dem Anlageuniversum ausgeschlossen bzw. aussortiert, die aus bestimmten Branchen (z.B. Gambling, Tabak, Waffen) oder Regionen (z.B. Südafrika während des Apartheid) kommen, keine erwünschten Praktiken (z.B. Fairtrade) oder keine spezifische ESG-Kriterien (z.B. Arbeitnehmerschutz) einhalten. Allerdings ist umstritten, ob beim negativen Screening tatsächlich das nutzenoptimale Portfolio erreicht werden kann.
  2. Positives Screening: Diese Auswahl erfolgt meist als Best-in-Class-Ansatz, bei dem die Anlagen von Unternehmen berücksichtigt werden, die besonders gute ESK-Performance gegenüber der eigenen Branche aufweisen. 
  3. Norm-basiertes Screening: Anlagen werden nur berücksichtigt, wenn die Unternehmen spezifische Mindeststandards erfüllen.


Die zweite Strategie ist die thematische Anlagenauswahl. Dabei wird der Fokus auf spezifische Nachhaltigkeitsthemen gesetzt, z.B. saubere Energie, grüne Technologien, Agrarökologie etc. Die dritte Strategie lässt sich als Engagement mit der Unterführung beschreiben. Investorinnen können direkt (z.B. Vermögende, Pensionsfunds etc.) oder indirekt (Investmentfonds, Beratungsunternehmen) Einfluss auf die Unternehmensleitung nehmen, um ESG-Aspekte zu berücksichtigen und/oder ESG-Ziele zu verfolgen. Diese Art der Einflussnahme kann beispielsweise nicht erfolgen, wenn zuvor ein negatives Screening vorgenommen wurde. Das Engagement kann entweder in direkter Kommunikation mit dem Management oder durch Abstimmungen auf den Hauptversammlungen [dort auch wählen gehen!!] erfolgen. Die vierte Strategie zur Auswahl von ESG-Anlagen ist die Einbeziehung der ESG-Kriterien in die finanzwirtschaftliche Analyse der Anlagen. Im Kern geht es darum, den traditionellen Anlageprozess anzupassen, damit er auch die finanzwirtschaftlichen Folgen von ESG-Aspekten zu evaluieren. Dabei werden die ESG-Datenbanken benutzt, um die Risiken und Chancen zu bewerten, die sich aus der Beachtung bzw. Nicht-Beachtung der Nachhaltigkeit ergeben.

Comments

Popular posts from this blog

Riesiger Datenschatz: „Fredde Mac Single Familiy Dataset“!

Aktuell arbeite ich mit Begeisterung am ' Fredde Mac Single Family Dataset ', einem wahren Datenschatz. Diesen entdeckte ich zufällig während der Begutachtung eines Konferenzbeitrags – zu meiner großen Überraschung. Freddie Mac stellt diesen Datensatz zur Verfügung, weil die Aufsichtsbehörde (Federal Housing Finance Agency - FHFA) es so will. Das Ziel? Mehr Transparenz schaffen und Investoren helfen, bessere Modelle für Kreditgeschäfte zu entwickeln. Ein großes Dankeschön an die Behörde dafür!